【技术实现步骤摘要】
一种海环境下基于双参数KNN的小目标检测方法
[0001]本专利技术属于对海雷达慢速小目标检测
,该方法在联合多维特征的基础上,设计双参数的KNN进行海上小目标检测。
技术介绍
[0002]海面小目标主要指浮冰、小船、蛙人和飞机残骸,是对海雷达执行预警、探测和跟踪的重点和难点对象。慢速小目标回波微弱,海面小型目标具有很小的雷达截面积(Rader cross section,RCS)和较弱的雷达回波,低SCR情况下传统检测方法很难进行检测。以往的基于自适应类的检测算法,主要用于广域的警戒雷达和监视雷达,但是,海杂波具有较宽的多普勒带宽,当海面目标速度较低或较小时,目标回波往往会淹没在强的海杂波中,因此对于海面微弱目标,自适应检测算法性能存在较大程度的下滑。面对这个问题,高距离分辨率和长时间累积下的海面微弱目标特征检测算法应运而生。研究人员提取时域,频域,时频域等特征,将样本投射到区分度更高的特征空间,进而使用模式识别等方法进行分类。
[0003]普通的二分类问题中,两类错分概率是等价的,但是在目标检测中,虚警概率比漏检概率更重要(通常,虚警概率要低于10
‑3而漏检概率可能达十分之几),并且我们希望虚警率是可控的。因此,基于双参数KNN的小目标检测算法成为解决这一问题的另一个有效途径,现有的算法有基于三特征的凸包算法和可控虚警SVM等。
技术实现思路
[0004]本专利技术针对现有技术的不足,凸包算法存在特征限制,特征一旦多于3个便难以运算,SVM需要选取合适的核函数,且计算复杂。 ...
【技术保护点】
【技术特征摘要】
1.一种海环境下基于双参数KNN的小目标检测方法,其特征在于,该方法具体包括以下步骤:步骤一:特征提取;根据需要提取时域频域时频域的特征构成特征向量;步骤二:计算每一个测试特征向量与所有训练样本之间的欧式距离,得到距离向量D;步骤三:将距离向量D中的元素按从小到大的顺序进行排列,并取k个最小距离值所对应的k个训练样本,构成k近邻;步骤四:计算k近邻中,海杂波样本的数量和目标样本数量p和q,其中p+q=k;步骤五:通过网格寻优找到最佳的k
*
和η
*
;步骤六:对于每个测试样本,在k
*
个近邻中,若η
*
·
p≥q,测试样本判定成海杂波标签H0,否则判定为目标标签H1。2.根据权利要求1所述...
【专利技术属性】
技术研发人员:毛克成,薛安克,倪红霞,张乐,
申请(专利权)人:杭州电子科技大学,
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。