[发明专利]一种基于动态规划与最小图像熵的机动弱目标检测方法

说明书

本发明提供一种基于动态规划与最小图像熵的机动弱目标检测方法，首先利用动态规划法快速搜索弱目标最有可能，即回波能量最大的运动轨迹；然后提取目标信号并做FFT获得其频谱，以图像熵为代价函数，利用牛顿法迭代快速搜索目标的高阶分量以使频谱的图像熵最小，最后利用CA‑CFAR确定门限，将补偿后的频谱最大值与检测门限比对以判断目标是否存在，为雷达中的机动弱目标检测提供了一种有效的手段；由此可见，本发明使用DP技术寻找目标的可能轨迹，运行速度更快，且能校正目标机动导致的距离徙动，实现了信号的相参积累，运行速度快且能补偿任意阶次的运动分量，在雷达中的机动弱目标检测方面，检测效率和正确率更高。

技术领域

本发明属于雷达检测技术领域，尤其涉及一种基于动态规划(DynamicProgramming，DP)与最小图像熵(Minimum Image Entropy，MIE)的机动弱目标检测方法。

背景技术

长时间相参积累方法常被用于检测弱目标。但在积累过程中，目标可能发生机动，招致距离徙动以及多普勒频率徙动的发生，从而导致弱目标的能量难以被有效积累、检测。

在传统的相参积累方法中，为解决目标的距离徙动，Keystone变换是一种常用的方法。Keystone变换的基本原理是通过慢时间尺度变换使目标回波信号的多普勒频率与时间延迟解耦，从而达到消除距离徙动的影响。然而，Keystone变换只适用于消除匀速运动情况下的距离徙动。当目标发生机动时，Keystone变换只能消除由初速度引起的部分距离徙动量，而无法消除目标高阶运动分量导致的距离徙动。除此之外，Keystone变换还存在计算量大、需要预先估计目标速度模糊等缺陷。

针对机动引起的多普勒频率徙动，利用分数阶傅里叶变换(Fractional Fouriertransform，FrFT)以及广义Radon-Fourier变换(GRFT)进行高阶相位补偿的相参积累方法被提了出来。FrFT是传统傅里叶变换的一种扩展，通过将信号转换到分数频域以消除二次相位的影响，从而实现高阶相位的补偿。但是FrFT只能补偿由加速度导致的相位变化，对于加加速度以及更高阶的运动分量则无能为力。GRFT类似于穷举法，其通过联合搜索速度、加速度、加加速度等运动分量参数实现相参积累，它可以补偿任意高阶分量引起的相位变化，但是其涉及多参数的联合搜索，运算量上常常无法被接受。

因此，针对雷达机动弱目标检测，亟需一种能高效补偿目标高阶运动的相参积累检测算法。

发明内容

为解决上述问题，本发明提供一种基于动态规划与最小图像熵的机动弱目标检测方法，首先通过动态规划搜索轨迹，快速迭代搜索目标高阶运动分量，实现了信号的相参积累，运行速度快且能补偿任意阶次的运动分量，能够有效提高雷达中机动弱目标的检测效率和正确率。

一种基于动态规划与最小图像熵的机动弱目标检测方法，包括以下步骤：

S1：接收K帧雷达回波信号，采用动态规划法从K帧雷达回波信号中获取回波能量最大的弱目标的轨迹，其中，每帧雷达回波信号对应一帧一维距离像，且一维距离像包括多个距离单元，所述轨迹由各帧一维距离像中弱目标所在的距离单元构成；

S2：提取弱目标所在的各个距离单元对应的回波数据，然后根据提取到的回波信号构建弱目标所对应的轨迹回波信号s_DP(k)：

其中，A_r为设定的目标幅度，λ为雷达波长，T为雷达的脉冲重复周期，a₁～a_H为待定系数，且h＝1,2,…,H，H为设定阶数，j为虚部，k＝1,2,…,K；

S3：对轨迹回波信号s_DP(k)进行相位补偿与傅里叶变换，得到补偿后的频谱S(m)：

其中，m为频率点，为相位补偿量，且