基于堆栈自编码器的海面目标检测方法技术

本发明专利技术公开了一种基于堆栈自编码器的海面目标检测方法，包括以下步骤：步骤1，对海面回波数据进行预处理，得到二维图像，并将其按方位向时间分为训练集和测试集；步骤2，基于堆栈自编码器进行海面目标检测，所述堆栈自编码器由输入层，2个由自编码器构成的隐含层，logistic分类器依次连接组成，海面目标检测包括以下三个步骤：逐层无监督预训练、有监督微调以及测试集的测试；步骤3，利用测试集对步骤2训练好的网络模型进行性能测试。本发明专利技术能够有效抑制虚警，提高检测率，在低SNR的情况下相较于传统的CA‑CFAR检测具有更好的检测性能。

Sea surface target detection method based on stack self encoder

【技术实现步骤摘要】
基于堆栈自编码器的海面目标检测方法
本专利技术涉及一种结合深度学习的雷达信号处理算法，具体是涉及一种基于堆栈自编码器(SAE)的海面目标检测方法，属于雷达目标检测

技术介绍
海面目标的检测与分类在军事和民用等领域有广泛应用，雷达是海上目标探测和监视的重要手段，但受复杂海洋环境产生的海杂波以及海面目标类型多样化的影响，可靠和稳健的海面目标检测和分类始终是需要研究的关键技术之一。当前海杂波统计特性的研究领域中的重点是对复合K分布进行参数估计以及进行仿真，详见文献“赵海云,胡学成.时空二维相关K分布雷达海杂波建模与仿真[J].中国电子科学研究院学报,2008,3(5):515-519”。传统的平均恒虚警检测(CA-CFAR)基于高斯分布模型进行参数估计从而计算检测门限，详见文献“RichardsMA.雷达信号处理基础[J].2008”。其要求较高的目标与背景对比度，但是实际杂波海尖峰较多，导致检测性能下降，同时容易因临近目标进入参考单元而造成检测困难。文献“蔡克珏.低信杂比条件下海面弱目标检测[D].华中科技大学,2019.”指出雷本文档来自技高网...

【技术保护点】
1.一种基于堆栈自编码器的海面目标检测方法，其特征在于：包括以下步骤：/n步骤1，对海面回波数据进行预处理，得到二维图像，并将其按方位向时间分为训练集和测试集；/n步骤2，基于堆栈自编码器进行海面目标检测，所述堆栈自编码器由输入层，2个由自编码器构成的隐含层，logistic分类器依次连接组成，海面目标检测包括以下三个步骤：逐层无监督预训练、有监督微调以及测试集的测试；/n步骤3，利用测试集对步骤2训练好的网络模型进行性能测试，并将测试集的分类标签反映射为图像中心待检测单元的分类标签；计算出堆栈自编码器算法下的虚警概率p

【技术特征摘要】
1.一种基于堆栈自编码器的海面目标检测方法，其特征在于：包括以下步骤：
步骤1，对海面回波数据进行预处理，得到二维图像，并将其按方位向时间分为训练集和测试集；
步骤2，基于堆栈自编码器进行海面目标检测，所述堆栈自编码器由输入层，2个由自编码器构成的隐含层，logistic分类器依次连接组成，海面目标检测包括以下三个步骤：逐层无监督预训练、有监督微调以及测试集的测试；
步骤3，利用测试集对步骤2训练好的网络模型进行性能测试，并将测试集的分类标签反映射为图像中心待检测单元的分类标签；计算出堆栈自编码器算法下的虚警概率pfa和检测概率pd。


2.根据权利要求1所述的基于堆栈自编码器的海面目标检测方法，其特征在于：所述步骤1的具体步骤为：在已知合作目标的前提下，将目标标记为1，海杂波标记为0，得到每个单元所对应的标签；从图像域出发，采用滑窗模式将海面回波数据中每个单元拓展成二维图像，并将单元标签映射为对应拓展图像的标签，从而获得大量的二维图像及其对应标签，以方位向时间作为划分依据，其前半部分拓展的图像作为训练集，后半部分作为测试集。


3.根据权利要求1所述的基于堆栈自编码器的海面目标检测方法，其特征在于：所述步骤2包括以下步骤：
步骤2-1，逐层无监督训练：随机初始化模型参数，对于给定的m个训练集D:{(x(1),y(1)),…，(x(i),y(i)),…,(x(m),y(m))}，x为每个训练样本所有单元组成的向量，y为其对应的标签，上标...

【专利技术属性】
技术研发人员：闫贺，王珏，黄佳，陈超，李瑞安，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32