[发明专利]一种目标信号检测方法及系统

权利要求书

1.一种目标信号检测方法，其特征在于，包括：

获取信号的测试样本，所述测试样本包括参考单元和检测单元，所述参考单元包括前沿滑窗和后沿滑窗；

根据所述前沿滑窗和所述检测单元计算出第一变化指数，以及根据所述后沿滑窗和所述检测单元计算出第二变化指数，包括：

其中，VI表示变化指数，为集合中元素的方差的估计值，为集合中元素的均值的估计值，n表示集合中元素的总个数，s_i表示集合中的第i个元素，i＝1,…,N/2+1，表示集合中元素的均值；所述集合由所述前沿滑窗和所述检测单元组成，或者由所述后沿滑窗和所述检测单元组成；

使用支持向量机SVM模块对所述第一变化指数和所述第二变化指数进行第一计算，并根据所述第一计算的结果输出选择信号；

根据所述选择信号确定第一检测器的阈值，所述第一检测器为恒虚警率CFAR模块中包含的多个检测器中的一种；

根据所述阈值，判断所述检测单元是否有目标信号。

2.根据权利要求1所述的方法，其特征在于，所述根据所述选择信号确定所述第一检测器的阈值，包括：

所述CFAR模块根据所述选择信号，从所述多个检测器中选择所述第一检测器对所述参考单元、或所述参考单元与所述检测单元之和进行第二计算，并根据所述第二计算的结果输出所述第一检测器的阈值。

3.根据权利要求1所述的方法，其特征在于，所述SVM模块包括SVM模型的训练参数，所述训练参数通过以下步骤获得：

根据预先设定的工作参数确定训练样本集，所述训练样本集包括训练样本以及所述训练样本的类标记；

所述SVM模块根据所述训练样本集对所述SVM模型进行训练，以获取所述SVM模型的训练参数。

4.根据权利要求3所述的方法，其特征在于，所述SVM模块包括以下计算公式：

其中，y表示所述测试样本的类标记；sign表示符号函数；n是训练样本集中支持向量的个数；y_i代表第i个训练样本所对应的类标记，表示第i个训练样本，i＝1,…,n；表示所述测试样本；和b为所述训练参数，

5.根据权利要求3所述的方法，其特征在于，所述预先设定的工作环境包括均匀环境、多目标环境和杂波边缘环境。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述多个检测器包括单元平均恒虚警率CA-CFAR检测器、最大选择恒虚警率GO-CFAR检测器、最小选择选择恒虚警率SO-CFAR检测器、有序统计恒虚警率OS-CFAR检测器和自动删除单元平均恒虚警率ACCA-CFAR检测器中的至少两种检测器。

7.一种目标信号检测系统，其特征在于，包括：

获取单元，用于获取信号的测试样本，所述测试样本包括参考单元和检测单元，所述参考单元包括前沿滑窗和后沿滑窗；

计算单元，用于根据所述前沿滑窗和所述检测单元计算出第一变化指数，以及根据所述后沿滑窗和所述检测单元计算出第二变化指数；

输出单元，用于使用支持向量机SVM模块对所述第一变化指数和所述第二变化指数进行第一计算，并根据所述第一计算的结果输出选择信号；

选择单元，用于根据所述选择信号确定第一检测器的阈值，所述第一检测器为恒虚警率CFAR模块中包含的多个检测器中的一种；

判断单元，用于根据所述阈值，判断所述检测单元是否有目标信号。

8.根据权利要求7所述的系统，其特征在于，所述选择单元具体用于，使用所述CFAR模块根据所述选择信号，从所述多个检测器中选择所述第一检测器对所述参考单元、或所述参考单元与所述检测单元之和进行第二计算，并根据所述第二计算的结果输出所述第一检测器的阈值。

9.根据权利要求7所述的系统，其特征在于，所述输出单元中的SVM模块包括SVM模型的训练参数，所述输出单元还用于获取所述训练参数，所述输出单元具体包括：

确定子单元，用于根据预先设定的工作参数确定训练样本集，所述训练样本集包括训练样本以及所述训练样本的类标记；

训练子单元，用于使用所述SVM模块根据所述训练样本集对所述SVM模型进行训练，以获取所述SVM模型的训练参数。