[发明专利]一种基于时频域深度网络的海面小目标特征检测方法

权利要求书

1.一种基于时频域深度网络的海面小目标特征检测方法，其特征在于，包括以下步骤：

(1)雷达在一个距离单元接收到连续N个脉冲，构成一个观测向量z＝[z(1),z(2),...,z(N)]^T，构成待检测单元，然后获取待检测单元周围P个观测向量，z_p,p＝1,2,...,P；建立三元假设检验问题H₀、H₁₊、H_1-，精细化目标落在海杂波带内外的不同特性；

(2)将观测向量z和z_p,p＝1,2,...,P，转换到二维时频域中，通过计算平滑伪魏格纳-维尔分布SPWVD，获得二维时频图TFG(z)和TFG(z_p),p＝1,2,...,P；

(3)对二维时频图TFG(z)进行归一化处理，获得归一化时频图NTFG(z)；

(4)构建深度网络模型，提取属于三类假设的概率值作为特征值，记为p₀，p₁，p₂且满足p₀+p₁+p₂＝1；

(5)构建一个2D特征向量ξ＝[p₁,p₂]^T,p₁,p₂∈[0,1]，作为最终的检验统计量ξ；

(6)在给定虚警率P_fa下，结合三次样条曲线算法，不断迭代和优化边界区域，确定虚警可控的判决区域Ω；

(7)计算检验统计量ξ是否在判决区域Ω内，判断出观测向量z中是否存在目标，如果则表明观测向量z中有目标；如果ξ∈Ω，则表明观测向量z中没有目标；

所述步骤(6)包括以下步骤：

(61)按照步骤(5)获得3Q个2D特征向量，即H₀假设下Q个特征向量H₁₊假设下Q个特征向量H_1-假设下Q个特征向量分别计算H₁₊假设和H_1-假设下的类别中心：

(62)在H₀假设下，计算Q个特征向量离的最短距离：

其中，||·||₂表示计算向量的模，min表示取最小值，从小到大进行排序获得虚警特征向量集合为[]表示取整数；判决区域Ω只包含以下特征向量：

(63)根据p₂值，将样本集Ω₀划分到M个等宽区间中，其中，第i个区间记为：

将各个区间最值点作为样条控制点，若区间无样本则不设置控制点；

(64)对所有区间的样条控制点按p₂值升序排列，从最小值开始进行滑窗分组，窗长为4；每组中，4个点的p₂和p₁分别对应x和y值，采用三次多项式拟合：

y＝a₃x³+a₂x²+a₁x+a₀

其中，a₃,a₂,a₁,a₀为拟合参数，选择每组最大值点作为分段函数起始点，对所有组数据进行拟合后，得到完整的样条曲线，作为初始边界；

(65)将H₀假设下Q个特征向量代入(64)中初始边界验证，保证只有虚警点在判决区域外面，若存在某个特征向量分类错误，微调所在分段的样条控制点，迭代更新边界，获得临时边界；

(66)通过减小全部样条控制点拟合时y维度数值，实现样条边界内部收缩，不断迭代优化(65)中的临时边界，直到边界发生错误时停止收缩，获得最终边界，即虚警可控的判决区域Ω。