[发明专利]一种基于深度神经网络的多目标恒虚警率检测方法

权利要求书

1.一种基于深度神经网络的多目标恒虚警率检测方法，其特征在于，该方法包括以下步骤：

S1：通过数据增强技术建立具有动态信杂比和动态目标数的雷达中频信号的仿真数据集其中，n为训练样本的个数，K_n为第n个样本的距离序列长度；L_K为真实标签，目标被标记为1，杂波被标记为0；R_K＝[r₁，r₂，...，r_K]为峰值距离序列，I_K＝[i₁，i₂，...，i_K]是与R_K对应的峰值强度序列；峰值序列P_K＝(R_K，I_K)，其是先将雷达中频信号作傅里叶变换后取模得到雷达频率强度测量X，再对X取峰值得到的；

S2：构建能够对峰值序列P_K进行分类的深度神经网络检测器，并利用所述仿真数据集对其进行训练，得到训练后的深度神经网络检测器；

S3：将待检测的雷达频率强度测量X取峰值，得到的峰值序列P_K输入训练后的深度神经网络检测器，输出目标检测结果Y；

S4：假设X中的杂波服从瑞利分布，从X中移除目标检测结果Y后形成缩减样本并用截断的瑞利分布对中的杂波建模；

S5：设计基于泰勒级数的近似最大似然估计器，确定比例参数σ的近似最大似然估计；根据指定的虚警率P_FA和比例参数σ的近似最大似然估计计算得到虚警调节门限T_fa，剔除检测结果Y中低于T_fa的目标，输出恒虚警检测结果。

2.根据权利要求1所述的基于深度神经网络的多目标恒虚警率检测方法，其特征在于，所述S1中仿真数据集的增强按照以下方式进行：

(1)使雷达中频信号具有动态信杂比

将所述仿真数据集对应的雷达中频信号的第k个目标的回波信号乘上其对应的回波功率

其中，P_c为杂波功率，SCR_k为第k个目标设置的动态信杂比

其中，为指定的平均SCR，为随机数，目的为使训练样本具有动态的SCR；u为SCR变化因子且服从高斯分布N(0，u²)；

(2)采用加性随机采样方法生成距离序列的方式使雷达中频信号具有动态目标数

其中，为第k个目标的距离，τ_k为采样距离间隔，表示为：

其中，D_W为采样距离窗口，与雷达测距范围一致；μ为缩放因子；s为距离变化因子，且服从高斯分布N(0，s²)；m为目标数，其为随机数，目的为使训练样本具有动态的目标数。

3.根据权利要求1所述的基于深度神经网络的多目标恒虚警率检测方法，其特征在于，所述深度神经网络检测器采用全连接神经网络。

4.根据权利要求1所述的基于深度神经网络的多目标恒虚警率检测方法，其特征在于，所述S5中基于泰勒级数的近似最大似然估计器为：

其中，

b^*＝Nα[g′(a)a-g(a)]

g(a)＝aexp(-a²/2)/[1-exp(-a²/2)]

a＝α/2

其中，α为截断深度。

5.根据权利要求4所述的基于深度神经网络的多目标恒虚警率检测方法，其特征在于，所述虚警调节门限T_fa为：