本发明专利技术公开了一种线激光目标探测系统及探测方法，其中目标探测系统包括发光系统、光路系统、检测传感系统以及数据处理系统，发光系统由若干个线光源组成；光路系统由若干个光路子系统构成，一个光路子系统包括凸透镜、第一反射镜、第二反射镜以及赋形光阑；检测传感系统为CCD探测器，光路系统的各光路子系统探测的回波光汇聚在CCD探测器的不同像素点上；数据处理系统对CCD探测器上获取的多条不同像素点上的目标探测回波信号，根据像素点与目标位置的几何位置对应性，从而获取目标的位置信息。本发明专利技术实现了探测激光回波的多路汇聚检测，该系统充分利用了CCD成像单元，提高了目标探测的信噪比，为实现低空目标预警提供了一种解决途径。
【技术实现步骤摘要】
本专利技术是，它主要利用线激光技术、光 路调整技术、CCD阵列传感技术和数据处理技术。形成了面向低空目标的线激光探测系统和 信号处理方法。
技术介绍
低空目标检测对于飞行器管理、国±安全有着重要作用。基于红外探测技术的目 标感知容易受到天气影响。采用探照灯扫描方式则耗能过高，且容易产生光污染，影响居民 正常生活。 现有远距离激光探测大多局限于点状光源的扫描，线激光探测仅限于近距离目 标，如汽车雷达，其典型探测距离常常不超过十米，而在远距离目标探测上，尚未有大量研 究开展。
技术实现思路
： 本专利技术所要解决的技术问题是针对上述现有技术的不足，而提供一种抗干扰、探 测精度高的远距离目标探测系统及探测方法。[000引为解决本专利技术的技术问题，本专利技术采用的技术方案是： -种线激光目标探测系统，其特征在于:包括发光系统、光路系统、检测传感系统 W及数据处理系统，所述发光系统由若干个线光源组成;所述光路系统由若干个光路子系 统构成，一个光路子系统包括凸透镜、第一反射镜、第二反射镜W及赋形光阔；所述检测传 感系统为CCD探测器，所述光路系统的各光路子系统探测的回波光汇聚在所述CCD探测器的 不同像素点上;所述数据处理系统对CCD探测器上获取的多条不同像素点上的目标探测回 波信号，根据像素点与目标位置的几何位置对应性，从而获取目标的位置信息。 所述线光源包括激光器W及夹具，所述夹具由夹持本体、上调整套W及下调整套 构成，所述上调整套夹持所述激光器首端，所述下调整套夹持所述激光器尾端。 所述数据处理系统包括各光路信号位置匹配单元和光路信号判决信息融合单元。 -种基于线激光目标探测系统的目标探测方法，其特征在于，步骤如下： 首先，线激光发光系统连续发射线状激光； 然后，多路光路子系统各自捜集目标探测反射回波光束，各光路子系统W不同方 位同时将目标探测反射回波光束汇入CCD探测器；[001引最后，数据处理系统对CCD探测器阵列上获取的多条不同像素点上目标探测回波 信号，根据像素点与目标位置的几何位置对应性，采用对探测器获取的回波信号融合处理， 从而获取目标的位置信息。 所述目标信息融合处理采用概率神经网络，概率神经网络包括输入层、模式层和 输出层，其中输入层为CCD探测器阵列上获取的多条目标探测回波信号； 模式层的输出为： 式中：X为CCD探测器阵列上获取的多条不同像素点上的目标探测回波信号，Wi为 输入层到模式层连接的权值;δ为平滑因子;输出层为累加层，是将属于某类的概率累计，概 率密度函数按上式计算。 现有CC时暴像装置一般视场较小，对于远距离线激光探测感知，需要前端添加聚光 的鱼眼W提高视场范围。本专利技术通过联合多个线激光发射源，使得能量在探测聚集，从而实 现远距离目标探测。基于单光路的线激光检测装置没有充分挖掘CCD阵列信号接收的潜力，本专利技术通 过多路光路子系统向CCD汇聚回波光束，并根据几何位置对应关系，提高检测的信噪比，实 现远距离目标探测。 本专利技术数据处理方法针对CCD获取的信号对探测目标存在与否W及目标位置进行 基本判定，对CCD阵列上获取的多条目标探测回波信号开展信息融合。某一目标位置可在汇 入的CCD的每条光路中找到各自对应区域，基于运种目标位置对应性，开展基于不同回波光 束的目标信息融合。 CCD接收到某光路子系统汇入的接收信号可表示如下：Sreceive二Sreflect+N[002引其中，Sreceive表不CCD接收到的信号；Sreflec康不低空目标反射的线激光信号；N表 示噪声，一般认为ΝΠη(Ο,σ)，噪声产生是器件热噪声、杂散光和量化误差等多个因素综合 造成的。[002引此时的CCD检测单元的背景噪声幅度可W匹敌于目标探测信号幅度，即Νa Sreflwt，此时信号淹没在噪声中，探测的漏检和误报率都非常高。本专利技术采用多光路子系统探测信号相参，根据几何关系，获取空间目标位置不同 光路子系统回波对应投影位置关系，累加对应相同目标位置反射信号。其中通过累加使得噪声减弱，Num表示光路子 系统个数，通过运个方法使得信噪比提升V]而品。本专利技术采用基于概率神经网络的目标多光路信号融合处理方法。概率神经网络 (PNN)是一种常用于模式分类的神经网络。概率神经网络基于统计原理，在分类功能上等价 于最优Bayes分类器，其实质是一种基于贝叶斯最小风险准则的并行算法，计算过程中它不 需要进行反向误差传播，而是完全前向的计算过程。其训练时间仅仅略大于读取数据的时 间、不易产生局部最优，分类正确率较高。采用概率神经网络进行模式分类，原始信号为线激光探测CCD感应向量X，所属的 类别为第i处位置有目标Ci，假设己知各类别（低空目标状态存在判断）的概率密度函数fi (X)，根据Bayes分类规则，根据下列不等式成立X将被分到Ci类： Pikfi(X)>Pjkfj(X)，i辛j 式中：Pi为X属于Ci类的先验概率，在本专利技术中的物理为第i处位置目标存在的先 验概率，调整该参数可W改变目标探测能力，也同时改变虚警概率。 以为^类的错误分类的代价，在本专利技术中的物理为第i处位置目标存在而没有判 断出，或判断到其他位置存在目标的代价。 本专利技术从各个光路物理意义入手对概率神经网络的结构进行设计。一般情况下， 目标反映在CCD阵列不止一个像素。而运些像素都是彼此相邻的。彼此相邻的像素点一般在 两个到十个左右。根据目标高度来确定。而同一目标对应的不同光路反映在CCD上的像素点 具有对应性。根据几何关系找到对应性，然后仅在相邻对应点的输入层与第二层连接，运样 可W减少很多不必要的连接。提高运算速度。在第二层到第Ξ层映射上，也具有相同的特 点。 概率神经网络利用一个指数函数来代替S型函数，是一个有2个隐含层的网络。该 网络结构的第1层是输入层，此层接收低空目标线激光探测系统中CCD原始感测信号，它将 输入样本完全不变地传给下一层。第2层是模式层，各模式单元有相同的输入，本专利技术中将 模式单元个数等于训练样本数，该层每个模式单元的输出为： 式中：Wi为输入层到模式层连接的权值;δ为平滑因子，它对分类起着至关重要的 作用。第3层是累加层，是将属于某类的概率，概率密度函数按上式计算。 输出层成神经元是一种竞争神经元，每个神经元分别对应一个模式类型，也就是 目标所处位置模式，输出层神经元个数等于可分辨的目标位置个数。输出层接收从求和层 输出的各概率密度函数。概率密度函数最大的那个神经元输出为1，信息融合后确认的目标 位置。其他神经元的输出全为零。 概率神经网络基本分为Ξ层，第一层接收线激光目标探测CCD信号输入;第二层是 模式层，对多个CCD数据进行融合、收集整理;第Ξ层是目标状态类别层，就是数据融合完后 判断哪处存在目标信息，然后将融合后的目标信息输出。其中模式层神经元激活函数取高 斯型函数。 通过概率神经网络实现了目标多路CCD检测信息融合。 在信号接收方面，若激光照射宽度与目标宽度相同，当低空目标距离线激光发射 源达到則寸，某光路子系统反射到CCD功率可W表示为：其中，rutm为单程大气传输系数，risys为激光雷达光学系统的传输系数，dAr为目标 截面面积，D目标激光回波信号接收孔径，Ρτ为目标探测线激光光源发射功本文档来自技高网...
【技术保护点】
一种线激光目标探测系统，其特征在于：包括发光系统、光路系统、检测传感系统以及数据处理系统，所述发光系统由若干个线光源组成；所述光路系统由若干个光路子系统构成，一个光路子系统包括凸透镜、第一反射镜、第二反射镜以及赋形光阑；所述检测传感系统为CCD探测器，所述光路系统的各光路子系统探测的回波光汇聚在所述CCD探测器的不同像素点上；所述数据处理系统对CCD探测器上获取的多条不同像素点上的目标探测回波信号，根据像素点与目标位置的几何位置对应性，从而获取目标的位置信息。
【技术特征摘要】
【专利技术属性】
技术研发人员：吴乐南，陆泽橼，张煜东，戚晨皓，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32
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。