[发明专利]面向串联式角反射器干扰的雷达图像的目标检测系统

说明书

本发明公开了一种面向串联式角反射器干扰的雷达图像的目标检测系统，包括：异源角反图像信息融合模块、特征提取模块、干扰对抗模块、目标定位模块和结果输出模块；其中，异源角反图像信息融合模块对多个雷达无源干扰图像信息进行融合得到融合后图像；特征提取模块对融合后图像进行变换得到图像的STFT谱图；干扰对抗模块利用图像的深度非线性特征训练干扰对抗分类器，输出不同目标为真目标的概率预测值；目标定位模块根据图像的STFT谱图通过目标检测算法输出目标位置信息；结果输出模块选择概率预测值高于阈值门限的目标作为真实目标，并输出真实目标的位置信息。本发明可高效、可靠地实现对具有欺骗和压制特性的雷达无源干扰目标的区分。

技术领域

本发明属于雷达无源干扰、人工智能、目标识别技术领域，尤其涉及一种面向串联式角反射器干扰的雷达图像的目标检测系统。

背景技术

雷达电子对抗主要包括对雷达的侦察、干扰及新领域雷达隐身和突防等。本技术关注雷达对抗中的雷达图像无源干扰技术。进一步，雷达无源干扰主要指箔条、角反射体等利用自身对雷达电磁波的散射特性而构成的干扰。无源干扰本身不主动辐射，而是反射、改变辐射力量，起压制和欺骗作用。在现代电子战中，雷达无源干扰的压制和欺骗效果，往往导致雷达不能或者错误地检测目标和测量目标的参数信息，从而造成对目标的方位、强度等信息估计出现偏差。

目前已有的雷达干扰识别技术，用于识别目标回波和干扰的特征参数主要来源于时域频域特征，仅采用这些常规参数组成特征向量，无法提取区分度较高的稳定特征参数，从而难以区分相似度较高的目标回波与干扰。传统雷达干扰识别算法多采用自适应分类方法，如统计二叉树分类，随机森林算法，其参数阈值由人为设置，算法设计工作量大，效率低下。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提供了一种面向串联式角反射器干扰的雷达图像的目标检测系统，基于深度神经网络，针对典型雷达无源干扰，采用非线性模型对无源干扰与目标回波进行快速感知与精确识别，可高效、可靠地实现对具有欺骗和压制特性的雷达无源干扰目标的区分，为突防机动、防空系统的性能保证提供有力的技术支撑。

本发明目的通过以下技术方案予以实现：一种面向串联式角反射器干扰的雷达图像的目标检测系统，包括：异源角反图像信息融合模块、特征提取模块、干扰对抗模块、目标定位模块和结果输出模块；其中，所述异源角反图像信息融合模块接收传感器采集回的多个雷达无源干扰图像信息，对多个雷达无源干扰图像信息进行融合得到融合后图像，将融合后图像传输给所述特征提取模块；所述特征提取模块利用时频分析法对融合后图像进行短时傅里叶变换得到图像的STFT谱图，将图像的STFT谱图分别传输给所述干扰对抗模块和所述目标定位模块；所述干扰对抗模块根据图像的STFT谱图，利用图像的深度非线性特征训练干扰对抗分类器，输出不同目标为真目标的概率预测值，将概率预测值传输给所述结果输出模块；所述目标定位模块根据图像的STFT谱图通过目标检测算法输出目标位置信息，将目标位置信息传输给所述结果输出模块；所述结果输出模块设定阈值门限，选择概率预测值高于阈值门限的目标作为真实目标，并输出真实目标的位置信息。

上述面向串联式角反射器干扰的雷达图像的目标检测系统中，所述异源角反图像信息融合模块的工作步骤为：(11)接收两幅雷达无源干扰图像；(12)计算两幅雷达无源干扰图像的灰度值，并确定模板图像和基准图像；(13)令模板图像在基准图像中滑动，计算模板图像和基准图像的灰度互相关系数，将灰度互相关系数的峰值点作为配准位置；(14)根据配准位置进行像素级图像融合，得到融合后图像。

上述面向串联式角反射器干扰的雷达图像的目标检测系统中，所述特征提取模块的工作步骤为：(21)根据融合后图像，分析真实回波目标和角反干扰的时频关系，构建时频谱图；(22)根据时频谱图选择窗函数；(23)根据步骤(22)选定的窗函数，对融合后的图像进行时域加窗，将融合后图像分割成多个时间段的图像信号；(24)对步骤(23)所得分割后的多个时间段的图像信号进行傅里叶变换，得到对应时间段的频率分布情况，即为图像的STFT谱图。