一种基于自适应滤波的海杂波背景下多目标检测方法技术

一种基于自适应滤波的多目标检测方法，首先计算每个方位向的回波脉冲数，将雷达扫描整个监测海域的回波等分成回波矩阵，依次计算各回波矩阵的协方差矩阵C，而后对C进行特征值分解，得到其特征矩阵V和特征值矢量D,利用D计算奇异谱并估计主分量个数N

【技术实现步骤摘要】
一种基于自适应滤波的海杂波背景下多目标检测方法


[0001]本专利技术属于目标检测
，涉及海杂波背景下的目标检测，特别涉及一种基于自适应滤波的海杂波背景下多目标检测方法。

技术介绍

[0002]海杂波是雷达波束照射海面时波束覆盖区域产生的回波。由于海浪宏观运动及海面不规则的毛细管状运动，造成海杂波具有较强的“非线性、非平稳和非高斯”等特性，使传统的恒虚警检测器(CFAR)不能适用于海杂波背景下的多目标检测。对海杂波特性的研究由来已久，早期工作主要集中在海杂波的统计学模型的研究，典型的海杂波统计学模型有Weibull,log
‑
normal和K分布。近年来，对实测海杂波信号的“尖峰”特性的研究表明，Pareto分布能更加准确地描述这一特性。这些模型的有效性具有一个重要的前提条件：在雷达相干处理时间内海杂波必须是平稳的随机过程，以确保可以用恒定的模型参数实现CFAR目标检测。若雷达探测海面上弱小目标时，需要增加相干处理时间以增强目标回波能量，与此同时海杂波的非平稳特性也显著增强，以至于上述前提条件不再满足。因此，基于统计学模型的目标检测方法仅适用于相干处理时间短的场合，而在高海况条件下已不满足工程的需要，必须寻找不依赖统计学模型和先验知识的海杂波抑制方法，进而解决这一难题。
[0003]为解决上述问题，已有大量研究成果见诸报道：Wu提出了一种基于奇异谱分析的海面小目标的检测方法，Chen提出了利用SVD
‑
FRFT滤波的海杂波压制方法,Li提出了一种强海杂波中检测动目标状态的自适应探测方法，翟东奇等提出了基于非线性自适应滤波器的海杂波抑制技术,Zhang提出了一种基于改进的快速聚类分段的海杂波中弱小目标的检测方法,Lang针对高分辨SAR图像目标识别问题，提出了一种基于像素聚类的舰船目标检测方法,Su提出了基于混沌理论和径向基神经网络及k
‑
means聚类的海杂波预测方法。针对海杂波的非平稳混沌特性，Ma提出了一种非平稳混沌时间序列相空间重构方法，在此基础上提出一种基于多尺度有向Lyapunov指数的海杂波中弱小目标检测方法。
[0004]上述方法的共同特点是不再依赖海杂波的统计学模型，有效克服了传统方法存在的不足，但存在计算复杂度较高、部分方法需要大量人为标定的训练数据集，这些问题仍是阻碍其工程应用的障碍。

技术实现思路

[0005]为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于自适应滤波的海杂波背景下多目标检测方法，以期在不依赖任何目标先验知识的情况下，简单快捷地自动区分海杂波和目标回波。
[0006]为了实现上述目的，本专利技术采用的技术方案是：
[0007]一种基于自适应滤波的海杂波背景下多目标检测方法，包括如下步骤：
[0008]S1)以雷达扫描整个监测海面的回波为对象，计算每个方位向回波脉冲数量n
p
；
[0009]S2)按照n
p
将雷达扫描整个监测海面的回波脉冲N等分为N
bin
个方位向单元回波，构成对应各个方位向的回波矩阵X
i
，X
i
为n
p
×
n
t
的矩阵，i＝1,2,
…
,N
bin
，N
bin
＝floor(N/n
p
)，floor(
·
)为取整函数，n
t
为回波脉冲采样点数；
[0010]S3)计算回波矩阵X
i
的协方差矩阵C；
[0011]S4)对协方差矩阵C进行特征值分解，得到特征矩阵V和特征值矢量D，D为对角矩阵，对角线元为协方差矩阵C的特征值，V每一列为各个特征值对应的特征矢量；
[0012]S5)提取D的对角线元，按降序重排协方差矩阵C的特征值，并相应调整V各列的位置，计算奇异谱σ
j
，j＝1,2,
…
,n
p
；
[0013]S6)利用V对回波矩阵X
i
自适应滤波；选择一个门限T
hr
，将满足σ
j
≥T
hr
的特征值作为主分量(Principal component,PC)，将其余特征值作为次分量(Minor component,MC)，主分量个数记为N
ev
，将滤波后的回波矩阵X
i
分为S
p
和S
m
，S
p
为N
ev
×
n
t
矩阵，S
m
为N
m
×
n
t
矩阵，N
m
＝n
p
‑
N
ev
；
[0014]S7)若N
ev
≤3，判定回波X
i
为海杂波；若N
ev
＞3，进行下一步，对S
p
和S
m
做进一步处理(S
m
可用于弱小目标检测)；
[0015]S8)采用最大似然估计依次估算S
p
或S
m
各行的Pareto分布模型参数(a,b)；利用估计的模型参数通过Pareto随机数发生器生成与回波信号等长的随机序列y，采用Kullback
‑
Leibler(K
‑
L)散度识别目标回波脉冲，将K
‑
L散度最大值对应的回波信号识别为目标回波，进而用自适应门限的峰值检测法确定各个目标位置；
[0016]S9)确定目标距离；
[0017]S10)重复S2～S9，即可获得整个监测海面上目标的位置。
[0018]与现有技术相比，本专利技术可自适应地分离海杂波和目标回波，在给定海杂波背景下，可以有效地消除海杂波并检测到传统方法不能发现的目标，在检测精度上有很明显的提高。同时，本专利技术采用自适应滤波方法分离海杂波与目标回波，利用K
‑
L散度识别目标回波，在此基础上采用自适应峰值检测法实现多目标的检测与定位，是一种基于信息几何理论的信号处理方法。
附图说明
[0019]图1为本专利技术流程图。
[0020]图2为山东烟台养马岛的对海观测雷达接收的海杂波的奇异谱。
[0021]图3为回波矩阵主分量数量N
ev
柱状图，其中(a)为T1脉冲，(b)为T2脉冲。
[0022]图4为滤波后的T1脉冲，其中(a)为PC回波,(b)为MC回波。
具体实施方式
[0023]下面结合附图和实施例详细说明本专利技术的实施方式。
[0024]海杂波背景下的多目标检测是对海探测雷达信号处理的难点之一，由于海杂波的非平稳特性，很难用恒定参数的概率统计模型对其建模，因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应滤波的海杂波背景下多目标检测方法，其特征在于，包括如下步骤：S1)以雷达扫描整个监测海面的回波为对象，计算每个方位向回波脉冲数量n
p
；S2)按照n
p
将雷达扫描整个监测海面的回波脉冲N等分为N
bin
个方位向单元回波，构成对应各个方位向的回波矩阵X
i
，X
i
为n
p
×
n
t
的矩阵，i＝1,2,
…
,N
bin
，N
bin
＝floor(N/n
p
)，floor(
·
)为取整函数，n
t
为回波脉冲采样点数；S3)计算回波矩阵X
i
的协方差矩阵C；S4)对协方差矩阵C进行特征值分解，得到特征矩阵V和特征值矢量D，D为对角矩阵，对角线元为协方差矩阵C的特征值，V每一列为各个特征值对应的特征矢量；S5)提取D的对角线元，按降序重排协方差矩阵C的特征值，并相应调整V各列的位置，计算奇异谱σ
j
，j＝1,2,
…
,n
p
；S6)利用V对回波矩阵X
i
自适应滤波；选择一个门限T
hr
，将满足σ
j
≥T
hr
的特征值作为主分量，将其余特征值作为次分量，主分量个数记为N
ev
，将滤波后的回波矩阵X
i
分为S
p
和S
m
，S
p
为N
ev
×
n
t
矩阵，S
m
为N
m
×
n
t
矩阵，N
m
＝n
p
‑
N
ev
；S7)若N
ev
≤3，判定回波X
i
为海杂波；若N
ev
＞3，进行下一步；S8)采用最大似然估计依次估算S
p
或S
m
各行的Pareto分布模型参数(a,b)；利用估计的模型参数通过Pareto随机数发生器生成与回波信号等长的随机序列y，采用K
‑
L散度识别目标回波脉冲，将K
‑
L散度最大值对应的回波信号识别为目标回波，进而用自适应门限的峰值检测法确定各个目标位置；S9)确定目标距离；S10)重复S2～S9，即可获得整个监测海面上目标的位置。2.根据权利要求1所述基于自适应滤波的海杂波背景下多目标检测方法，其特征在于，所述S1)中...

【专利技术属性】
技术研发人员：马红光，郭金库，龙正平，闫彬舟，
申请(专利权)人：西安大衡天成信息科技有限公司，
类型：发明
国别省市：