一种基于相对样本熵的海面小目标特征检测方法技术

本发明专利技术公开了一种基于相对样本熵的海面小目标特征检测方法，包括以下步骤：获取CUT观测向量；计算多普勒谱；获得白化频谱；提取样本熵；获得相对样本熵；检测判决，判断出CUT中是否存在目标。本发明专利技术在频域定义白化频谱，增大海杂波和含目标回波之间在频谱上的差异性；改进样本熵算法，提取相对样本熵作为一种高效的单特征，融合了频谱在能量和几何方面的多元信息；通过此发明专利技术可以解决性能提升和计算量降低的矛盾问题，提高了低信杂比条件下海面小目标的检测概率。的检测概率。的检测概率。

【技术实现步骤摘要】
一种基于相对样本熵的海面小目标特征检测方法


[0001]本专利技术涉及雷达信号处理
，尤其是涉及一种基于相对样本熵的海面小目标特征检测方法。

技术介绍

[0002]目前，小船、快艇、蛙人、飞机残骸等海面小目标已成为海洋雷达执行预警、探测和跟踪的重点和难点对象。由于海面小目标的信杂比(Signal
‑
to
‑
Clutter,SCR)处于临界可观测，雷达信号处理时往往需要长时观测累积技术以提升目标检测性能。
[0003]在秒级的长时观测下，学者们已发展了混沌理论、神经网络、分形理论、特征检测等多种理论用于海面小目标检测。在混沌理论框架下，海杂波是否可建模为混沌动力系统这一问题仍存在争议。随着人工智能的高速发展，基于神经网络学习的方法得到了新的发展，通过学习大量样本获得信息。但这类方法局限于需要大量的训练样本，特别是目标回波的样本非常稀少。考虑到实际雷达快速实现的要求，稳健高效的海面小目标检测方法大致分为两大类。第一类，基于分形理论的检测方法。分形理论能较好地刻画动态海面的非线性，大量学者研究了Hurst指数特性、多重分形特性、变换域上的分形特性，并将这些特性用于检测中。这类检测器简单但其观测时间通常需要长达几秒以上。第二类，基于特征的检测方法，关键在于寻找海杂波和含目标回波的差异性。从雷达回波统计特性出发，为了消除长时观测下复合高斯模型中纹理分量非平稳的影响，有学者提出了基于散斑一致性因子的特征检测器。从物理散射机理出发，有学者提出了基于极化三特征的检测器，多个特征的联合确实能带来性能的提升，但同时增加了算法的复杂性，降低算法的实时性和快速性。

技术实现思路

[0004]专利技术目的：为了克服
技术介绍
中存在的缺陷，本专利技术公开了一种基于相对样本熵的海面小目标特征检测方法，本方法引入样本熵算法并改进，设计高效的单个特征，实现海面小目标检测性能的提升，能解决性能提升和计算量降低之间的矛盾，旨在提高雷达对海面小目标的探测能力。
[0005]技术方案：本专利技术所述的基于相对样本熵的海面小目标特征检测方法，包括以下步骤：
[0006]S1、假设雷达在一个距离单元接收到连续N个脉冲，这N个脉冲构成一个观测向量z＝[z(1),z(2),...,z(N)]T
，称为待检测单元CUT；同时，获得CUT周围P个参考单元的观测向量z
p
,p＝1,2,...,P，构建目标检测问题；
[0007]S2、将S1中的CUT观测向量z和参考单元的观测向量z
p
转换到多普勒域，计算得到多普勒幅度频谱，分别记为DAS(f
d
|z)和DAS(f
d
|z
p
)；
[0008]S3、对S2中的DAS(f
d
|z)进行白化处理获得白化频谱，记为WS(f
d
|z)；同时，获得CUT周围参考单元的白化频谱WS(f
d
|z
p
)；
[0009]S4、对于S3中的CUT白化频谱序列WS(f
d
|z)和参考单元WS(f
d
|z
p
)，分别计算得到样
本熵，分别记为SE(z)和SE(z
p
)；
[0010]S5、将S4中的SE(z)和周围P个单元样本熵SE(z
p
)均值的比值，定义为相对样本熵，作为最终的检验统计量ξ；
[0011]S6、在给定虚警率P
fa
下，通过蒙特卡洛试验方法获得判决门限γ，比较S5中检验统计量ξ和判决门限γ的大小，判断出CUT中是否存在目标：
[0012]若ξ≤γ，则表明CUT中有目标；若ξ＞γ，则表明CUT中没有目标。
[0013]其中，S1中将目标检测问题归为以下的二元假设检验问题：
[0014][0015]其中，c表示海杂波向量，s表示目标回波向量，H0假设表示观测向量只含有海杂波；H1假设表示观测向量含有目标；
[0016]检测的本质就是判断CUT观测向量属于哪一类，将检测问题看成是一个两分类问题，H0假设为第一类，H1假设为第二类。
[0017]进一步的，S2中计算多普勒幅度频谱公式如下：
[0018][0019]其中，f
r
表示雷达的脉冲重复频率。
[0020]进一步的，S3中从参考单元的DAS(f
d
|z
p
)中，获得平均多普勒谱，所述白化频谱WS(f
d
|z)为：
[0021][0022]进一步的，S4具体包括以下步骤：
[0023]S4.1假设S3中的白化频谱序列WS(f
d
|z)长度为N，使用{u(i),i＝1,2,
…
,N}来表示，给定相空间重构维数m，得到一组m维时间序列
[0024][0025]S4.2当第i个时间序列和第j个时间序列的距离大于相似容限r时，则两个序列相似度为0，反之为1；由此，获得相似度函数：
[0026][0027]S4.3统计第i个时间序列与其他时间序列相似的概率值
[0028][0029]遍历所有的时间序列累积函数记为φ
m
(r)
[0030][0031]S4.4考虑到序列内部自相似性，将m增加到m+1时重新计算获得φ
m+1
(r)，样本熵SE定义为：
[0032][0033]进一步的，S5由S4中得到的CUT样本熵SE
m,r
(WS(f
d
|z))和周围参考单元样本熵SE
m,r
(WS(f
d
|z
p
))，计算相对样本熵RSE，将其作为检验统计量ξ：
[0034][0035]进一步的，S6具体包括以下步骤：
[0036]S6.1在H0假设下，假设获取M个海杂波样本，分别计算相对样本熵，构建样本集Ω＝{ξ1,ξ2,
…
,ξ
M
}，对M个样本进行从小到大排序，满足ξ1≤ξ2≤
…
≤ξ
M
；
[0037]S6.2在给定虚警率P
fa
条件下，判决门限γ为：
[0038][0039]其中，[]表示取整数；
[0040]S6.3比较检验统计量ξ和判决门限γ，判断出CUT中是否存在目标：
[0041]若ξ≤γ，则表明CUT中有目标；
[0042]若ξ＞γ，则表明CUT中没有目标。
[0043]有益效果：与现有技术相比，本专利技术的优点为：在频域定义白化频谱，增大海杂波和含目标回波之间在频谱上的差异性；改进样本熵算法，提取相对样本熵作为一种高效的单特征，融合了频谱在能量和几何方面的多元信息；通过此专利技术可以解决性能提升和计算量降低的矛盾问题，提高了低信杂比条件下海面小目标的检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相对样本熵的海面小目标特征检测方法，其特征在于，包括以下步骤：S1、假设雷达在一个距离单元接收到连续N个脉冲，这N个脉冲构成一个观测向量z＝[z(1),z(2),...,z(N)]
T
，称为待检测单元CUT；同时，获得CUT周围P个参考单元的观测向量z
p
,p＝1,2,...,P，构建目标检测问题；S2、将S1中的CUT观测向量z和参考单元的观测向量z
p
转换到多普勒域，计算得到多普勒幅度频谱，分别记为DAS(f
d
|z)和DAS(f
d
|z
p
)；S3、对S2中的DAS(f
d
|z)进行白化处理获得白化频谱，记为WS(f
d
|z)；同时，获得CUT周围参考单元的白化频谱WS(f
d
|z
p
)；S4、对于S3中的CUT白化频谱序列WS(f
d
|z)和参考单元WS(f
d
|z
p
)，分别计算得到样本熵，分别记为SE(z)和SE(z
p
)；S5、将S4中的SE(z)和周围P个单元样本熵SE(z
p
)均值的比值，定义为相对样本熵，作为最终的检验统计量ξ；S6、在给定虚警率P
fa
下，通过蒙特卡洛试验方法获得判决门限γ，比较S5中检验统计量ξ和判决门限γ的大小，判断出CUT中是否存在目标：若ξ≤γ，则表明CUT中有目标；若ξ＞γ，则表明CUT中没有目标。2.根据权利要求1所述的基于相对样本熵的海面小目标特征检测方法，其特征在于：S1中将目标检测问题归为以下的二元假设检验问题：其中，c表示海杂波向量，s表示目标回波向量，H0假设表示观测向量只含有海杂波；H1假设表示观测向量含有目标；检测的本质就是判断CUT观测向量属于哪一类，将检测问题看成是一个两分类问题，H0假设为第一类，H1假设为第二类。3.根据权利要求2所述的基于相对样本熵的海面小目标特征检测方法，其特征在于：S2中计算多普勒幅度频谱公式如下：其中，f

【专利技术属性】
技术研发人员：施赛楠，姜丽，王金虎，高季娟，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：