距离扩展目标内禀模态特征能量智能融合检测方法技术

本发明专利技术公开了一种雷达距离扩展目标内禀模态特征能量智能融合检测方法，属于雷达信号处理领域。在杂噪背景未知情况下，为了克服现有距离扩展目标统计检测方法对杂噪环境适应性差等不足，本发明专利技术提出一种基于内禀模态频域能量差异的距离扩展目标智能融合检测方法；该方法根据目标对回波一维距离像不同频率内禀模态分量的差异性影响，以低频分量与高频分量的平均能量之比作为衡量标准，根据实际检测需要对杂噪特征数据库进行初始化或补充，通过融合辅助杂噪数据的特征量保持恒虚警率特性，并依据检测结果更新杂噪数据库；无需对杂噪背景进行统计建模，特别适合于固定或慢机动的微弱距离扩展目标检测，具有很强的虚警控制能力。

【技术实现步骤摘要】
一、
本专利技术隶属于雷达信号处理领域，具体涉及一种。二、
技术介绍
与常规窄带低分辨率雷达相比，高距离分辨率雷达具有更大的带宽和更高的距离分辨率，在精确探测及成像、高精度跟踪、目标识别等方面具有明显的优势，在现代军事和民用领域获得了广泛的重视和应用，已经成为现代雷达发展的一个重要方向。与常规窄带雷达的“点目标”不同，高距离分辨率雷达目标回波分布在不同的径向距离单元中，呈现为“一维距离像”，形成了 “距离扩展目标”。距离扩展目标信号具有很强的非平稳性和非线性特性，大多数现有的距离扩展目标检测方法基于经典统计检验理论，检测方法的背景针对性过强，缺少对实际杂噪环境变化和不同目标信号的自适应能力，另外，目前大多数距离扩展目标检测器在低信杂比情况下检测损失较大，部分检测器甚至无法工作，对微弱距离扩展目标的检测能力有待提高，开展微弱距离扩展目标自适应智能检测研究具有重要意义。目前，基于时频分析的智能信号处理方法在雷达微弱点目标检测中已得到应用，在距离扩展目标检测方面仍处于探索阶段，且往往忽略了虚警概率的控制问题。事实上，恒虚警率(CFAR)特性是雷达目标自动检测过程中主要的技术指标之一，采用CFAR处理可使计算机不致因干扰太强而过载，从而保证雷达信号处理系统的正常运行。在低信杂噪比条件下，微弱距离扩展目标湮没于强杂噪背景中，传统的检测方法往往无法有效检测。而受距离扩展目标物理特性的影响，目标一维距离像表现出较强的非平稳特性。针对这一问题，经验模态分解(EMD)方法提供了有效的解决途径。在众多的时频分析方法中，EMD方法基于信号自身包络自适应分解信号，且不受测不准原理的限制，具有良好的时频聚集性；它既避免了小波分析中选择合适基函数的困难，也不会出现Wigner-Ville分布中的交叉项问题，是处理非线性非平稳信号的有力工具，适合解决具有非平稳特性的距离扩展目标非线性检测问题。EMD方法的基本原理是将一个复杂信号分解为若干个内禀模态函数(MF)之和。IMF反映了信号内部固有的波动性，它是满足单分量信号物理解释的一类信号，在每一时刻只有单一频率成分，其满足以下两个条件:(I)在整个数据段内，零点数与极点数相等或至多相差一个；(2)在任意时刻，由局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为零，即上、下包络线相对时间轴局部对称。对于雷达距离扩展目标检测来说，目标对雷达回波一维距离像的不同频率IMF分量存在不同影响，在雷达杂噪背景未知情况下，通过一维距离像不同频率MF分量能量的合理融合，设计简单有效的距离扩展目标自适应智能融合检测方法具有重要的现实意义。三、
技术实现思路
1.要解决的技术问题在雷达杂噪背景未知情况下，为了克服基于统计检验的距离扩展目标检测方法与实际环境失配时导致性能急剧下降、小波分析及Wigner-Ville分布等方法检测距离扩展目标时多分辨率不可调、存在交叉项等不足，本专利技术根据目标对雷达回波一维距离像的不同频率IMF分量的不同影响，提出基于频域能量差异的距离扩展目标智能融合检测方法。2.技术方案本专利技术所述距离扩展目标内禀模态特征能量融合检测方法包括以下技术措施:步骤I对待检测的雷达回波一维距离像进行EMD分解对待检测区域的N个距离单元回波幅值(x(t)，t=l,...，N)组成的雷达回波一维距离像x=[x (1)，X (2)，...，X (N)]，采用EMD方法将其分解，具体包括如下分解步骤:(I)确定原始信号x(t)所有的局部极值点，然后用三次样条线将所有的局部极大值点连接起来形成上包络线，再用三次样条线将所有的局部极小值点连接起来形成下包络线，上、下包络线应包络所有的数据点；(2)上、下包络线的平均值记为Hi1⑴，求出1i1 (t) =x(t)-1ii1 (t), t=l,..., N(I)如果Ii1 (t)是一个 IMF,则 Ii1 ⑴就是 x(t)的第 I 个 IMF 分量,记；(3)如果Mt)不满足MF的条件，则将Mt)作为原始数据，重复步骤⑴至步骤(2)，得到上、下包络线的平均值HI11⑴，再判断hn(t) =hi (t) -Hi11 (t)是否满足MF的条件，如不满足则重复循环k次，直到hlk(t)满足頂？条件并记(31(0=1111^)，其中1111^)可表示为:hlk (t) =Ii1 (η) (t) -mlk (t), t=l,..., N(2)式中，h1(k_D (t)为第k-1次循环中去除上、下包络均值后获得的数据，mlk(t)表示第k次循环中上、下包络线的平均值；(4)将~⑴从x(t)中分离出来，得到T1 (t) =x (t) -C1 (t)，t=l,...，N (3)作为原始数据重复步骤⑴至步骤(3)，得到x(t)的第2个满足MF条件的分量c2 (t),如此重复循环M次,得到M个满足IMF条件的分量(cjt), i = I,...,M),且有本文档来自技高网...

【技术保护点】
距离扩展目标内禀模态特征能量智能融合检测方法，其特征在于包括以下步骤：步骤1对待检测的雷达回波一维距离像进行EMD分解对待检测区域的N个距离单元回波幅值(x(t)，t=1，...，N)组成的雷达回波一维距离像x=[x(1)，x(2)，...，x(N)]，采用EMD方法将其分解，具体包括如下分解步骤：(1)确定原始信号x(t)所有的局部极值点，然后用三次样条线将所有的局部极大值点连接起来形成上包络线，再用三次样条线将所有的局部极小值点连接起来形成下包络线，上、下包络线应包络所有的数据点；(2)上、下包络线的平均值记为m1(t)，求出h1(t)=x(t)?m1(t)，t=1，...，N?????????(1)如果h1(t)是一个IMF，则h1(t)就是x(t)的第1个IMF分量，记c1(t)=h1(t)；(3)如果h1(t)不满足IMF的条件，则将h1(t)作为原始数据，重复步骤(1)至步骤(2)，得到上、下包络线的平均值m11(t)，再判断h11(t)=h1(t)?m11(t)是否满足IMF的条件，如不满足则重复循环k次，直到h1k(t)满足IMF条件并记c1(t)=h1k(t)，其中h1k(t)可表示为：h1k(t)=h1(k?1)(t)?m1k(t)，t=1，...，N????????(2)式中，h1(k?1)(t)为第k?1次循环中去除上、下包络均值后获得的数据，m1k(t)表示第k次循环中上、下包络线的平均值；(4)将c1(t)从x(t)中分离出来，得到r1(t)=x(t)?c1(t)，t=1，...，N????????(3)将r1(t)作为原始数据重复步骤(1)至步骤(3)，得到x(t)的第2个满足IMF条件的分量c2(t)，如此重复循环M次，得到M个满足IMF条件的分量(ci(t)，i＝1，...，M)，且有r2(t)=r1(t)-c2(t)···rM(t)=rM-1(t)-cM(t)---(4)当rM(t)为一单调函数不能再从中提取满足IMF条件的分量时，循环结束，由式(3)和式(4)可知，原始输入信号x(t)可表示为x(t)=Σi=1Mci(t)+rM(t)---(5)式中，rM(t)称为残余函数，代表信号的平均趋势；步骤2融合目标对回波一维距离像不同频率分量的差异性信息建立检测统计量雷达回波一维距离像x经过EMD分解后，得到一系列包含了从高到低不同频率的分量c1(t)，c2(t)，...，cM(t)；由于背景杂噪信号随机性强，在不同距离单元间无规律起伏，存在较强的高频分量，而目标信号在相邻距离单元间存在一定相关性，变化相对平坦，一般体现在低频分量部分；根据目标对回波一维距离像不同频率分量的差异性影响，采用低频分量的平均能量与高频分量的平均能量之比作为检测统计量λ：λ=LΣi=L+1M|ci(t)|2(M-L)Σi=1L|ci(t)|2---(6)式中，L表示高频IMF分量与低频IMF分量的分界点，可以表示为：L=round(αM)??????????????(7)式中，round(.)表示对参数进行四舍五入取整，α表示分界率，一般取0.3～0.5；步骤3根据检测需要和杂噪特征数据库的实际情况进行初始化或补充若杂噪特征数据库无数据，则需进行初始化；若杂噪特征数据库中当前检测所需特征量数量不足，则需进行额外补充；初始化或补充采用的方法包括：通过对待检测区域周围的无目标范围进行雷达照射，获得与待检测区域径向距离范围相同且方位邻近的纯杂波辅助数据，即P个长度为N的纯杂噪一维距离像信号(xj，j＝1，...，P)，按照步骤1至步骤2分别形成P个相应的检测统计量(λj，j=1，...，P)，并将特征量(λj，j=1，...，P)及相应的距离方位等信息存入杂噪特征数据库进行初始化或补充；步骤4根据杂噪功率变化自适应设定检测阈值为了消除杂噪背景功率起伏的影响，从杂噪特征数据库中提取与待检测区域径向距离范围相同且方位邻近的K个杂噪特征量(λi，i＝1，...，K)，采用单元平均思想，形成检测阈值T：T=Z0Σi=1Kλi---(8)式中，Z0表示阈值因子，可根据预设的虚警概率设置，从而保持检测方法的恒虚警率特性；步骤5对待检测的雷达回波一维距离像进行检测判决将待检测区域对应的检测统计量λ与门限T进行比较，若λ≥T，则判定待检测区域存在距离扩展目标，反之若λ＜T，则判定待检测区域不存在距离扩展目标；步骤6根据检测结果更新杂噪特征数据库若步骤5中待检测区域被判定为不存在目标，则将特征量λ及相应的距离方位等信息加入杂噪特征数据库进行更新。...

【技术特征摘要】
1.距离扩展目标内禀模态特征能量智能融合检测方法，其特征在于包括以下步骤: 步骤I对待检测的雷达回波一维距离像进行EMD分解 对待检测区域的N个距离单元回波幅值(x(t)，t=l，...，N)组成的雷达回波一维距离像X= [X (I)，X (2)，...，X (N)]，采用EMD方法将其分解，具体包括如下分解步骤: (1)确定原始信号x(t)所有的局部极值点，然后用三次样条线将所有的局部极大值点连接起来形成上包络线，再用三次样条线将所有的局部极小值点连接起来形成下包络线，上、下包络线应包络所有的数据点； (2)上、下包络线的平均值记为Hl1(t)，求出 Ii1 (t) =x (t) -Hi1 (t)，t=l，…，N(I) 如果h (t)是一个MF，则Ii1 (t)就是X⑴的第I个MF分量，记C1 (t) =Ii1⑴； (3)如果hjt)不满足IMF的条件，则将Ill...

【专利技术属性】
技术研发人员：简涛，何友，关键，苏峰，平殿发，张韫，黄晓冬，
申请(专利权)人：中国人民解放军海军航空工程学院，
类型：发明
国别省市：