[发明专利]一种混沌小信号的检测方法及装置

说明书

本发明公开了一种混沌小信号的检测方法及装置，其中检测方法包括：采用C‑C法对待测海杂波信号进行相空间重构，确定相空间的嵌入维数和延迟时间；利用支持向量机单步预测模型，学习海杂波特征并对混沌小信号进行预测；利用麻雀搜索算法对影响支持向量机效果的系统参数惩罚系数和核函数参数进行优化；将利用麻雀搜索算法寻得的最佳参数惩罚系数和核函数参数，分析最佳参数下支持向量机检测混沌小信号的效果，对比支持向量机原信号与预测信号时频特性，从而确定是否检测出淹没在海杂波背景下的混沌小信号；本发明有效的从混沌背景中检测瞬态小信号，利用误差的频谱可以检测出周期小信号的存在。

技术领域

本发明涉及雷达信号处理领域，特别涉及一种混沌小信号的检查方法及装置。

背景技术

海杂波一般是指在雷达照射下，海面的后向散射回波。海杂波在海浪、潮汐等多种自然因素的影响下物理机制复杂多变，呈现非高斯、非线性、非平稳的特性。海浪尖峰造成的强回波会严重干扰雷达目标的检测。因此，研究混沌海杂波背景下的小目标检测方法，对建立海洋安全观测监测、海面目标检测系统具有重要的应用价值。

在使用支持向量机检测混沌背景中小信号时，受惩罚系数与核函数参数对检测精度影响较大，合理地选择参数对支持向量机性能的提升具有重要意义。传统寻优算法容易陷入局部最优且收敛速度慢，严重影响检测性能。

发明内容

为了解决上述问题，本发明提供一种检测门限低、检测效率高的混沌小信号的检测方法及装置。

为了实现上述目的，本发明一方面提供一种混沌小信号的检测方法，包括以下步骤：

步骤1：采用C-C法对待测海杂波信号进行相空间重构，确定相空间的嵌入维数和延迟时间；

步骤2：利用支持向量机单步预测模型，学习海杂波特征并对混沌小信号进行预测；

步骤3：利用麻雀搜索算法对影响支持向量机效果的惩罚系数和核函数参数进行优化，从而确定最佳的惩罚系数和核函数参数；

步骤4：分析最佳的惩罚系数和核函数参数下支持向量机检测混沌小信号的效果，对比支持向量机原信号与预测信号时频特性，从而确定是否检测出淹没在海杂波背景下的混沌小信号。

作为优选的一种技术方案，在步骤1中，所述的采用C-C法对待测海杂波信号进行相空间重构，进一步包括：

步骤1.1：对于一个时间序列的重构空间序列，利用关联积分可以求解混沌特征奇异吸引子的关联维数：

式中，为关联积分函数，为临界半径，m为相空间重构的嵌入维数；；

步骤1.2：对每个子列计算其统计量，然后利用统计学原理求出所有序列的平均统计量：

式中，表示对临界半径的最大偏差的均值，表示的平均统计量的绝对值；

步骤1.3：根据关联指数饱和时求得的最小嵌入维和利用统计学原理所求的嵌入延时窗，求得延迟时间和嵌入窗宽。

作为优选的一种技术方案，所述步骤2进一步包括：

步骤2.1：对于输入的训练集数据：，其中，，，回归估计函数为：

式中，为超平面权重；为函数阈值；为高维非线性函数；

步骤2.2：将公式（3）转化为凸优化问题，即：

式中，为支持向量机的为惩罚因子；、为松弛变量；表示损失函数；表示样本空间内的样本总数；

步骤2.3：将拉格朗日乘子法应用在式(4)、(5)，凸优化问题便被转化为等价对偶问题，空间的样本集合，则有：

式（6）中，；；、、、为拉格朗日算子；为核函数，此处选取RBF核函数，，利用支持向量回归机可将混沌时间序列的回归方程表示为：

。