[发明专利]一种基于特征杂波图的海面低空小目标检测方法

说明书

本发明公开了一种基于特征杂波图的海面低空小目标检测方法包括如下步骤S1：获取纯海杂波背景若干个CPI内雷达回波数据，得到纯海杂波背景下的特征杂波图矩阵。S2：获取待测回波数据，得到待测回波特征矩阵。S3：基于特征杂波图矩阵和待测回波特征矩阵进行杂波图判决处理，提取得到待测目标所在的距离单元信息。S4：基于距离单元信息对待测目标进行测速、测角处理。本发明通过提取有效的目标和海杂波区别特征，建立纯海杂波背景下的特征杂波图，通过帧间积累杂波图逐渐稳定，使目标和海杂波的判别不受奇异特征值影响，维度可控，所占用的存储空间小。另外，有效的控制检测概率和虚警概率，保证了检测性能，降低了目标漏检以及虚警问题。

技术领域

本发明属于雷达信号处理技术领域，尤其涉及一种基于特征杂波图的海面低空小目标检测方法。

背景技术

雷达探测海面低空小目标时面临着很多问题：1、雷达探测的目标具有 RCS小、飞行速度慢、飞行高度低等特点；2、海面环境复杂，低空的小目标会淹没在强海杂波中，导致雷达对目标的检测性能严重下降；3、对雷达检测的实时性要求很高，要求雷达在每个CPI(相干处理周期)内具有实时检测的能力。

传统的雷达信号处理中，一般通过频域滤波的方式实现海杂波背景下的目标检测，但由于海杂波的非平稳、非高斯、随时间动态变化等特性，使得海杂波多普勒谱展宽严重，杂波谱中心的测量和其谱宽估计成为一个难题，因此传统的自适应动目标显示AMTI、动目标检测MTD等频域滤波方法已经不再适用。

传统的杂波图是存储在存储器中的雷达威力范围内的杂波强度分布图，天线扫描一周形成一幅完整的杂波图，一般需经过数个至数十个天线扫描周期才能建立起比较稳固的杂波图。杂波图法适用于固定地物杂波背景下的目标检测，但对于多普勒展宽严重、杂波谱中心偏移的海杂波不再适用，并且受杂波图维度以及存储空间的影响，强度杂波图对存储空间的要求很高，对于高分辨、高数据量的雷达不再适用。

Peng-Lang Shui等人于2014年发表在IEEE Transactions on Aerospace andElectronic Systems上名称为“Tri-feature-based detection of floating smalltargets in sea clutter”的论文，公开了一种基于三特征检测器提取海面目标的方法，该方法将海杂波背景下的目标检测问题转化为分类问题，将三维凸包算法引入到目标和海杂波的特征分类中，通过提取有效的海杂波和目标的三维特征，形成纯海杂波与目标加海杂波两类之间的判别空间，进而判别待检测回波属于纯海杂波类还是目标加海杂波类。这类方法对于检测海面低空小目标具有明显的优势，但是该方法只能在三维特征空间中使用。为扩展特征维度，该团队将支持向量机、K邻近、神经网络等机器学习方法引入到高维特征空间的分类问题中，该方法具有更好的鲁棒性和检测效果，但使用机器学习方法首先需要获取大量的训练样本，对于雷达探测的海面低空小目标而言，可获取的目标样本数量较少，样本获取难度较大。同时，机器学习方法在训练特征检测器时，会受到个别奇异样本特征的影响，无法实现对虚警率的有效控制，使得雷达对海面低空小目标的检测概率降低，虚警概率提高。

发明内容

本发明的技术目的是提供一种基于特征杂波图的海面低空小目标检测方法，以解决现有技术问题。

为解决上述问题，本发明的技术方案为：

一种基于特征杂波图的海面低空小目标检测方法包括如下步骤：

S1：获取纯海杂波背景下若干个相参处理周期CPI内雷达回波数据，依次按照脉冲重复周期PRT进行重排、脉冲压缩以及数据提取特征，将若干个 CPI的特征矩阵迭代后得到纯海杂波背景下的特征杂波图矩阵；

S2：获取一个相参处理周期CPI内的待测回波数据，依次按照PRT进行重排、脉冲压缩以及数据提取特征，得到待测回波特征矩阵；

S3：基于特征杂波图矩阵和待测回波特征矩阵进行杂波图判决处理，提取得到待测目标所在的距离单元信息；