【技术实现步骤摘要】
本专利技术涉及一种面向目标检测的差异特征筛选方法，属于雷达信号处理。
技术介绍
1、我国海洋疆域广阔，资源丰富，海面监视对于我国海洋国土保护起到越来越重要的作用。对海探测雷达作为海上重要感知设备之一，主要负责海上小目标的检测与识别，常见的海上小目标有航道浮标、蛙人、碎片、小型船只等，此类目标雷达散射面积较小，又因海场景复杂多变，随着海况等级增加，海杂波特性变得异常复杂，这种情况下的海杂波具有非均匀、非平稳、非高斯特性，小目标容易被海杂波湮没而产生复杂的振幅和多普勒调制现象，导致目标具有非常低的信杂比，传统的检测方法很难进行检测。对于海上小目标的检测问题，仅从回波幅度角度出发，其检测性能明显降低。因此，从目标特性角度切入，特征化表征海面与目标的物理差异，形成基于特征或特征组合的目标检测方法，是解决小目标检测的有效途径。分形特征是目标检测的单一特征，在长时间观测目标下对海面漂浮小目标具有良好的检测效果。为了消除长时间观测海杂波出现的纹理非平稳性的影响，提出散斑一致性因子的检测方法特征检测有由单一的特征检测逐渐变成联合多特征检测；通过对雷达四极化通道数据融合，提出时域频域特征的检测器；利用相对平均幅度、相对多普勒峰高、相对向量熵3特征凸包检测方法，利用时频分析，提出时频脊累积量、连通区域个数、最大连通区域尺寸3个时频特征，利用时频脊—rodon变换域，提出基于时频脊变换域峰值与频宽特征凸包检测方法。
2、目标检测的首要前提就是目标与海杂波样本数据在特征空间上具有差异性，多级海况背景下分析海上小目标与海杂波在特征空间上的可分
3、针对上述问题，提出一种度量特征可分性的方法，为更好筛选特征提高检测性能。
技术实现思路
1、本专利技术的目的在于解决上述现有技术存在的不足之处，提供一种面向目标检测的差异特征筛选方法。检测器的性能高度依赖于海杂波和含目标回波的可分性，本文根据海杂波与目标特征之间重叠区域的关系，定义了重叠系数，可以度量海杂波与目标之间的可分性，在一维特征空间内，可根据重叠系数，选择较好特征进行目标检测，为差异特征检测提供筛选方法。
2、本专利技术的一种面向目标检测的差异特征筛选方法，其特殊之处在于包括以下步骤：
3、步骤1：将海上目标检测视为二元分类问题；
4、步骤2：提取雷达回波数据时域特征、频域特征，形成特征序列；
5、步骤3：不同特征之间可分性分析，由于海况环境复杂，不同特征空间内样本数据的可分性差异大，采用重叠系数分析方法，对特征可分性进行统计计算；
6、步骤4：依据可分性影响形成特征筛选策略，根据重叠系数数值大小，作为筛选特征的标准，并构造出应用于一维特征的目标检测方法；
7、步骤5：利用实测数据对所提方法进行验证。以2~5级海况下，航道浮标作为待测的海面小目标，对所提方法进行性能验证。
8、所述步骤1）具体为：雷达工作凝视模式对海探测，在一个波束内发射长度为的相干脉冲串，通过i/q通道接收，可以得到每一个距离单元的复回波数据。如果含有目标信息，则雷达对海杂波背景中目标检测可以归结为以下的二元假设检验问题：
9、;
10、其中，、、、分别表示待检测单元的雷达回波、目标回波、海杂波和噪声。、、分别表示参考单元的雷达回波、海杂波和噪声。认为参考单元内的海杂波特性与待检测单元内的海杂波特性相同，表示待检测单元中没有目标，表示待检测单元中含有目标。
11、所述步骤2）具体为：时域上的相对平均幅度(raa)、相对峰值峰高(rph)、时域熵值均值(tem)，频域上的相对多普勒峰高(rdph)、相对多普勒向量熵(rve)、频域熵值二阶矩(sofe)作为六个特征，下述给出相对平均幅度(raa)、相对峰值峰高(rph)、相对峰值峰高(rph)特征的具体提取方法：
12、(1) 相对平均幅度(raa)
13、相对平均幅度(relative average amplitude, raa)是信号能量的侧面反应，其定义为待分析单元与参考单元的平均幅度的比值，主要表明海杂波和海面小目标回波能量在时域上的差异性;
14、 ;
15、其中，，，为参考单元数量，为待分析单元平均幅度，为参考单元平均幅度，是待分析单元序列，是待参考单元序列;
16、(2) 相对多普勒峰高(rdph)
17、相对多普勒峰高(relative doppler peak height, rdph)可以反应信号不同频率分量的能量大小，其定义为待分析单元的多普勒峰值与参考单元的平均多普勒峰值的比值。主要表明海杂波与海面小目标能量在频域上的差异性。多普勒幅度谱幅值最大的多普勒点计算方法为：
18、;
19、其中，，为雷达的脉冲重复频率。相对多普勒峰高计算方法为：
20、;
21、其中，，表示待分析单元的多普勒峰值，待参考单元的多普勒峰值，表示区间内的多普勒单元数，是待分析单元序列，是待参考单元序列；
22、(3) 相对多普勒向量熵(rve)
23、相对多普勒向量熵(relative vector entropy, rve)可以反应信号波形的混乱程度，主要表明海杂波与海面小目标能量在频域上的差异性
24、；
25、其中，，表示待分析单元的多普勒向量熵，表示待参考单元的多普勒向量熵，为多普勒幅度谱幅值最大的多普勒点，是待分析单元序列，是待参考单元序列。
26、所述步骤3）具体为：不同海况，两类样本特征也有所不同，可分性有较大差异，根据海杂波与目标特征区域重叠部分与目标特征整体面积之比，定义重叠系数，对可分性进行量化。
27、首先，进行特征重叠系数计算。选定目标回波特征矩阵数量，再根据雷达距离分辨率，选取多于目标回波特征矩阵数量3倍的海杂波特征矩阵，得到海杂波特征向量与目标特征向量；
28、；
29、分别计算不同特征里两类样本特征的重叠系数，
30、；
31、其中，表示求最小值对应的值，表示求最大值对应的值，表示求最大值对应的值，重叠系数越小，表面海杂波与目标统计特征的重叠面积越小，即差异性越大，相应的检测器性能越好。
32、所述步骤4）具体为：利用步骤1中给出的3种时域特征、3种频域特征为例，经分析发现，2~3级海况下，raa、rph、tem三种时域特征的重叠系数均小于0.1，特征图中表现出较大可分差异。而4~5级海况下三种时域特征重叠系数均大于0.7，从时域图中可观察出目标特征被海杂波包围，其差异性较小。2~3级海况下，rdph、sofe两种频域特征的重叠系数均小于0.2，具有较大的差异性。而4~5级海况下这两种时域特征重叠系数均大于0.9，其差异性较小，由于试验目标为海上漂浮小目标，本文档来自技高网...
【技术保护点】
1.一种面向目标检测的差异特征筛选方法，其特征在于包括以下步骤：
2.按照权利要求1所述的一种面向目标检测的差异特征筛选方法，其特征在于：
3.按照权利要求1所述的一种面向目标检测的差异特征筛选方法，其特征在于：
4.按照权利要求1所述的一种面向目标检测的差异特征筛选方法，其特征在于：
5.按照权利要求1所述的一种面向目标检测的差异特征筛选方法，其特征在于：
6.按照权利要求5所述的一种面向目标检测的差异特征筛选方法，其特征在于：
【技术特征摘要】
1.一种面向目标检测的差异特征筛选方法，其特征在于包括以下步骤：
2.按照权利要求1所述的一种面向目标检测的差异特征筛选方法，其特征在于：
3.按照权利要求1所述的一种面向目标检测的差异特征筛选方法，其特征在于：
【专利技术属性】
技术研发人员：刘宁波，董云龙，丁昊，黄勇，王国庆，曹政，于恒力，关键，
申请(专利权)人：中国人民解放军海军航空大学，
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。