【技术实现步骤摘要】
一种基于深度学习的对海探测雷达目标检测方法
本专利技术涉及雷达
，尤其是一种基于深度学习的对海探测雷达目标检测方法。
技术介绍
海洋大约占据着整个地球表面积的71％，拥有丰富的生物资源和矿产资源，为了防范领海入侵与非法海上作业，加强对本国海域的管理就显得十分重要。海洋监管的重要环节之一就是对海面的船舶进行监测，传统的雷达目标检测方法主要是通过时域、频域、变换域的处理，通过改善SCR来实现目标的可靠检测。然而传统雷达目标检测方法是基于回波统计模型假设的，当背景包含海杂波和其他干扰物时，该方法存在目标识别准确率低、虚警率高的局限，只有当背景为均匀瑞利杂波时，检测性能才会较好，此外当多个假目标存在于参考单元内，假目标的功率将会抬高检测器的判决门限，降低检测概率，从而导致对真实目标的漏检。因此，传统雷达目标检测方法的抗杂波能力和环境适应能力不强，且检测速度慢，步骤较为繁琐，检测性能有待提高。
技术实现思路
本专利技术所要解决的技术问题在于，提供一种基于深度学习的对海探测雷达目标检测方法，具有实现简单...
【技术保护点】
1.一种基于深度学习的对海探测雷达目标检测方法，其特征在于，包括如下步骤：/n(1)对雷达接收的回波信号进行预处理，将回波数据转换为脉冲-距离二维图像；/n(2)根据方位向脉冲尺寸分割回波图像，使合作目标不跨越距离单元且图像的纵横比接近，并完成训练集和测试集的划分；/n(3)使用Resnet50作为主干特征提取器，初始化锚框大小，构建完整的FasterRCNN卷积神经网络，设置参数开始训练；/n(4)训练过程中使用验证集每隔一个Epoch验证网络是否欠拟合或者过拟合；/n(5)将训练得到的检测器用于目标检测，并使用非极大值抑制NMS算法消除可能存在重叠的检测框，计算目标识别...
【技术特征摘要】
1.一种基于深度学习的对海探测雷达目标检测方法，其特征在于，包括如下步骤：
(1)对雷达接收的回波信号进行预处理，将回波数据转换为脉冲-距离二维图像；
(2)根据方位向脉冲尺寸分割回波图像，使合作目标不跨越距离单元且图像的纵横比接近，并完成训练集和测试集的划分；
(3)使用Resnet50作为主干特征提取器，初始化锚框大小，构建完整的FasterRCNN卷积神经网络，设置参数开始训练；
(4)训练过程中使用验证集每隔一个Epoch验证网络是否欠拟合或者过拟合；
(5)将训练得到的检测器用于目标检测，并使用非极大值抑制NMS算法消除可能存在重叠的检测框，计算目标识别准确率、查全率和虚警率，判断是否满足检测要求，若不满足则给定新的初始化参数值重新训练。
2.如权利要求1所述的基于深度学习的对海探测雷达目标检测方法，其特征在于，步骤(1)中，对对海探测雷达接收到回波信号进行距离向脉冲压缩，得到脉冲-距离二维雷达图像。
3.如权利要求1所述的基于深度学习的对海探测雷达目标检测方法，其特征在于，步骤(2)中，训练集和测试集的划分具体为：对于脉冲-距离二维回波数据图像，根据脉冲尺寸对回波图像进行分割，并且在目标不跨越距离单元且图像的纵横比接近的条件下分割振幅图像；由于是合作目标，故根据GPS提供的位置信息确定目标在振幅图像上的坐标，并使用LabelImg标注软件进行标注，目标框的位置坐标为(xL,yL,xR,yR)，其中xL,yL为目标框的左上角横、纵坐标，xR,yR为目标框的右下角横、纵坐标；将原始的数据进行数据增强，通过改变图像的长宽比例和对比度、不同程度的缩放以及水平翻转，得到新的位置坐标为数据增强后目标框的左上角横、纵坐标，为数据增强后目标框的右下角横、纵坐标；最后将数据集以8:1:1的比例划分训练集、验证集和测试集。
4.如权利要求1所述的基于深度学习的对海探测雷达目标检测方法，其特征在于，步骤(3)中，使用Resnet50作为主干特征提取...
【专利技术属性】
技术研发人员：闫贺，陈超，刘惠欣，黄佳，徐星，侯倩茹，李睿安，
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
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。