一种基于EMD分形特征的雷达目标检测方法技术

本发明专利技术公开了一种基于EMD分形特征的雷达目标检测方法，其包括：通过EMD算法将原始海杂波序列信号分解，得到多阶固有模态函数；基于多阶固有模态函数，对原始海杂波序列信号进行数据重构；通过AR谱估计获得数据重构后的纯海杂波单元和目标所在单元的高分辨功率谱，并计算高分辨功率谱的部分和序列；对部分和序列进行分形特征判定，基于具有分形特征的部分和序列，计算其抽取间隔对应的Hurst指数；基于多个海杂波AR谱的Hurst指数，设计恒虚警检测器，基于广义符号检验法设定虚警率，完成目标检测。本发明专利技术提高了低信杂比条件下雷达目标的检测概率。概率。概率。

【技术实现步骤摘要】
一种基于EMD分形特征的雷达目标检测方法


[0001]本专利技术涉及目标检测
，特别是一种基于EMD分形特征的雷达目标检测方法。

技术介绍

[0002]海杂波是雷达发射的脉冲照射海面时得到的后向散射回波，在高分辨率雷达和低掠射角情况下的海杂波表现出非高斯、非平稳和非线性的“三非”特性，严重制约目标检测性能。然而，传统目标检测方法聚焦海杂波统计特性的研究，在模型失配或信杂比低的情况下传统基于统计模型的方法的检测性能会出现迅速下降。分形理论是非线性动力学的重要分支，能够更好地描述海杂波的非平稳、非线性特性，是对海杂波统计和平稳特性的补充和拓展，为雷达目标检测领域提供了一种新思路。分形目标检测方法通过提取海杂波和目标的分形特征差异能够实现特征域目标检测，然而在低信杂比条件下的传统时域或频域分形特征无法获得高检测概率。

技术实现思路

[0003]鉴于此，本专利技术提供一种基于EMD分形特征的雷达目标检测方法，提高低信杂比条件下目标的检测性能。
[0004]本专利技术公开了一种基于EMD分形特征的雷达目标检测方法，其包括以下步骤：
[0005]通过EMD算法将原始海杂波序列信号分解，得到多阶固有模态函数；
[0006]基于所述多阶固有模态函数，对原始海杂波序列信号进行数据重构；
[0007]通过AR谱估计获得数据重构后的纯海杂波单元和目标所在单元的高分辨功率谱，并计算高分辨功率谱的部分和序列；
[0008]对所述部分和序列进行分形特征判定，基于具有分形特征的部分和序列，计算其抽取间隔对应的Hurst指数；
[0009]基于多个海杂波AR谱的Hurst指数，设计恒虚警检测器，基于广义符号检验法设定虚警率，完成目标检测。
[0010]进一步地，所述通过EMD算法将原始海杂波序列信号分解，得到多阶固有模态函数，包括：
[0011]设定经脉冲压缩处理后的不同距离单元的原始海杂波序列信号为：X(k)＝{x
k
,k＝1,2,...,N}，采用EMD算法将序列分解成多阶固有模态函数和趋势分量：
[0012][0013]其中：N表示序列长度，c
i
(k)表示第i阶固有模态函数，r
n
(k)表示趋势项。
[0014]进一步地，所述基于所述多阶固有模态函数，对原始海杂波序列信号进行数据重构，包括：
[0015]对不同距离单元的原始海杂波序列信号进行数据重构得到序列X'(k)，计算重构
后能量与重构前能量的比值d：
[0016][0017][0018]其中：E
i
表示第i阶固有模态函数的能量，E
j
表示前j阶固有模态函数的能量；
[0019]得到重构序列X'(k)：
[0020][0021]进一步地，所述通过AR谱估计获得数据重构后的纯海杂波单元和目标所在单元的高分辨功率谱，并计算高分辨功率谱的部分和序列，包括：
[0022]根据Yule
‑
walker方程，得到重构序列X'(k)基于自回归模型的功率谱S(f)：
[0023][0024]其中：σ
w2
表示噪声功率，p表示S(f)的阶数，k∈{1,2,...,p}，a
k
表示第k时刻功率谱S(f)的系数，f表示频率；
[0025]对S(f)进行处理后得到AR谱优化序列s；
[0026]s＝{s
i
,i＝1,2,...,N}，s
i
＝S
i
‑
μ，
[0027]其中：s
i
表示第i时刻的海杂波AR谱优化序列的数值，N表示s的总长度,μ表示AR谱序列S(f)的均值；
[0028]计算海杂波AR谱优化序列s的前n个时刻的部分和序列y(n)：
[0029][0030]进一步地，所述对所述部分和序列进行分形特征判定，基于具有分形特征的部分和序列，计算其抽取间隔对应的Hurst指数，包括：
[0031]利用“随机游走模型”对部分和序列y(n)进行分形特征判定；
[0032]计算第m个抽取间隔对应的前m+n个时刻的部分和序列y(m+n)的AR谱Hurst指数。
[0033]进一步地，所述利用“随机游走模型”对部分和序列y(n)进行分形特征判定，包括：
[0034]设部分和序列y(n)的抽取间隔总个数为U，计算第m个抽取间隔对应序列s的前m+n个时刻的部分和序列y(m+n)，并利用随机游走模型构造第m个抽取间隔的结构函数F(m)，检验各变量间是否满足以下关系：
[0035][0036]其中：上标表示AR谱Hurst指数，
∝
表示成正比例关系；
[0037]对上式两端取对数，得到：
[0038][0039]即：如果logF(m)与存在线性关系，则此时海杂波AR谱的部分和序列y(n)具有分形特征。
[0040]进一步地，所述计算第m个抽取间隔对应的前m+n个时刻的部分和序列y(m+n)的AR谱Hurst指数，包括：
[0041]第m个抽取间隔对应的前m+n个时刻的部分和序列y(m+n)的AR谱Hurst指数的表达式为：
[0042][0043]进一步地，所述基于多个海杂波AR谱的Hurst指数，设计恒虚警检测器，基于广义符号检验法设定虚警率，完成目标检测，包括：
[0044]计算得到Q
×
U个AR谱Hurst指数；
[0045]将Q
×
U个AR谱Hurst指数作为检验统计量设计恒虚警检测器，检测器的输入即为AR谱Hurst指数，并根据Q个距离单元和设定的虚警率P
fa
，利用广义符号检验法计算检测门限K；
[0046]若U个海杂波AR谱的Hurst指数均大于检测门限K，则判定其对应的距离单元为目标所在的距离单元，从而完成当前时刻海杂波回波序列X(k)的目标检测；其中，P≤M。
[0047]进一步地，所述计算得到Q
×
U个AR谱Hurst指数，包括：
[0048]假设当前时刻海杂波回波时间序列X(k)包含Q个距离单元，每个距离单元划分出U个抽取间隔，根据AR谱Hurst指数的表达式，分别计算海杂波回波序列X(k)的第1个～第Q个距离单元对应的U个AR谱Hurst指数，最终得到Q
×
U个AR谱Hurst指数。
[0049]进一步地，所述检测门限K由P
fa
反解得到，求解过程如下：
[0050][0051][0052]其中：Q表示距离单元数，U表示数据段数，T
GS
表示检验统计量。
[0053]由于采用了上述技术方案，本专利技术具有如下的优点：
[0054]1、采用EMD算法和固有模态函数对回波序列进行数据重构实现对雷达回波的去噪处理，改善了雷达目标回波信噪比，进而提升本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于EMD分形特征的雷达目标检测方法，其特征在于，包括以下步骤：通过EMD算法将原始海杂波序列信号分解，得到多阶固有模态函数；基于所述多阶固有模态函数，对原始海杂波序列信号进行数据重构；通过AR谱估计获得数据重构后的纯海杂波单元和目标所在单元的高分辨功率谱，并计算高分辨功率谱的部分和序列；对所述部分和序列进行分形特征判定，基于具有分形特征的部分和序列，计算其抽取间隔对应的Hurst指数；基于多个海杂波AR谱的Hurst指数，设计恒虚警检测器，基于广义符号检验法设定虚警率，完成目标检测。2.根据权利要求1所述的方法，其特征在于，所述通过EMD算法将原始海杂波序列信号分解，得到多阶固有模态函数，包括：设定经脉冲压缩处理后的不同距离单元的原始海杂波序列信号为：X(k)＝{x
k
,k＝1,2,...,N}，采用EMD算法将序列分解成多阶固有模态函数和趋势分量：其中：N表示序列长度，c
i
(k)表示第i阶固有模态函数，r
n
(k)表示趋势项。3.根据权利要求2所述的方法，其特征在于，所述基于所述多阶固有模态函数，对原始海杂波序列信号进行数据重构，包括：对不同距离单元的原始海杂波序列信号进行数据重构得到序列X'(k)，计算重构后能量与重构前能量的比值d：量与重构前能量的比值d：其中：E
i
表示第i阶固有模态函数的能量，E
j
表示前j阶固有模态函数的能量；得到重构序列X'(k)：4.根据权利要求1所述的方法，其特征在于，所述通过AR谱估计获得数据重构后的纯海杂波单元和目标所在单元的高分辨功率谱，并计算高分辨功率谱的部分和序列，包括：根据Yule
‑
walker方程，得到重构序列X'(k)基于自回归模型的功率谱S(f)：其中：σ
w2
表示噪声功率，p表示S(f)的阶数，k∈{1,2,...,p}，a
k
表示第k时刻功率谱S(f)的系数，f表示频率；对S(f)进行处理后得到AR谱优化序列s；
其中：s
i
表示第i时刻的海杂波AR谱优化序列的数值，N表示s的总长度,μ表示AR谱序列S(f)的均值；计算海杂波AR谱优化序列s的前n个时刻的部分和序列y(n)：5.根据权利要求4所述的方法，其特征在于，所述对所述部分和序列进行分形特征判定，基于具有分形特征的部分和序列，计算其抽取间隔对...

【专利技术属性】
技术研发人员：范一飞，王心宝，粟嘉，王伶，张兆林，陶明亮，李滔，郭子薰，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：