【技术实现步骤摘要】
本专利技术涉及船只探测，具体涉及一种基于杂波分布模型识别的自适应cfar处理方法。
技术介绍
1、vts(船舶交通管理服务)岸基雷达系统是实孔径成像雷达系统，是智慧港口重要的信息感知设备，主要对水面船只目标和部分陆地目标进行全天时、全天候监视。雷达采用大带宽信号和大水平尺寸的天线来实现距离和方位高分辨率，通过高精度的位置信息对水面进行高分辨实孔径成像，探测水面小船、大船、游艇、巡逻艇等多种类型目标，监视跟踪目标的活动，可以掌握、显示目标的位置及运动航迹。
2、在雷达cfar(恒虚警)检测器中有很多种，目的都是尽可能准确的检测出目标而保持一定的虚警概率不变。常用的在瑞利分布背景杂波下的均值和有序统计恒虚警检测器，但在实际情况中海杂波变化复杂，由于海杂波影响因素和研究背景的多样性导致很难有一个统一的模型和理论来对海杂波进行准确和完整的描述，单独的恒虚警检测器在某些场景下达不到预期的性能。因此需要通过在实际的海杂波环境中不断优化改进恒虚警检测方法，从而达到好的检测效果。
技术实现思路
1、本专利技术的目的在于提供一种基于杂波分布模型识别的自适应cfar处理方法。
2、本专利技术所解决的技术问题为：
3、海杂波变化复杂，单独的恒虚警检测器达不到预期的性能，传统海杂波拟合算法计算能力需求大，延时大，不利于实际应用。
4、本专利技术的目的可以通过以下技术方案实现：
5、一种基于杂波分布模型识别的自适应cfar处理方法，其特征在于，包括
6、s1、接收雷达前端处理的原始视频数据，根据电子地图对实孔径成像视频进行区域设置，区域包括陆地、水域等；
7、s2、并对区域内多帧参考单元进行幅值区间统计，得到各幅值区间对应的百分比，形成信息样本；
8、s3、训练期间利用信息样本集建立知识库，并对分布知识库进行模型训练，并提前准备各分布类型百分比对应关系的查找表；
9、s4、工作期间将幅值区间对应的百分比输入模型识别杂波环境；
10、s5、对每个探测单元进行距离向及区域向幅值统计，根据所在区域的杂波分布和区间百分比进行查表得到cfar的检测阈值。
11、作为本专利技术进一步的方案：步骤s1包括：
12、s11、雷达前端数字接收机中频输入混频后通过滤波脉压运算输出的原始视频数据；所述原始视频数据是包含回波方位和距离信息的二维视频幅值数据；
13、s12、依照地图对实孔径成像视频进行区域设置，区域包括陆地、水域等类型，根据各区域的多边形顶点信息确定雷达视频中每个库单元所属的区域号和类型。
14、作为本专利技术进一步的方案：区域设置是通过含有电子地图的显控终端对雷达覆盖范围内的区域进行多边形区域绘制，并确定区域类型，其中一个多边形区域由多个顶点构成。
15、作为本专利技术进一步的方案：步骤s2包括：
16、s21、对整个回波视频数据进行距离、方位两维量化，距离量化单位为δr，方位量化单位为δa，所述回波视频包含nr×na个库单元；
17、s22、遍历库单元，分别统计各个区域n个重复周期的回波幅值，得到区域各幅值区间对应的百分比。
18、作为本专利技术进一步的方案：查找表包括：分布的类型、分布的尺度参数、分布的形状参数、分布的百分比α与β对应的百分位数xα与xβ比例λ1、分布的百分比θ与β对应的百分位数xθ与xβ比例λ2，其中，
19、分布的类型为杂波幅度概率密度分布类型，包括地杂波和海杂波所属常用类型；
20、分布的尺度参数、分布的形状参数为双参数分布函数的调参，形状参数决定了分布曲线的形状，尺度参数为比例因子，故只需变化形状参数，即可事先准备不同形状曲线的查找表；
21、作为常用的海杂波分布，weibull累积分布函数的公式为：
22、
23、其中，a为形状参数，b为尺度参数；
24、分布的百分比对应的百分位数为分布概率分布中百分比对应的统计数据值，其中：
25、
26、
27、
28、xα与xβ比例λ1、xθ与xβ比例λ2为：
29、
30、
31、百分位数比例λ1与λ2，对于确定分布的尺度和形状参数，该比例一一对应,即查找表包含λ1与λ2两个参数，对于确定的百分比α、β与θ，当计算出某一组数据的百分比α与β对应的百分位数xα与xβ比例λ1，即可在不用拟合计算的前提下从查找表中找出对应形状参数分布的百分比θ与β对应的百分位数xθ与xβ比例λ2，从而可以计算出百分比θ对应的百分位数xθ：
32、xθ＝xβ×λ2
33、对于统计cfar阈值计算中可由高可信度的低百分位数近似拟合得到同样高可信度的高百分位数。
34、作为本专利技术进一步的方案：步骤s3包括：
35、s31、形成分布知识库，对已知分布的数据进行归一化处理后的区域百分比对应的百分位数加入到分布知识库；
36、s32、对分布知识库进行模型训练，将建立完成的分布知识库进行分组输入到nn模型，得到模型的参数。
37、作为本专利技术进一步的方案：nn模型选用适用于小规模数据准确率高的神经网络反向传播反馈算法；
38、激活函数选用非线性有logistic函数：
39、
40、作为本专利技术进一步的方案：步骤s4包括：
41、s41、对实时信息集合进行归一化处理；
42、s42、将归一化的信息集合输入到训练好的模型中，根据实时的特征数据来输出该区域杂波所属分布类型。
43、作为本专利技术进一步的方案：步骤s5包括：
44、s51、对雷达视频中每个库单元进行距离向及区域向幅值统计；
45、s52、根据库单元所在区域的杂波分布和区间百分比进行查表得到cfar的检测阈值。
46、本专利技术至少以下的一种有益效果：
47、1、本专利技术依照地图对实孔径成像视频进行区域设置，将视频区域设置为陆地、水域等类型，预设定区域的回波类型确保后续进入杂波分布模型的数据属于同一分布，保障了模型识别系统输入数据的有效性；
48、2、本专利技术通过对区域内多帧参考单元进行幅值区间统计，得到各幅值区间对应的百分比，以此作为杂波分布特征形成信息样本，提供预处理后的特征信息数据简化模型复杂度，并为后续的分布识别能力提供了基础；
49、3、本专利技术利用杂波分布曲线的双参数特点，即尺度参数、分布的形状参数作为调参，形状参数决定了分布曲线的形状，尺度参数为比例因子，故只需变化形状参数，即可事先准备不同形状曲线的查找表，降低系统复杂度；
50、4、本专利技术中统计cfar包括距离向及区域向cfar处理，对于视频回波稳定统一的区域(如陆地区域)可以使用区域cfar，保证检测率的同时节约系统计算资源；<本文档来自技高网...
【技术保护点】
1.一种基于杂波分布模型识别的自适应CFAR处理方法，其特征在于，包括以下步骤:
2.根据权利要求1所述的一种基于杂波分布模型识别的自适应CFAR处理方法,其特征在于，步骤S1包括：
3.根据权利要求2所述的一种基于杂波分布模型识别的自适应CFAR处理方法,其特征在于，所述区域设置包括：通过含有电子地图的显控终端对雷达覆盖范围内的区域进行多边形区域绘制，并确定区域类型，其中一个多边形区域由多个顶点构成。
4.根据权利要求1所述的一种基于杂波分布模型识别的自适应CFAR处理方法,其特征在于，步骤S2包括：
5.根据权利要求1所述的一种基于杂波分布模型识别的自适应CFAR处理方法,其特征在于，所述查找表包括：分布的类型、分布的尺度参数、分布的形状参数、分布的百分比α与β对应的百分位数比例λ1、分布的百分比θ与β对应的百分位数比例λ2，其中，
6.根据权利要求1所述的一种基于杂波分布模型识别的自适应CFAR处理方法,其特征在于，步骤S3包括：
7.根据权利要求1所述的一种基于杂波分布模型识别的自适应CFAR处理方法
8.根据权利要求1所述的一种基于杂波分布模型识别的自适应CFAR处理方法,其特征在于，步骤S5包括：
...【技术特征摘要】
1.一种基于杂波分布模型识别的自适应cfar处理方法，其特征在于，包括以下步骤:
2.根据权利要求1所述的一种基于杂波分布模型识别的自适应cfar处理方法,其特征在于，步骤s1包括：
3.根据权利要求2所述的一种基于杂波分布模型识别的自适应cfar处理方法,其特征在于，所述区域设置包括：通过含有电子地图的显控终端对雷达覆盖范围内的区域进行多边形区域绘制，并确定区域类型，其中一个多边形区域由多个顶点构成。
4.根据权利要求1所述的一种基于杂波分布模型识别的自适应cfar处理方法,其特征在于，步骤s2包括：
5.根据权...
【专利技术属性】
技术研发人员：史毅仁，王晓艳，李朋，裘亮，朱月，
申请(专利权)人：四创电子股份有限公司，
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。