本发明公开一种基于四维数据特征的海陆杂波分类方法，由于传统的海陆杂波背景下的目标检测方法主要是基于对雷达杂波的统计建模，造成了检测结果强依赖于杂波统计模型的准确度，而实际情况是海洋和陆地回波信号因自身环境的复杂性和受天气，温度，人工干扰等情况的影响，造成较难建立与实际情况一致的杂波统计模型。因此，提出一种基于雷达数据本身特性和模型参数相结合的四维特征分类方法，将回波数据的短时能量，过零率和相关性特性与统计模型的形状参数共同构建特征向量空间，在此基础上，用机器学习算法极限学习机解析分类结果，无复杂的迭代过程，以提高实时性和泛化性能。

提出一种基于雷达数据本身特性和模型参数相结合的四维特征分类方法，将回波数据的短时能量，过零率和相关性特性与统计模型的形状参数共同构建特征向量空间，在此基础上，用机器学习算法极限学习机解析分类结果，无复杂的迭代过程，以提高实时性和泛化性能。

，提出一种基于正则化极限学习机和四维数据特征的杂波分类检测方法。本发明的核心技术分为两部分：一是挖掘雷达信号数据本身的特点及数据间的相关性特点，从而不完全依赖于对雷达信号统计特征建立的数学模型和基于模型的参数估计，二是用正则化的极限学习机对雷达信号的四维特征进行分类处理。本发明能够有效提高对原始数据特征的信息提取，提高检测效率，降低建模准确度代价，降低虚警率。且本发明能够使数据在未经迭代处理的基础上，通过解析的方式获得分类结果，减少数据量大时的计算量。本发明提出的海陆杂波分类方法计算成本低、效果好，是人工智能方法在雷达信息处理领域的创新。 

本发明属于雷达杂波分类技术领域，设计了一种基于正则化极限学习机和四维数据特征的海陆杂波分类检测方法。 

海洋内部蕴藏着巨大的矿物资源，海洋生物资源，海水化学资源及海洋动力资源其他未知资源，雷达在海事领域中扮演者重要的角色，它通过发射和接收电磁波进行目标探测，能够全天候工作，使用多普勒频率提取目标的径向速度和距离变化率，以及区分静止和运动目标。军事上可用于地面目标的探测和跟踪以及海岸警戒与监视，如海面舰船目标和空中飞行目标的检测和跟踪；民用方面则主要用于资源开发、船只导航，海洋环境特性监测和海态遥感等。

王俊宏，女，医学博士，主任医师，教授，博士研究生导师。1987年毕业于北京中医药大学中医专业。毕业后一直从事儿科的临床、教学和科研工作。从师于著名儿科专家刘弼臣教授、丁樱教授。对中医儿科理论有较深刻的理解，善于用中医理论治疗儿科常见病、多发病。曾在英国中医诊疗中心担任中医师，并作为访问学者在英国曼彻斯特大学学习。作为主要参加者，参加十五国家课题“刘弼臣学术思想继承研究”，十一五课题“刘弼臣教授治疗小儿抽动秽语综合征的推广研究”；曾经主持人事部课题“调肺养心颗粒治疗小儿病毒性心肌炎的实验研究”，主持北京中医药大学课题“熄风静宁颗粒治疗多发性抽动的研究”及“益气活血法治疗小儿反复呼吸道感染的临床研究”；主持北京市局基金课题“气虚血瘀型反复呼吸道感染证治规律研究”；主持校级教学研究课题“案例教学在儿科的应用研究及多媒体案例库的应用。”目前主持国家级课题及北京市科委课题，对儿科疑难病抽动-秽语综合征、儿童注意力缺陷多动障碍、过敏性紫癜、病毒性心肌炎、传染性单核细胞增多症、儿童重症肌无力、反复呼吸道感染有较深入研究。

本发明不仅考虑雷达回波数据的统计分布建模情况，以及模型与经典分布的拟合效果，而且更多的是直接揭示隐藏于采样数据本身的特点，计算方法简单，受模型精确程度的影响小。针对实际场景中时变信号采用准稳态处理，并将极限学习机分类算法首次用于对雷达海杂波数据特征进行解析处理，比传统方法智能高效。

技术合作，遣派学者专家到国外或者其他地区的高校，研究机构或者生产企业与对方的学者，专家合作进行研究设计，或者双方学者，专家轮流到对方学校，研究机构或者企业进行研究。