[发明专利]一种基于分形Hurst指数的智能海面杂波区域分类方法

说明书

本发明提出了一种基于分形Hurst指数的智能海面杂波区域分类方法，雷达回波中的噪声可用布朗运动进行建模，Hurst指数为0.5，而海杂波的分形Hurst指数一般低于0.5，随着距离的延伸，回波中的噪声分量逐渐增多，分形Hurst指数以S形趋于0.5，根据S形曲线的变化规律，将海表面划分为杂波区、过渡区和噪声区，利用上述方法对多个雷达回波视频数据进行分类并构建算法训练数据集，训练用于海面区域划分的分类算法，实现快速的海面区域划分。

技术领域

本发明涉及雷达对海探测领域。

背景技术

雷达目标检测器在设计过程中一般会假定目标处在特定的扰动背景环境下，如单元平均恒虚警检测器要求扰动背景是幅度满足瑞利分布的噪声。在雷达对海探测中，海杂波和噪声是两种常见的扰动形式。如何确定海杂波和噪声区域的边界，对于雷达目标检测器的选择具有重要参考意义。杂噪比能够反映雷达回波中杂波与噪声的组成情况，但在实际使用中，难以根据杂噪比曲线确定可用于杂波区域分类的阈值，因此海面杂波区域分类问题仍然值得关注。

发明内容

本发明提出了一种基于分形Hurst指数的智能海面杂波区域分类方法，以回波中海杂波和噪声分量对Hurst指数的影响规律为依据设计智能分类算法。

针对雷达接收到的快时间-慢时间视频数据，本发明计算各个距离单元上雷达回波的分形Hurst指数，并依据分形Hurst指数随距离的变化规律将海表面划分为杂波区、过渡区和噪声区。实现本发明的技术解决方案为：

步骤1：在特定方向上，使用雷达对海面进行探测，得到包括快时间(距离)和慢时间(时间)维度的雷达回波视频数据。

步骤2：沿着距离单元，计算每个距离单元上的分形Hurst指数。

步骤3：绘制分形Hurst指数-距离单元图像。

步骤4：使用图像为“S”形的函数对步骤3所得图像进行拟合，得到函数表达式。

步骤5：求解步骤4中所得函数的归一化导函数。

步骤6：设定阈值T，将归一化导函数在距离维度上划分为三个区间，分别对应海表面的杂波区、过渡区和噪声区。

步骤7：按照上述步骤对多幅度视频数据进行海面区域划分，并计算杂波区、过渡区和噪声区不同距离单元上的分形Hurst指数，构建分形Hurst指数数据集。

步骤8：使用上述数据集，对分类算法进行训练，获得能够依据特定距离单元分形Hurst指数对海面进行分区的自动分类算法模型。

步骤9：使用上述自动分类算法模型对新采集的数据进行分类，实现快速的海面区域划分。

本发明明确了各类目标检测器使用范围的边界条件，能够为目标检测器的使用提供指导信息。

附图说明

图1为基于分形Hurst指数的海面区域划分方法流程图。

具体实施方式

下面结合附图对本发明做进一步说明，但本发明的保护范围不受实施条例的限制。

本发明优选的实施例实现过程包括：雷达回波中的噪声利用布朗运动进行建模，Hurst指数为0.5，而海杂波的分形Hurst指数一般低于0.5，随着距离的延伸，回波中的噪声分量逐渐增多，分形Hurst指数以S形趋于0.5，根据S形曲线的变化规律，将海表面划分为杂波区、过渡区和噪声区，利用上述方法对多个雷达回波视频数据进行分类并构建算法训练数据集，训练用于海面区域划分的分类算法，实现快速的海面区域划分。针对雷达接收到的快时间-慢时间视频数据，计算各个距离单元上雷达回波的分形Hurst指数，并依据分形Hurst指数随距离的变化规律将海表面划分为杂波区和噪声区，步骤如下：