[发明专利]一种面向雷达信号数据的移动对象检测方法

权利要求书

1.一种面向雷达信号数据的移动对象检测方法，其特征在于，包括以下步骤：

步骤1)：从雷达信号数据中选取聚类特征：首先利用直方图方法计算雷达信号数据点中每个维度出现的频率，然后根据信息熵原理计算每个维度的信息熵，选择信息熵较大的维度作为聚类特征来进行后续聚类；

步骤2)：计算DBScan的聚类参数：在步骤1)所选聚类特征的基础上，计算每个信号数据点与其他信号数据点之间的距离并对计算结果进行升序排序，得到与信号数据点相同数量的升序数据集，然后基于k-距离原则选取出每个升序数据集中的固定排序位置中的值并进行升序排序，得到k-距离值序列，同时将固定排序位置的序号作为DBScan聚类参数的min_samples参数；然后根据k-距离值序列绘制k-距离曲线图，并以图中曲线斜率变化最大处的y值作为DBScan聚类参数的Eps值；

步骤3)：聚类：基于选取的聚类特征和计算出的聚类参数对信号数据点进行聚类；

步骤4)：候选异常点检测：根据步骤3)得到的聚类结果，查找每个聚类中所有信号数据点在雷达信号数据中记录的方向角信息，并根据时间戳属性进行升序排列，然后基于ARIMA方法模拟方向角时间序列，最后通过残差进行异常点检测，为每个聚类建立候选异常点集合；

步骤5)：评估候选异常点：根据步骤4)检测出的候选异常点集合，对聚类中的元素进行调整或对信号数据点的方向角数据进行调整。

2.根据权利要求1所述的一种面向雷达信号数据的移动对象检测方法，其特征在于，所述步骤1)包括以下步骤：

步骤1.1)：利用直方图方法计算雷达信号数据点中每个维度出现的频率；

步骤1.2)：根据信息熵计算公式计算每个维度的熵值，并选取熵值最大的l个维度作为后续聚类维度。

3.根据权利要求2所述的一种面向雷达信号数据的移动对象检测方法，其特征在于，所述步骤1.1)中，在计算每个维度出现的频率时，对于离散属性的维度样本x₁，x₂，…，x_i，…，x_n-1，x_n，其中n表示该属性的数据个数，与数据集中的数据个数一致，统计该样本元素的集合T＝{x₁，x₂，…，x_i，…，x_n-1，x_n}，并对集合T中的每一个元素计算其在样本中出现的次数c(x_i)，最后计算集合中元素的近似概率，即其在样本中出现的频率，计算公式为对于连续属性的维度样本，首先将属性的取值范围离散化，分为m个不相交的区间R_m＝(x_i，x_i+1](i＝0，…，m-1)，并将信号数据点通过对比该属性值的大小放置到相应的区间，进一步，统计每个区间内的数据个数c(R_m)，并计算每个区间的概率

4.根据权利要求3所述的一种面向雷达信号数据的移动对象检测方法，其特征在于，连续属性的维度包括：频率、脉冲周期、脉冲宽度、脉冲周期最大值、脉冲周期最小值、最大脉内宽度和最小脉内宽度，离散属性的维度包括：带宽类型、频率类型、脉冲周期类型、脉冲宽度类型。

5.根据权利要求3所述的一种面向雷达信号数据的移动对象检测方法，其特征在于，所述步骤1.2)中，在计算每个维度的熵值H(X)时，对于离散属性的维度采用进行计算，对于连续属性的维度采用进行计算。