本文发表于 IEEE Transactions on Instrumentation and Measurement, 第75卷，2026年，文章编号 8510514。作者包括 Qingsong Jiang、Wenjing Zhao (通信作者，IEEE会员)、Weiqing Zhao、Yumiao Wang (IEEE会员)、Guolong Cui (IEEE高级会员) 和 Hanyue Zhu。其中，Qingsong Jiang、Wenjing Zhao、Weiqing Zhao 和 Hanyue Zhu 来自电子科技大学电子科学与工程学院；Yumiao Wang 和 Guolong Cui 来自电子科技大学信息与通信工程学院。
本研究聚焦于海洋雷达在强海杂波（Sea Clutter）背景下的目标检测问题，属于雷达信号处理领域。海杂波具有非高斯强起伏、空间非均匀性和时变性等特性，导致目标回波常被严重淹没，虚警率（False-Alarm Rate, FAR）高且检测概率（Probability of Detection, PD）低。现有方法大多假设目标的散射中心（Scattering Centers）数量已知，当实际散射特性与此先验假设不匹配时，检测性能会急剧下降。此外，随着雷达距离分辨率的提升，目标能量往往分布在多个连续距离单元中，形成距离扩展目标（Range-Spread Target），其占据长度和位置的不确定性进一步增加了检测难度。
针对上述挑战，本研究旨在解决目标散射中心未知情况下的自适应检测问题。作者将检测问题重新表述为一个后验概率（Posterior-Probability）推断任务，并提出了名为 FSTFormer 的联合检测与估计方法。该方法基于融合多尺度快-慢时间（Fast-Slow Time）特征的二维Transformer架构，无需依赖对散射中心数量的先验知识，即可在控制虚警的同时，自适应地估计目标位置及其距离扩展长度。
FSTFormer 的整体架构包含数据增强（Data Augmentation）模块、多尺度快-慢时间Transformer模块、SE（Squeeze-and-Excitation）融合模块、分类模块以及位置与距离单元估计模块。
1. 信号模型与问题表述 研究首先将雷达回波建模为二元假设检验问题。对于每个距离单元，引入二值占位变量 yi，并建立统一观测模型 zi = yi αi p + ci。为避免对目标位置和尺寸进行组合搜索带来的指数级复杂度，作者将检测转化为对目标可能区域（Target Possible Region, TPR）的概率推断，即对每个距离单元输出其后验概率 pi = P(yi=1 | zi)。
2. 多尺度快-慢时间Transformer模块 该模块采用双分支架构。慢时间主分支负责提取多普勒纹理和相干特性。其输入为复数回波的I/Q两通道实部与虚部。首先通过一个多尺度卷积组，沿慢时间维度采用多种卷积核长度（3, 5, 7, 11）捕获不同海况下的杂波谱展宽，经GELU激活和批归一化后进行通道拼接与1x1卷积降维。接着，沿距离维进行（3,1）卷积聚合邻域特征，增强上下文关联。最后，通过自适应平均池化将慢时间特征压缩为固定长度的子带令牌（Subband-Token），并输入到带有二维可学习位置编码的Transformer编码器中。该编码器通过多头自注意力机制对子带和距离维度上的非局部依赖关系进行建模。
快时间辅助分支则从距离邻域的角度提供互补表征。它通过构造幅度-相位特征（将相位映射为正弦和余弦分量以避免相位缠绕的数值跳变），并采用深度可分离卷积（Depthwise Convolution, DWConv）沿着距离维进行逐通道的局部匹配与聚合。这种方式既能利用距离扩展目标的连续性抑制孤立杂波尖峰，又避免了标准卷积中通道混合带来的过拟合风险和计算开销。
3. SE融合模块与检测头 慢时间分支的相干纹理表征 fs 与快时间分支的邻域辅助表征 fr 在距离维上一一对应并串联。融合过程采用两层的多层感知机进行非线性投影，并引入沿距离维的深度可分离一维卷积和残差连接以增强特征。最后，通过SE通道注意力模块自适应地重新校准各通道权重，突出判别性纹理，抑制冗余信息。融合后的特征 f 经Dropout层和线性层映射为对数几率（Logits），再通过Sigmoid函数转换为各距离单元属于目标的置信概率。
4. 虚警控制与自适应估计 虚警率控制不依赖于显式的杂波分布假设。在验证集或纯杂波集的负类样本概率集合 p0 上，根据预设的目标虚警概率 ptar_fa，取其上分位数作为决策阈值 τ。目标位置与距离扩展长度则通过连续性与连通域规则进行统一估计：将所有距离块的输出概率重构为全局概率序列，应用阈值得到二值占位序列后，沿距离维提取最大连通正片段。对于每个连通片段 [sn, en]，其长度小于设定最小长度阈值的被滤除，最终保留下来的片段直接给出了目标的起始与结束位置及扩展长度，自然地实现了对点目标和距离扩展目标的自适应检测与定位。
5. 数据集与实验设置 研究在两个公开的实测数据集上进行了验证。一是用于点目标检测的 IPIX 雷达海杂波数据集，包含14个距离单元、131072个脉冲和HH、HV、VH、VV四种极化方式，目标为直径约1米的球形浮标。二是用于距离扩展目标检测的 MTDSP 多源观测数据集，由海军航空大学发布，包含950或1000个距离单元，目标为两个灯浮标，涵盖了L3至L5不同海况。对于IPIX数据集，输入样本块尺寸设为 r=5、l=256；对于MTDSP数据集，设为 r=30。训练时通过循环移位进行数据增强以增加目标位置的多样性。模型采用Adam优化器，学习率为1×10⁻⁴，使用加权二元交叉熵损失函数以缓解类别不平衡问题。
点目标检测性能 在IPIX数据集上，预设虚警概率为10⁻³。FSTFormer在不同极化通道（HH、HV、VH、VV）和不同子集上均保持了一致且较高的检测概率，波动性明显小于对比方法MDCCNN和Tri-Feature。尤其在VV极化、低平均信杂比（ASCR）的子集（如#19， ASCR=-4.74 dB）上，FSTFormer相比对比方法优势更为显著。平均虚警率方面，FSTFormer在HH、HV、VH极化下能有效控制在10⁻³附近，展现了更稳定的阈值匹配和杂波抑制能力。对检测结果的二维重构图像显示，FSTFormer能在目标距离单元处形成更为连续且集中的高响应带，而Tri-Feature和MDCCNN则分别存在响应碎片化和漏检问题。
距离扩展目标检测性能 对于MTDSP数据集，实验采用了覆盖率为100%、75%和50%的三个评估标准。结果表明，在L3至L5海况下，FSTFormer均表现出卓越的鲁棒性，尤其在高海况L5时，其性能优势更加突出。当现有对比方法（WSMRSTD-Net 和 OS-CFAR+DBSCAN）的检测概率随海况升高而明显下降时，FSTFormer在100%覆盖率约束下仍保持相对较高的检测概率，同时虚警概率维持在10⁻³量级。此外，FSTFormer取得了更低的目标中心位置误差（AECTR）和平均目标长度误差（AELEN），数量级在10⁻²。在多目标场景下，FSTFormer同样稳定恢复了多个目标的支撑区间。
不同信杂比和能量分布模型下的性能 通过仿真实验模拟了K分布杂波下三种多优势散射中心能量分布模型。在恒定10⁻³虚警概率下绘制的PD-SCR曲线表明，FSTFormer相对于GLRT-NG、ARAO-RX、AWald-RX和MCOM等经典检测器具有显著的性能增益。例如在模型3、SCR=-10 dB时，FSTFormer的检测概率从最佳对比方法的0.34提升至0.91。
本研究证实，FSTFormer在无需目标散射中心数量先验知识的条件下，能够通过融合慢时间多尺度多普勒纹理与快时间距离结构一致性，实现稳健的目标-杂波分离。其科学价值在于，将检测问题表述为后验概率场的学习与推断，统一处理了点目标和距离扩展目标，超越了传统方法对预设窗口长度的依赖及因模型失配导致的性能退化。在应用价值上，该方法在可控虚警率下跨海况、跨极化的稳定高检测能力，以及对目标位置和尺寸的精确自适应估计，对于国防安全、海上监视和灾害预警等实际海洋雷达感知场景具有重要的工程应用前景。
本研究的核心创新可归纳为三点：1) 提出了双分支快-慢时间二维Transformer特征提取架构，在慢时间分支构建层次化多尺度多普勒子带特征并通过Transformer编码跨维度的相干依赖，在快时间分支通过逐距离卷积保留并增强幅度与相位结构；2) 设计了基于后验概率图量化解耦的自适应误报控制与连通域决策机制，能在无先验条件下同时完成目标发现、定位和尺寸估计；3) 在IPIX和MTDSP公开数据集上全面验证了方法的先进性，尤其在低ASCR和高海况等严苛条件下，针对点目标和距离扩展目标均取得了更优的检测概率、更低的中心位置估计误差和目标长度估计误差。