一种多地形条件下基于对比学习的雷达目标检测方法技术

本发明专利技术公开了一种多地形条件下基于对比学习的雷达目标检测方法，包括预处理后进行数据集的构建以及训练集和测试集的划分，再经过数据增强后，构建增强样本集，并构建正、负样本对，用于后续的模型训练与雷达目标检测性能测试、网络训练和基于训练杂波样本在特征空间中的分布，根据训练评分分数排序取分位点得出决策门限，根据待测样本通过多地形特征提取检测网络的计算得分与决策门限的关系做出最终决策三个步骤；通过使用不同地形下杂波数据作为不同类别对深度网络进行训练，可以学习到不同地形下杂波的特征分布，可适应不同地形下的目标检测，极大提升多地形场景下雷达目标检测的实际应用性能。

【技术实现步骤摘要】

本专利技术涉及雷达目标检测，具体涉及一种多地形条件下基于对比学习的雷达目标检测方法。

技术介绍

1、高分辨雷达是指能够获取目标散射点沿距离方向高分辨率分布信息的雷达系统。高分辨雷达形成的回波称为高分辨距离像(hrrp)，是用宽带雷达信号获取的目标散射点复子回波在雷达射线上投影的向量和，它提供了目标散射点沿距离方向的详细分布特征，可以提供杂波和目标之间散射特性差异信息，而且目标hrrp可以减少每个距离单元上的杂波能量，提高目标信杂比，因此hrrp常被用于目标检测。

2、近年来，基于机器学习的hrrp目标检测技术得到极大发展，一些基于异常检测思想的手工特征提取检测算法被用于目标检测，该类方法首先提取杂波训练数据的手工特征，然后构建单分类器(如凸包学习、决策树、支持向量机等)学习杂波的特征分布，在特征空间建立判决超球体将杂波特征包含在内，最后根据待检测样本的特征是否在超球体内，来判断待检测样本是目标或杂波，从而实现目标检测。

3、然而在多地形的场景下，由于不同地形下的杂波特征分布具有显著差异，导致其在特征空间中分布相距较远，通过单分类器构本文档来自技高网...

【技术保护点】

1.一种多地形条件下基于对比学习的雷达目标检测方法，其特征在于：包括以下步骤：

2.如权利要求1所述的一种多地形条件下基于对比学习的雷达目标检测方法，其特征在于：所述步骤S1中的预处理包括但不限于分割、归一化操作。

3.如权利要求1所述的一种多地形条件下基于对比学习的雷达目标检测方法，其特征在于：所述步骤S1中若干帧多个地形下获取的待测样本构成待测目标数据样本集合，若干帧杂波回波样本构成杂波数据样本集合，由于待测目标数据样本集合不参与训练过程，所以目标数据样本均作为测试样本，杂波数据样本集合按照1：1的比例进行训练集、测试集的随机划分，形成训练杂波样本集和测试杂波...

【技术特征摘要】

1.一种多地形条件下基于对比学习的雷达目标检测方法，其特征在于：包括以下步骤：

2.如权利要求1所述的一种多地形条件下基于对比学习的雷达目标检测方法，其特征在于：所述步骤s1中的预处理包括但不限于分割、归一化操作。

3.如权利要求1所述的一种多地形条件下基于对比学习的雷达目标检测方法，其特征在于：所述步骤s1中若干帧多个地形下获取的待测样本构成待测目标数据样本集合，若干帧杂波回波样本构成杂波数据样本集合，由于待测目标数据样本集合不参与训练过程，所以目标数据样本均作为测试样本，杂波数据样本集合按照1：1的比例进行训练集、测试集的随机划分，形成训练杂波样本集和测试杂波样本集。

4.如权利要求1所述的一种多地形条...

【专利技术属性】
技术研发人员：张亮，梁灿，王欣阳，李阳，
申请(专利权)人：北理工郑州智能科技研究院，
类型：发明
国别省市：