[发明专利]基于矩阵信息几何的自适应雷达目标检测方法和装置

权利要求书

1.一种基于矩阵信息几何的自适应雷达目标检测方法，其特征在于，包括步骤：

获取当前的实时雷达回波数据；

利用构建的目标检测器对所述实时雷达回波数据进行雷达目标检测，输出目标检测结果；其中，所述目标检测器通过如下步骤构建：

采集无目标情形下的雷达回波数据；所述雷达回波数据为雷达发射的相参脉冲串对应的回波数据；

利用所述雷达回波数据，构建协方差矩阵向量化后的标签样本数据集；

根据所述标签样本数据集，构建基于指数损失的优化目标函数并进行测量参数粗优化处理；所述测量参数包括所述基于指数损失的优化目标函数的局部度量张量及门限；

根据所述标签样本数据集和粗优化处理后的所述测量参数，构建基于纽曼皮尔逊准则的优化目标函数并进行所述测量参数的精细优化处理，得到最优局部度量张量及最优门限；

利用所述最优局部度量张量及所述最优门限构建所述目标检测器。

2.根据权利要求1所述的基于矩阵信息几何的自适应雷达目标检测方法，其特征在于，利用构建的目标检测器对所述实时雷达回波数据进行雷达目标检测，输出目标检测结果的步骤，包括：

对所述实时雷达回波数据的每个距离单元，分别确定各所述距离单元的数据矢量；

分别计算各所述距离单元的数据矢量的协方差矩阵并计算各所述距离单元的均值矩阵；

分别根据各所述距离单元的均值矩阵计算各所述距离单元的最终特征矩阵，将各所述最终特征矩阵向量化后得到所述实时雷达回波数据的特征矢量数据；

将所述特征矢量数据输入所述目标检测器，得到所述目标检测结果。

3.根据权利要求1或2所述的基于矩阵信息几何的自适应雷达目标检测方法，其特征在于，利用所述雷达回波数据，构建协方差矩阵向量化后的标签样本数据集的步骤，包括：

对所述雷达回波数据的每个距离单元，分别确定各所述距离单元的数据矢量；

分别计算各所述距离单元的数据矢量的协方差矩阵并计算各所述距离单元的均值矩阵；

分别根据各所述距离单元的均值矩阵计算各所述距离单元的最终特征矩阵，将各所述最终特征矩阵向量化后得到所述雷达回波数据的第一特征矢量数据；

对各所述距离单元的数据矢量进行导向变换后，计算得到所述雷达回波数据的第二特征矢量数据；

分别对所述第一特征矢量数据和所述第二特征矢量数据进行标签赋值，生成所述标签样本数据集。

4.根据权利要求3所述的基于矩阵信息几何的自适应雷达目标检测方法，其特征在于，进行测量参数粗优化处理的过程，包括：

根据所述基于指数损失的优化目标函数，采用梯度下降算法进行多轮迭代处理，得到粗优化后的所述局部度量张量及门限；

其中，所述基于指数损失的优化目标函数为：

其中，为放大系数，f_s＝(1+e^-x)^-1为sigmoid函数，G＝H^TH为所述局部度量张量，H为雅可比矩阵，H^T为的H转置，η为所述门限，N_T为标签样本数据的总数量，为特征矢量数据，为的转置，l为标签样本数据的标签。

5.根据权利要求4所述的基于矩阵信息几何的自适应雷达目标检测方法，其特征在于，进行所述测量参数的精细优化处理的过程，包括：

根据所述基于纽曼皮尔逊准则的优化目标函数，采用最大最小过程进行多轮迭代优化处理，得到精细优化后的所述局部度量张量及门限；

其中，每一轮迭代优化处理中，采用梯度下降算法对所述基于纽曼皮尔逊准则的优化目标函数迭代设定轮数，得到最优雅可比矩阵及门限后，采用梯度下降算法对负的所述基于纽曼皮尔逊准则的优化目标函数进行一次优化变量更新。