[发明专利]基于SVM的雷达RD图像弱目标检测方法、系统、存储介质和电子终端

权利要求书

1.一种基于SVM的雷达RD图像弱目标检测方法，其特征在于，包括以下步骤：

S1:获取雷达回波数据，对数据进行预处理后，生成雷达距离多普勒维图像；

S2:对原始图像进行预处理并进行标签，得到数据集；

S3:构建针对低信噪比下弱目标检测的支持向量机(SVM)网络；

S4:对构建的支持向量机(SVM)网络进行目标检测并交叉验证；

S5:获得测试集目标检测准确率结果。

2.根据权利要求1所述的一种基于SVM的雷达RD图像弱目标检测方法，其特征在于：所述步骤S1中对雷达回波数据进行预处理的具体步骤为：

S101:通过仿真生成雷达回波数据，并在数据中加入不同信噪比的随机噪声；

S102:将雷达回波数据中目标数目、位置与速度一定范围内随机生成。

3.根据权利要求1所述的一种基于SVM的雷达RD图像弱目标检测方法，其特征在于：所述步骤S2中原始图像进行预处理并进行标签的具体步骤为：

S201:将原始图像标准化，并调整分辨率为适合支持向量机(SVM)学习的大小；

S202:获取目标所在位置的具体坐标值；

S203:针对目标所在位置的坐标值进行标签设置，生成标准标签数据。

4.根据权利要求1所述的一种基于SVM的雷达RD图像弱目标检测方法，其特征在于：所述步骤S3中支持向量机(SVM)网络包括SVM网络的传输形式、网络架构模式、所采用的激励函数和检测参数。

5.根据权利要求1所述的一种基于SVM的雷达RD图像弱目标检测方法，其特征在于：所述步骤S3中目标检测具体为对不同背景下的不同目标进行分类检测、对目标与杂波之间的特征区别进行检测。

6.根据权利要求1所述的一种基于SVM的雷达RD图像弱目标检测方法，其特征在于：所述步骤S3中交叉验证的具体步骤为：

S501:将训练样本集分为n个大小相同的子样本集；

S502:选择其中n-1个子样本集用来训练支持向量机，剩余的一个子样本集作为验证模型的子集；

S503:把训练得到的模型在验证子集上进行校验，记录校验误差；

S504:重复以上过程直到每个子集都只作为一次验证子集；

S505:统计每次实验的校验误差，将此误差作为评估支持向量机泛化能力的标准，也即支持向量机参数选择的标准。

7.根据权利要求1所述的一种基于SVM的雷达RD图像弱目标检测方法，其特征在于：所述步骤S5中准确率包括检测率和虚警率，计算公式如下：

式中P_d为检测率，P_f为虚警率，TP为真正例，FN为假正例，FP为假反例。

8.一种基于SVM的雷达RD图像弱目标检测系统，其特征在于，所述系统包括：

图像生成模块，用于获取雷达回波数据，并对数据进行预处理，生成雷达距离多普勒维图像；

图像处理模块，用于对原始图像进行预处理并进行标签，然后得到数据集；

网络构建模块，用于构建针对低信噪比下弱目标检测的支持向量机(SVM)网络；

检测验证模块，用于对构建的支持向量机(SVM)网络进行目标检测并交叉验证；以及；

准确率模块，用于获得测试集目标检测准确率结果。

9.一种基于SVM的雷达RD图像弱目标检测存储介质，其特征在于：所述存储介质内部存储计算机指令，当所述计算机指令在电子终端上运行时，使得所述电子终端执行如权利要求1-7中任一项所述的弱目标检测方法。

10.一种基于SVM的雷达RD图像弱目标检测电子终端，其特征在于：所述电子终端包括处理器和存储器，所述存储器用于存储指令，所述处理器用于调用所述存储器中的指令，使得所述电子设备执行权利要求1-7中任一项所述的弱目标检测方法。