根据相空间重构理论，提出了一种基于遗传小波神经网络(GA-WNN)的混沌时间序列预测方法。根据takens理论，计算出相空间重构所需延迟时间和嵌入维数。采用小波神经网络的构造和算法，将遗传算法用于网络参数优化，为混沌时间序列预测提供可靠依据。为验证模型的可靠性，使用IPIX雷达数据进行多步预测，仿真结果表明这个确定性的模型可以根据海杂波已知数据预测未来值的变化。与传统神经网络预测相比，遗传小波神经网络预测方法的拟合精度和预测精度更好。

基于全对称协方差矩阵估计的一种改进的EFA抑制杂波

海杂波的建模及CFAR目标检测研究，PDF文档

杂波模型的简单仿真，有助于理解模型，适合初学者

为克服海杂波分形维数值估计需要较长的数据长度的缺陷,提出了基于扫描间积累的分形维数值估计方法。首先研究了几种常用的分维值估计方法,从分维值的定义出发证明了分段分维估计方法与连续数据估计方法的等价性,然后通过迭代算法求得分形维数估计值。仿真结果表明提出的方法降低了对雷达驻留时间的要求,并且具有较小的运算量,提高了微弱目标的检测性能。该方法可以用于岸基对海雷达检测海表面微弱目标。

matlab lbp特征代码VFSVM 通过对 IPIX 数据集时间多普勒频谱中的视觉特征进行分类，在海杂波中检测小浮标 这是 - 的python实现。 要求 Python - 3.6.5 opencv-python 学习 NetCDF - 1.5.3 如何使用代码 步骤1 从 和 下载复杂序列的回报 我们重写 Python 代码以在“Load_IPIX_xxxx.py”中加载 IPIX 原始数据。 将连续返回转换为时间多普勒频谱 (TDS) 图像。 第2步 计算每个 TDS 图像的局部二进制模式 (LBP) 直方图。 第 3 步 用不纯的样本训练 v-SVM。 第四步 对到学习中心的距离进行排序。 选择距离最大的样本作为目标。 介绍 该算法在 中介绍，正在审查中。 一旦论文获准发表，我们将尽快发布所有代码。 现在我们已经发布了数据加载代码，这是根据IPIX网站上的Matlab版本重新实现的Python代码。 文具馆 @misc{zhou2020smallfloating, title={Small-floating Target Detection in Sea Clutter vi

处理ipix官网下载的雷达原始数据，将方位角以及俯仰角进行处理

双基地星载雷达仿真，完成坐标系之间的转换

对杂波进行建模，用MATLAB进行仿真，包括技术文档和源代码

空时自适应杂波程序