本发明专利技术提供一种基于联合分形的海杂波背景下小目标检测方法，本方法检测概率较高。本方法将非加性模型的检测问题转化成分类问题，即将目标是否存在等价于是否属于纯海杂波所在的类，提出了一种特征联合检测算法。将海杂波数据利用趋势波动法建立双对数图，在无标度区间内利用最小二乘法拟合得出斜率，此为Hurst指数，将其作为一个特征标量，选择双对数图内关键点的截距作为另一个特征标量，这样每一组海杂波数据得到的一个双标量，对应图上一个点，利用以上步骤得到n组纯海杂波数据的对应点(i=1...n)，利用凸包函数得到空间最优分类线Ω，将目标可能出现区域的海杂波利用相同步骤得到，最后以点是否在Ω里面作为判别准则，当在Ω里时视为无目标存在，当在Ω外时视为有目标存在。
【技术实现步骤摘要】
本专利技术涉及雷达数据处理领域，特别地，涉及一种海上目标雷达检测与海杂波检测方法。
技术介绍
海杂波，即来自于被雷达发射信号照射的一片海面的后向散射回波，雷达在检测海面上空或接近海面上空的目标时，必须克服海面本身回波的干扰 。当海面或接近海面的微弱目标的雷达反射截面积(RCS)很小时，其雷达回波常常湮没在海杂波和噪声中，而海杂波也因其雷达极化方式、工作频率、天线视角及海情、风向等因素影响，呈现出明显的非平稳，非高斯性，使得一种固定统计模型很难描述海杂波。通过对海杂波时域的精确分析，探索纯海杂波(指无目标信号存在以及不受目标单元影响的雷达后向散射回波)和目标海杂波之间本质的区别，构建一个可以区分纯海杂波和目标海杂波的算法。传统的加性模型特征检测主要有非线性预测方法，是让海杂波样本训练出尽可能准确的神经网络或者支持向量机模型，利用预测误差实现目标检测，该方法前提即海杂波的混沌特性并没有完全得到理论验证，且训练得到的大多数预测模型不具有遍历性。
技术实现思路
本专利技术提供一种，本方法检测概率较闻。本专利技术的具体技术方案如下本专利技术将非加性模型的检测问题转化成分类问题，即将目标是否存在等价于是否属于纯海杂波所在的类，提出了一种特征联合检测算法。将海杂波数据利用趋势波动法建立双对数图，在无标度区间内利用最小二乘法拟合得出斜率，此为Hurst指数，将其作为一个特征标量，选择双对数图内关键点的截距作为另一个特征标量，这样每一组海杂波数据得到的一个双标量，对应图上一个点I，利用以上步骤得到η组纯海杂波数据的对应点I i (i=l. ..η),利用凸包函数得到空间最优分类线Ω，将目标可能出现区域的海杂波利用相同步骤得到ξ，最后以点ξ是否在Ω里面作为判别准则，当ξ在Ω里时视为无目标存在，当ξ在Ω外时视为有目标存在。本专利技术具有如下有益效果基于非加性模型的特征检测算法如时域分形方法则是从时间序列的幅度中提取分形几何特征进行海上目标检测，但传统方法是通过确定分形维数后比较固定阈值来判断海杂波中目标的有无，造成虚警概率一定时，检测概率较低。本专利技术与非线性预测方法相比较，无需事先建模，与传统分形方法相比，本专利技术只选择一段分形尺度范围内的分形维数以及分关键点的截距，并结合了凸包判别法，经试验，无论雷达处于HH或VV极化方式得到的海杂波，当雷达误认为发现目标的概率一定即虚警概率一定时，本专利技术与传统分形方法相比都具有较高的检测概率。本专利技术在雷达HH极化方式下可将纯海杂波和目标海杂波完全区分，在雷达VV极 化方式下，当虚警概率一定时，检测概率明显好于传统方法。表I权利要求1.，该方法包括以下步骤步骤一将全相参雷达的回波数据作为输入，记为X (i)i = 1,2,…，N，N为输入回波数据的长度，将x(i)减去平均值，求局部和，建立一新序列；全文摘要本专利技术提供一种，本方法检测概率较高。本方法将非加性模型的检测问题转化成分类问题，即将目标是否存在等价于是否属于纯海杂波所在的类，提出了一种特征联合检测算法。将海杂波数据利用趋势波动法建立双对数图，在无标度区间内利用最小二乘法拟合得出斜率，此为Hurst指数，将其作为一个特征标量，选择双对数图内关键点的截距作为另一个特征标量，这样每一组海杂波数据得到的一个双标量，对应图上一个点，利用以上步骤得到n组纯海杂波数据的对应点(i=1...n)，利用凸包函数得到空间最优分类线Ω，将目标可能出现区域的海杂波利用相同步骤得到，最后以点是否在Ω里面作为判别准则，当在Ω里时视为无目标存在，当在Ω外时视为有目标存在。文档编号G01S7/41GK102914769SQ20121040164公开日2013年2月6日 申请日期2012年10月19日 优先权日2012年10月19日专利技术者行鸿彦, 祁峥东, 徐伟 申请人:南京信息工程大学本文档来自技高网...
【技术保护点】
基于联合分形的海杂波背景下小目标检测方法，该方法包括以下步骤：步骤一将全相参雷达的回波数据作为输入，记为x(i)i＝1,2,…,N，N为输入回波数据的长度，将x(i)减去平均值，求局部和，建立一新序列；Y(i)=Σk=1i[x(k)-<x>],(i=1,2,···,N)---(1)其中〈x〉为输入回波数据均值。步骤二将新序列Y(i)分成长度为m的Nm＝int(N/m)个不相交的等长子区间，将该序列从原序列末端开始往回再分隔一次，得到长度为2Nm的子区间；步骤三将每个子区间s(s＝1,2,…,2Nm)的数据利用现有的最小二乘法进行拟合，得到局部趋势函数ys(i)，记为DFA2，消除各子区间内趋势，计算其方差均值；Yv(s,m)=1mΣi=1m{Y[(s-1)m+i]-ys(i)}2---(2)这里m为步骤二里的分隔跨度，s＝1,2，......Nm。Yv(s,m)=1mΣi=1m{Y[N-(s-Nm)m+i]-ys(i)}2---(3)这里m为步骤二里的分隔跨度，s＝Nm+1,2,......2Nm。步骤四确定全序列Y(i)的2阶波动函数；F(m)=[12NmΣs=12NmYv(s,m)]1/2αmH---(4)其中H是自相似过程中的Hurst指数，体现了分隔长度m和之间的幂函数关系，s＝1,2,......2Nm；步骤五F(m)随着分隔长度m变化，对F(m)和m取双对数坐标后，所得斜距即为Y(i)的Hurst指数值H=log2F(m)log2m---(5)其中H是自相似过程中的H？urst指数；步骤六选择m(22)～m(24)尺度作为无标度区间，在此无标度区间上利用现有的最小二乘法拟合得到斜率作为其中一个参数标量，选择双对数图中m(28)处的截距作为另一个参数标量；组成一个二维特征向量，每一个二维特征向量对应特征平面上的一个点；特征平面上的横坐标为截距，纵坐标为分形维数；步骤七收集N组无目标海域的相参雷达回波，每组雷达回波为长度为215的时间序列，利用上述步骤求的N组二维特征向量，在特征平面上显示为N个点，将包含特征平面上N个点的最小凸多边形作为判别区域Ω。步骤八在实际目标判断中，将待测某一海域的相参雷达回波利用步骤1—6得出二维特征向量ξ，判断ξ与上述判别区域Ω的关系，当ξ位于判别区域Ω内部时，视为该海域内无目标存在，当ξ位于判别区域Ω外部时，视为该海域内有目标存在。...
【技术特征摘要】
【专利技术属性】
技术研发人员：行鸿彦，祁峥东，徐伟，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。