近日，煙臺南山學院孟祥偉教授團隊在國家自然科學基金項目“基于非參數CFAR方法的SAR圖像中艦船目標檢測”中取得突破性進展。該研究創新性提出Wilcoxon非參數恒虛警率檢測方法，成功攻克合成孔徑雷達（SAR）圖像復雜背景下的船舶檢測技術瓶頸，相關成果已發表于《電子與信息學報》及國際遙感領域頂級期刊《IEEE應用地球觀測與遙感精選期刊》，標志著我國在該領域的研究達到國際先進水平。

作為現代海洋監測與軍事偵察的核心技術，SAR圖像船舶檢測面臨著復雜海雜波干擾的長期挑戰。傳統參量型CFAR檢測方法基于統計分布建模，存在模型失配導致性能驟降、計算復雜度高等問題。自20世紀80年代美國林肯實驗室首創雙參數CFAR檢測方法以來，全球科研機構雖提出多種統計模型改進方案，但始終未能突破理論虛警概率與實際值偏差懸殊、檢測效率受限等根本性難題。

歷經三年攻關，孟祥偉教授團隊獨辟蹊徑構建非參數檢測體系，取得三大創新突破。首先，研究團隊首次建立“實際虛警概率”評估新范式，顛覆了沿用30余年的理論虛警概率評價體系。通過實證分析指出，傳統方法在復雜背景下理論虛警概率與實際值可相差多個數量級，這一發現為該領域性能評估確立了新標準。

其次，團隊創新提出的Wilcoxon非參數CFAR檢測方法，實現了檢測精度與效率的雙提升。該方法突破統計模型依賴，基于目標空間分布特性建立檢測機制，在Sentinel-1A、Radarsat-2等國內外多型衛星實測數據驗證中，對不同星載平臺海況的虛警抑制率提升40%，弱艦船目標檢測概率提高35%。尤其在處理我國高分三號衛星數據時，展現出對復雜海況的卓越適應能力。

技術實現層面，該方法僅需M*N+1個比較器與累加器即可完成運算，硬件成本較傳統方案降低60%，檢測速度提升2倍以上。這一突破不僅解決了參量型方法實時性差的行業痛點，更為星載設備的輕量化設計開辟了新路徑。

這些研究成果在論文送審的過程中得到了國內外同行專家的高度評價。IEEE會士評價該成果“創新性突出且結果令人滿意”，學術平臺“論論”指出其“有效突破傳統檢測器性能瓶頸，為海洋監測與軍事偵察提供革命性解決方案”。值得關注的是，該方法不依賴深度學習所需的海量標注數據，在實戰環境更具應用優勢。

該項目主持人孟祥偉教授，于2018年12月來到煙臺南山學院工作，被聘為“南山學者”崗位。孟祥偉教授在雷達目標CFAR檢測領域進行了長達30年的研究，具有深厚的研究基礎和豐富的研究成果。他長期擔任國際權威刊物審稿人，為國家自然科學基金評審專家；在國內外重要期刊和會議上發表學術論文90余篇，其中被SCI、EI收錄70余篇；主持了國家自然科學基金面上項目、總裝預研課題、雷達信號處理國家重點實驗室基金等課題，作為主要完成人獲軍隊科技進步一等獎、國家科技進步二等獎；以第一完成人獲海軍優秀課程一等獎和海軍優秀教材一等獎，獲軍隊院校育才獎“金獎”“銀獎”。團隊依托煙臺南山學院省級重點實驗室平臺，構建起“基礎研究-技術突破-工程應用”的完整創新鏈條。

此項突破標志著我國在SAR智能解譯領域實現從“跟跑”到“并跑”的重要跨越。隨著技術成果的推廣應用，將顯著提升我國海洋權益維護、海上搜救等重大需求的技術支撐能力，為智慧海洋建設注入新動能。目前，研究團隊正與相關單位推進技術轉化，預期在海洋環境監測、艦船自動識別等領域形成系列自主可控的技術裝備。