[发明专利]一种面向雷达信号数据的移动对象检测方法

摘要

本发明公开了一种面向雷达信号数据的移动对象检测方法，步骤为：1)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进行后续聚类；2)通过k‑距离方法计算DBScan的聚类参数；3)基于选取的聚类特征和计算出的聚类参数对信号数据进行聚类；4)基于ARIMA方法对信号的方向角时序信息进行异常检测，为每个聚类建立候选异常点集合；5)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的方向角数据进行调整。本发明根据聚类及异常检测理论从信号数据和方向数据两个方面对雷达信号中潜藏的移动对象(飞机、船只)进行了检测及修正，为后续移动对象行为模式的分析打下坚实基础。

主权项

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。