[发明专利]一种基于特征提取的海杂波背景下目标检测方法

说明书

本发明公开一种基于特征提取的海杂波背景下目标检测方法，应用于雷达系统中的目标检测技术领域，针对现有的海杂波背景下的海面目标检测方法主要通过统计模型拟合或非线性信号处理实现，存在着模型失配、实现方式复杂以及运算量大等问题，不利于海面目标的检测的问题；本发明利用雷达回波中目标和杂波在时频域所表现出的不同能量特性进行特征提取，再使用改进后的支持向量机分类器对目标和杂波进行分类，能够显著地提高恒虚警检测性能。

技术领域

本发明属于雷达系统中的目标检测技术领域，特别涉及一种海杂波背景下目标检测技术。

背景技术

近年来，随着海面目标的轻型化和隐身化，越来越多的海面目标出现在雷达对海探测领域。典型海面目标有小型船只、蛙人、碎片以及潜艇潜望镜等。此类目标通常具有移动速度慢、几何尺寸小、隐身性能强等特点，给海事雷达的警戒与检测带来了极大的挑战。传统的提高海事雷达对海面目标检测能力的方法有采用高多普勒和高距离分辨等改变雷达系统参数的措施。然而，通常情况下此类方法需要更高的研发成本来实现。相对来说，可以从时频域的角度出发，重点分析海杂波的时频特性，然后利用海杂波和目标信号在时频域上表现出的不同特征，对海杂波与目标进行分类，进而实现目标检测。

目前，海杂波背景下的目标检测研究主要可以分为以下三类：第一类是基于海杂波的统计建模，第二类是基于海杂波的非线性特性，第三类是基于不同变换域下海杂波的不同特征构建特征空间。基于统计理论通常要求选取合适的模型对海杂波的分布进行建模，使得其统计模型能够较好的拟合海杂波的内部结构。常见的海杂波统计模型有高斯分布、瑞利分布、对数正态分布、韦布尔分布和复合K分布等。随着雷达技术的发展，在高分辨、低掠射角条件下采集到的雷达回波数据表现出非均匀、非线性和非平稳的随机特性，在这种情况下，上述基于统计模型的研究不能很好的拟合海杂波分布和反映海杂波的物理机理。海杂波的非线性特性研究主要从海杂波的混沌和分形特征展开，海杂波在一定的时间尺度内具有多重分形特征，可以通过计算海杂波的Hurst指数来实现对目标的检测，但是海杂波信号只在一定的时间尺度的无标度区内存在分形特征，当观测时间较短时，检测器的性能将会严重下滑。基于变换域特征的海面目标检测方法主要是从时域、频域、时频域和极化域等多个角度来描述海杂波信号与目标信号之间的差异性，在此基础上构建高维空间，将海杂波背景下的目标检测问题转换成为一个二分类问题，从而识别出目标信号和杂波信号。

总体来看，现有的海杂波背景下的海面目标检测方法主要通过统计模型拟合或非线性信号处理实现，存在着模型失配、实现方式复杂以及运算量大等问题，不利于海面目标的检测。

发明内容

为解决上述技术问题，本发明提出一种基于特征提取的海杂波背景下目标检测方法，利用雷达回波中目标和杂波在时频域所表现出的不同能量特性进行特征提取，再使用改进后的支持向量机分类器对目标和杂波进行分类，能够显著地提高恒虚警检测性能。

本发明采用的技术方案为：一种基于特征提取的海杂波背景下目标检测方法，包括：

S1、利用滑窗法从回波数据起始点按脉冲方向滑动采样，每次滑窗后的向量保存为原始数据样本向量；

S2、对原始数据样本向量进行时频变换，

S3、根据时频变换结果的能量分布特性，提取低频本征模态函数；

S4、根据提取的低频本征模态函数构建新的数据样本向量；

S5、将新的数据样本向量划分为训练集与测试集；

S6、利用训练集对支持向量机进行训练，得到最优超平面的权向量和偏置；

S7、利用测试集对最优超平面的权向量和偏置下的支持向量机进行测试，得到目标检测结果。