【技术实现步骤摘要】
一种基于随机森林的海面小目标检测方法
本专利技术涉及雷达信号处理
,尤其是涉及一种基于随机森林的海面小目标检测方法。
技术介绍
高分辨率海杂波背景下小目标检测一直是研究的热点和难点。检测的主要难点在于海杂波具有复杂的空时变特性和低速小目标自身回波弱,导致检测时的信杂比(signal-to-clutterratio,SCR)低。传统的单一特征检测器出现虚警点多和检测概率低问题。因此,有必要发展基于多维特征联合的检测方法,提高海面小目标的检测概率。多维特征联合的检测方法是指从时频、频域、时频域等多个域挖掘海杂波和含目标回波的差异性,将差异性转化为多维特征,并联合多维特征进行检测。从时域角度出发,学者们引入分形理论用以描述不同尺度上的海杂波序列的粗糙程度,提出了基于Hurst指数的单特征检测方法。有学者提出了稳定性因子的检测方法,提取长时条件下散斑分量的平稳一致性因子。从时域和频域两个角度出发,有学者提出了三特征检测器,联合使用了能量和多普勒频谱上的差异性。从时频域角度出发,有学者提出了时频三特征检测器,进一步挖掘了二维时频图中丰富的信息。有学者提出了基于极化域散射能量的三特征检测器,联合了面散射、体散射和二面角散射的物理散射机理特性。由于只能获得大量海杂波数据,上述检测器都是基于单分类的检测方法。本质上,海面小目标的检测问题属于两分类问题。针对两分类问题,学者们将机器学习中的两分类方法带入到海面目标检测之中。有学者提出了基于决策树的三特征检测器,联合了时域和频域的Hurst指数以及频域相对峰高能量。为了进一 ...
【技术保护点】
1.一种基于随机森林的海面小目标检测方法,其特征在于,包括以下步骤:/nS1、获取待检测距离单元回波向量z,z=[z(1),z(2),...,z(N)]
【技术特征摘要】
1.一种基于随机森林的海面小目标检测方法,其特征在于,包括以下步骤:
S1、获取待检测距离单元回波向量z,z=[z(1),z(2),...,z(N)]T以及周围P个参考距离单元的回波向量zp,p=1,2,...,P;
S2、将回波向量z转换到时域、频域以及时频域中提取多维特征;
S3、每个特征作为一个维度,构建高维特征向量ξ;
S4、对特征向量ξ做归一化处理,记归一化特征向量为
S5、根据仿真含目标回波数据和海杂波数据,提取归一化特征向量,构建两类均衡的训练样本;将两类训练样本作为随机森林的输入,建立分裂因子和虚警率之间的数学函数表达式,获得虚警可控的随机森林两分类器;
S6、将归一化特征向量为带入随机森林两分类器中,获得输出分类标签η,根据分类标签η判断回波向量z是否存在目标。
2.根据权利要求1所述的基于随机森林的海面小目标检测方法,其特征在于:S1中将检测问题归为二元假设检验:
其中,c表示海杂波向量,s表示目标回波向量;H0假设表示回波向量中仅存在海杂波,无目标回波,H1假设表示回波向量含有目标回波。
3.根据权利要求2所述的基于随机森林的海面小目标检测方法,其特征在于:S2中提取特征时,从时域中提取Hurst指数和相对平均振幅两个振幅特征ξ1和ξ2;从频域中提取相对多普勒峰高和相对向量熵两个频谱特征ξ3和ξ4;从时频域中提取脊能量、连通区域的数量和连通区域的最大尺寸三个时频特征ξ5、ξ6和ξ7。
4.根据权利要求3所述的基于随机森林的海面小目标检测方法,其特征在于:
时域特征ξ1和ξ2
Hurst指数计算公式如下
其中,ξ1就是Hurst指数,即为log2(F(m))和log2(m)所拟合直线的斜率,m表示序列间隔,
相对平均振幅ξ2计算公式为
频域特征ξ3和ξ4
多普勒振幅谱的计算公式为
其中,fd是多普勒频率,Tr是雷达脉冲重复频率,
相对多普勒峰高ξ3的计算公式为
其中,DPH代表多普勒峰高位置,Peak代表多普勒峰的最大值,代表多普勒峰在多普勒谱中的位置,符号#Δ表示落入数集Δ的总数,Δ代表多普勒峰周围的多普勒间隔,
相对向量熵ξ4的计算公式为
时频域特征ξ5、ξ6和ξ7
计算S1中回波向量z的二维时频图SPWVD:
其中,n表示时间维,l表示频率维,Δfd为归一化多普勒频率的采样间隔,Q和q分别表示时间维采样数目和相应的变量,J和j分别表示频率维采样数目和相应的变量,g(q)和h(p)分别是时间维和频率维的平滑窗,
脊能量ξ5计算公式为
在...
【专利技术属性】
技术研发人员:施赛楠,杨静,程思宇,董泽远,
申请(专利权)人:南京信息工程大学,
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。