[发明专利]基于卷积神经网络的多通道合成孔径雷达动目标检测方法

说明书

本发明公开了基于卷积神经网络的多通道合成孔径雷达动目标检测方法，具体为：获取n通道雷达实测数据和仿真数据，构建仿真‑实测混合样本集；采用独热编码形式对仿真‑实测混合样本集中的样本加标签；构建卷积神经网络模型；对于加了标签的仿真‑实测混合样本集中的样本，将其实部虚部分开，整合为2n通道数据输入卷积神经网络模型进行训练，得到训练好的卷积神经网络模型；采用滑窗形式对待检测的雷达实测数据进行检测，获得检测图像。本发明能够有效检测出动目标，并且虚警率更低，此外当杂波抑制后的场景中存在较多的孤立强散射点时（如城市背景），卷积神经网络更能提取深层特征，同样能表现出较为优秀的性能。

技术领域

本发明涉及基于卷积神经网络的多通道合成孔径雷达动目标检测方法，属于地面慢速或小目标检测技术领域。

背景技术

合成孔径雷达(SAR)是一种高分辨率成像雷达，在军事民用领域均具备重要作用。地面动目标指示(GMTI)作为SAR技术的重要扩展，能够实现预警与测绘相结合，是近年来雷达信号领域的研究热点之一。随着人们对雷达系统检测性能提升的需求日益增加，对于现有的SAR/GMTI系统，如何在复杂的探测环境中实现地面慢速或小目标的检测成为了一个核心问题。

传统的单通道动目标检测方法由于受到空域自由度的限制，导致检测性能并不能达到令人满意的效果。鉴于这种情况，研究者将阵列信号处理技术与SAR相结合，提出采用多通道SAR实现地面动目标检测的方法。该技术通过空时二维处理，极大地提高了现有机载SAR系统对地面慢速目标的检测能力。目前，根据检测前是否采用杂波对消或抑制步骤，可将现有的多通道SAR地面动目标检测技术分为两类，第一类是以空时自适应处理(STAP)和偏移相位中心天线(DPCA)为代表，此类技术采用多通道信号实现，多通道之间杂波对消后，根据图像素幅度实现动目标的检测。第二类是以沿航迹干涉(ATI)SAR技术和单脉冲SAR为代表，此类技术通过多通道之间的相互关系，设置干涉相位或单脉冲和差比为检验统计量，由于统计量上的不同，可用来区分杂波和动目标，从而实现动目标的检测。

上述这些方法，在实际中均具备可行性，且一些算法的性能在实际系统中已经得到了验证。然而，这些方法在实际处理中同样存在着各自的一些问题，这些问题主要包括：(1)现有绝大多数算法均假设杂波背景服从高斯分布且为均匀杂波，但在实际处理中这一条件很难满足，特别是在城市、港口等一些复杂的背景中，从而导致各种算法的检测性能下降；(2)实际处理中，以SAR-STAP为代表的“最优”自适应检测方案和以ATI等技术为代表的非自适应处理方案各有优势。如在一些强杂波背景中，SAR-STAP技术并不能像理论上实现杂波完全对消。因此强杂波背景中，必然受到强杂波剩余的影响，导致检测效果变弱。但是以ATI技术为代表的检测方法，反而在强杂波条件下性能比较稳定(因为与噪声相比，杂波的干涉相位相对稳定)。因此，多种检测算法在不同条件下各有优势，而现有的检测器并没有做到互相取长补短。(3)现有多通道SAR杂波抑制算法对目标的径向速度敏感，而对切向速度并不敏感，因此，当动目标仅具备切向运动时(或径向速度分量较小)，往往难以通过检测。对于切向运动目标的检测，往往需要通过其他技术实现，如采用自聚焦技术等。这些问题的存在，说明了现有的多通道SAR/GMTI技术还需要进行改进，存在性能提升空间。