摘 要：针对海杂波背景下海面小目标检测精度低的问题，本文提出一种基于SAE⁃GA⁃XGBoost算法的海 面小目标检测方法。使用堆栈自编码器对待检测信号自适应提取深层次特征，将时域、频域分别提取的特征组 合为高维特征，增强特征的差异性。引入遗传算法对 XGBoost中超参数进行寻优并更新，利用超参数更新后的 模型对高维特征进行评估分类。利用 IPIX数据集进行实验验证，结果表明：与多组分类检测方法相比，所提检 测方法对于高海况数据具有更好的检测效果，HH 极化下#17 与#280 数据的检测率分别达到了 80.02% 与 82.73%。
关键词：目标检测；堆栈自编码器；高维特征；极端梯度提升
0 引 言
海杂波是海洋表面对雷达信号的后向散射回 波，而对于海面漂浮小目标［1］ 的检测技术，由于受 到海面复杂情况影响，存在着较大的阻碍，一直是 雷达探测领域研究的热点。不同于轮船、军舰等 大型目标可以利用回波能量进行检测［2］ ，小船、浮 标、蛙人等尺寸小的海面目标回波弱，小目标的雷 达截面积（Radar Cross Section, RCS）低，已不适用 传统的检测方法进行检测。目前，对海面小目标的检测方法有时频分析、分形特性、机器学习等方 法，而利用机