[发明专利]一种基于相对样本熵的海面小目标特征检测方法

说明书

本发明公开了一种基于相对样本熵的海面小目标特征检测方法，包括以下步骤：获取CUT观测向量；计算多普勒谱；获得白化频谱；提取样本熵；获得相对样本熵；检测判决，判断出CUT中是否存在目标。本发明在频域定义白化频谱，增大海杂波和含目标回波之间在频谱上的差异性；改进样本熵算法，提取相对样本熵作为一种高效的单特征，融合了频谱在能量和几何方面的多元信息；通过此发明可以解决性能提升和计算量降低的矛盾问题，提高了低信杂比条件下海面小目标的检测概率。

技术领域

本发明涉及雷达信号处理技术领域，尤其是涉及一种基于相对样本熵的海面小目标特征检测方法。

背景技术

目前，小船、快艇、蛙人、飞机残骸等海面小目标已成为海洋雷达执行预警、探测和跟踪的重点和难点对象。由于海面小目标的信杂比(Signal-to-Clutter,SCR)处于临界可观测，雷达信号处理时往往需要长时观测累积技术以提升目标检测性能。

在秒级的长时观测下，学者们已发展了混沌理论、神经网络、分形理论、特征检测等多种理论用于海面小目标检测。在混沌理论框架下，海杂波是否可建模为混沌动力系统这一问题仍存在争议。随着人工智能的高速发展，基于神经网络学习的方法得到了新的发展，通过学习大量样本获得信息。但这类方法局限于需要大量的训练样本，特别是目标回波的样本非常稀少。考虑到实际雷达快速实现的要求，稳健高效的海面小目标检测方法大致分为两大类。第一类，基于分形理论的检测方法。分形理论能较好地刻画动态海面的非线性，大量学者研究了Hurst指数特性、多重分形特性、变换域上的分形特性，并将这些特性用于检测中。这类检测器简单但其观测时间通常需要长达几秒以上。第二类，基于特征的检测方法，关键在于寻找海杂波和含目标回波的差异性。从雷达回波统计特性出发，为了消除长时观测下复合高斯模型中纹理分量非平稳的影响，有学者提出了基于散斑一致性因子的特征检测器。从物理散射机理出发，有学者提出了基于极化三特征的检测器，多个特征的联合确实能带来性能的提升，但同时增加了算法的复杂性，降低算法的实时性和快速性。

发明内容

发明目的：为了克服背景技术中存在的缺陷，本发明公开了一种基于相对样本熵的海面小目标特征检测方法，本方法引入样本熵算法并改进，设计高效的单个特征，实现海面小目标检测性能的提升，能解决性能提升和计算量降低之间的矛盾，旨在提高雷达对海面小目标的探测能力。

技术方案：本发明所述的基于相对样本熵的海面小目标特征检测方法，包括以下步骤：

S1、假设雷达在一个距离单元接收到连续N个脉冲，这N个脉冲构成一个观测向量z＝[z(1),z(2),...,z(N)]^T，称为待检测单元CUT；同时，获得CUT周围P个参考单元的观测向量z_p,p＝1,2,...,P，构建目标检测问题；

S2、将S1中的CUT观测向量z和参考单元的观测向量z_p转换到多普勒域，计算得到多普勒幅度频谱，分别记为DAS(f_d|z)和DAS(f_d|z_p)；

S3、对S2中的DAS(f_d|z)进行白化处理获得白化频谱，记为WS(f_d|z)；同时，获得CUT周围参考单元的白化频谱WS(f_d|z_p)；

S4、对于S3中的CUT白化频谱序列WS(f_d|z)和参考单元WS(f_d|z_p)，分别计算得到样本熵，分别记为SE(z)和SE(z_p)；

S5、将S4中的SE(z)和周围P个单元样本熵SE(z_p)均值的比值，定义为相对样本熵，作为最终的检验统计量ξ；