[发明专利]基于微动和多元高斯分布的空间目标异常状态检测方法

权利要求书

1.一种基于微动和多元高斯分布的空间目标异常状态检测方法，其特征在于，所述方法包括：

对待测样本进行预处理，得到服从一维高斯分布的待测样本；

确定所述服从一维高斯分布的待测样本在多维联合概率密度函数中的概率密度函数值；

基于概率密度函数阈值，根据所述概率密度函数值确定所述待测样本的状态。

2.如权利要求1所述的方法，其特征在于，在所述确定所述服从一维高斯分布的待测样本在多维联合概率密度函数中的概率密度函数值之前，还包括：

根据空间目标正常状态提取积累的雷达多维微动特征，构建目标多维微动特征库；

对所述目标多维微动特征库中每一维特征向量进行预处理，得到预处理后的目标多维微动特征库，所述预处理后的目标多维微动特征库中每一维特征向量服从一维高斯分布；

将所述预处理后的目标多维微动特征库中所有特征向量进行多元高斯分布拟合，得到目标多维联合概率密度函数。

3.如权利要求2所述的方法，其特征在于，所述将所述预处理后的目标多维微动特征库中所有特征向量进行多元高斯分布拟合，得到目标多维联合概率密度函数，包括：

基于最大似然估计算法确定预处理后的目标多维微动特征库的样本均值以及协方差矩阵；

基于所述样本均值以及协方差矩阵，确定目标多维联合概率密度函数。

4.如权利要求3所述的方法，其特征在于，所述基于所述样本均值以及协方差矩阵，确定目标多维联合概率密度函数，包括：

根据下式确定所述样本均值：

其中，为样本均值，为预处理后的目标多维微动特征库对应的M维随机向量；

根据下式确定所述协方差矩阵：

其中，为协方差矩阵，S为离差阵；

对所述协方差矩阵进行修正，根据下式确定所述协方差矩阵的无偏估计量；

其中，为协方差矩阵的无偏估计量，S为离差阵；

根据协方差矩阵的无偏估计量以及样本均值确定所述目标多维联合概率密度函数，根据下式确定所述目标多维联合概率密度函数：

其中，det(·)表示求矩阵行列式运算，(·)^T表示转置算子。

5.如权利要求1所述的方法，其特征在于，所述基于概率密度函数阈值，根据所述概率密度函数值确定所述待测样本的状态之前，还包括：

基于所述目标多维联合概率密度函数的置信水平，确定置信区域；

确定所述置信区域的边界对应的概率密度函数阈值。

6.如权利要求5所述的方法，其特征在于，所述基于概率密度函数阈值，根据所述概率密度函数值确定所述待测样本的状态，包括：

基于置信区域，确定初始判决准则；

基于奈曼一皮尔逊准则，根据初始判决准则以及概率密度函数阈值确定判决准则；

基于判决准则，根据所述概率密度函数值确定所述待测样本的状态。

7.如权利要求6所述的方法，其特征在于，所述基于判决准则，根据所述概率密度函数值确定所述待测样本的状态，包括：

若概率密度函数值小于概率密度函数阈值，则所述待测样本为正常状态；

若概率密度函数值不小于概率密度函数阈值，则所述待测样本为异常状态。

8.一种基于微动和多元高斯分布的空间目标异常状态检测装置，其特征在于，所述装置包括：

样本处理模块，用于对待测样本进行预处理，得到服从一维高斯分布的待测样本；

函数确定模块，用于确定所述服从一维高斯分布的待测样本在多维联合概率密度函数中的概率密度函数值；

状态确定模块，用于基于概率密度函数阈值，根据所述概率密度函数值确定所述待测样本的状态。