[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

说明书

本发明提供一种基于SVM的雷达RD图像弱目标检测方法，包括获取雷达回波数据，对数据进行预处理后，生成雷达距离多普勒维图像；对原始图像进行预处理并进行标签，得到数据集；构建针对低信噪比下弱目标检测的支持向量机(SVM)网络；对构建的支持向量机(SVM)网络进行目标检测并交叉验证；获得测试集目标检测准确率结果；本发明提出的雷达RD图像目标检测方法，基于大量不同信噪比下含有目标的雷达RD图像数据，通过SVM网络反复训练得到目标检测网络，该方法下得到的目标检测网络具有在低信噪比下检测准确率高、实用效果好等优点，适合在实际应用中推广使用。

技术领域

本发明涉及图像目标检测技术领域，具体为一种基于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。

背景技术

近年来，目标检测在众多领域得到了广泛应用，雷达作为目标检测的重要手段，可以对照射区域的回波进行分析处理，从杂波、干扰、噪声等信号中检测到目标信息，并确定其距离、速度、角度等参数，但在复杂背景下尤其是低信噪比下，回波信息中除目标外往往还含有大量的噪声和杂波信息，并且噪声与目标幅度接近，杂波往往呈现出非线性、非高斯、非均匀、非平稳的特性，这极大地限制了雷达目标检测性能。

现有的雷达目标检测方法包括恒虚警检测算法等，恒虚警算法基于统计模型，往往难以精确描述背景模型，在非均匀背景下，尤其是类型各异和形态多变的低信噪比下，会出现严重的恒虚警损失，检测性能下降。综上所述，现有的雷达RD图像目标检测方法存在模型简单、普适性低、学习能力弱等问题，难以从根本上解决雷达RD图像弱小目标检测能力弱的问题。

公开号为CN111913158A提供的一种复杂杂波背景下检测低慢小目标的雷达信号处理方法，其通过恒虚警检测算法获取参考窗内目标点迹，从而根据点迹信息获取目标的速度、俯仰、方位、距离等，恒虚警算法基于统计模型，往往难以精确描述背景模型，在非均匀背景下，尤其是类型各异和形态多变的低信噪比下，会出现严重的恒虚警损失，检测性能下降，因此，现有的雷达RD图像目标检测方法存在模型简单、普适性低、学习能力弱等问题，难以从根本上解决雷达RD图像弱小目标检测能力弱的问题。

发明内容

本发明的目的在于提供一种基于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，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于SVM的雷达RD图像弱目标检测方法，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。

优选的，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。

优选的，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。