[发明专利]一种海杂波中目标检测方法及系统在审

专利信息
申请号: 201910166900.6 申请日: 2019-03-06
公开(公告)号: CN109901129A 公开(公告)日: 2019-06-18
发明(设计)人: 刘宁波;徐雅楠;王国庆;丁昊;薛永华;董云龙;刘传辉;关键 申请(专利权)人: 中国人民解放军海军航空大学
主分类号: G01S7/41 分类号: G01S7/41
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 王庆龙;苗晓静
地址: 264001 山*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标检测 神经网络 残差 杂波 检测结果 目标数据 时频分析 雷达回波信号 背景杂波 海面目标 历史数据 轮廓特征 时频二维 输出目标 特征提取 提取图像 泛化性 准确率 预设 标签 检测
【说明书】:

发明实施例提供了一种海杂波中目标检测方法及系统,方法包括:对接收的雷达回波信号进行时频分析,以提取目标数据集;将目标数据集输入预设的残差神经网络中,输出目标检测结果,所述残差神经网络是根据带有标签的目标和纯背景杂波历史数据集训练得到的。本发明实施例提供的海杂波中目标检测方法及系统,能够根据残差神经网络擅长提取图像的轮廓特征和高泛化性的特点,结合时频分析方法得到的时频二维图进行特征提取,从而实现了对海面目标的检测,检测结果准确率高。

技术领域

本发明实施例涉及信号处理技术领域,尤其涉及一种海杂波中目标检测方法及系统。

背景技术

随着雷达分辨率的提高和需观测目标类型增多,军用和民用领域都对雷达对海探测能力提出了更高的要求。对海雷达探测的目标以复杂海洋背景为掩护,一般具有低可观测性。从检测机理上看,雷达目标检测器分为能量检测器和特征检测器,高分辨率和复杂海况下,海杂波往往偏离假设模型,基于似然比检验的能量检测器难以满足需求。

现有技术中有使用特征检测器将目标检测问题转化为分类问题,判断回波是否属于背景所在的类,再提取出的稳定可分的特征空间形成判决区域。

但传统的特征检测器能够提取的特征维数有限,而且泛化性不够好,一般是针对特定目标类型在某几个指定的特征构成的特征空间进行分类,因而目标检测的准确率不佳。

因此,现在亟需一种海杂波中目标检测方法来解决上述问题。

发明内容

为了解决上述问题,本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的一种海杂波中目标检测方法及系统。

第一方面本发明实施例提供一种海杂波中目标检测方法,包括:

对接收的雷达回波信号进行时频分析,以提取目标数据集;

将目标数据集输入预设的残差神经网络中,输出目标检测结果,所述残差神经网络是根据带有标签的目标和纯背景杂波历史数据集训练得到的。

第二方面本发明实施例提供了一种海杂波中目标检测系统,包括:

时频分析模块,用于对接收的雷达回波信号进行时频分析,以提取目标数据集;

目标检测模块,用于将所述目标数据集输入预设的残差神经网络中,输出目标检测结果,所述残差神经网络是根据带有标签的目标和纯背景杂波历史数据集训练得到的。

第三方面本发明实施例提供了一种电子设备,包括:

处理器、存储器、通信接口和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行上述海杂波中目标检测方法。

第四方面本发明实施例提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述海杂波中目标检测方法。

本发明实施例提供的海杂波中目标检测方法及系统,能够根据残差神经网络擅长提取图像的轮廓特征和高泛化性的特点,结合时频分析方法得到的时频二维图进行特征提取,从而实现了对海面目标的检测,检测结果准确率高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种海杂波中目标检测方法流程示意图;

图2是本发明实施例所示的带有快捷连接的前向神经网络示意图;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军海军航空大学,未经中国人民解放军海军航空大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910166900.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top