[发明专利]雷达距离扩展目标自适应智能融合检测方法

摘要

本发明公开了一种高距离分辨率雷达距离扩展目标自适应智能融合检测方法，属于雷达信号处理领域。在杂波背景未知情况下，为了克服现有距离扩展目标统计检测方法对杂波和目标环境适应能力差等不足，本发明提出一种距离扩展目标自适应智能融合检测方法；该方法对雷达回波一维距离像进行归一化处理，利用杂波一维距离像的数据域描述特征进行融合优化，建立单类支持向量机恒虚警率检测方法，通过调整核函数参数保证检测方法的恒虚警率特性，并依据检测结果更新杂波数据库；无需对杂波背景进行统计建模，适用于正负样本数量严重不对称的雷达目标检测环境，具有很强的虚警控制能力，运算量小便于工程实现，具有推广应用价值。

主权项

雷达距离扩展目标自适应智能融合检测方法，其特征在于包括以下步骤：步骤1从杂波数据库中提取训练样本通过对待检测区域周围的无目标范围进行雷达照射，获得与待检测单元邻近的不包含目标的杂波辅助数据，建立初始杂波数据库；从数据库中提取待检测区域周围的N个雷达杂波一维距离像数据xi,i＝1,...,N作为训练样本，其中，由M个距离单元回波幅值组成的一维距离像xi可以表示为：xi＝[xi(1),...,xi(m)...,xi(M)]    (1)式中，xi(m)表示第i个训练样本xi中第m个距离单元对应的幅值分量；步骤2对训练样本进行归一化处理对训练样本中的距离像xi的每个元素分别进行能量归一化，得到归一化一维距离像其中，x‾i(m)=xi(m)Σm=1M|xi(m)|2,m=1,...,M---(2)]]>步骤3利用训练样本对OCSVM进行训练，计算优化参数和虚警概率首先，利用N个归一化的训练样本i＝1,...,N对OCSVM进行训练，对训练样本进行融合提取，获得最优参数，即求解式(3)中L的极小值所对应的优化参数αi,i＝1,...,N：L=Σj=1NΣi=1Nαiαjk(x‾i,x‾j,σ)-Σi=1Nαik(x‾i,x‾j,σ)---(3)]]>且需满足0≤αi≤C和其中，C为惩罚因子，满足1/N≤C≤1，C取0.2～0.4，为避免混淆，式中αj与αi含义相同，只是所用下标不同；表示参数为σ的核函数，采用高斯核函数：k(x‾i,x‾j,σ)=exp(-||x‾i-x‾j||2σ2)---(4)]]>其次，在获得OCSVM的优化参数αi后，可根据式(5)计算杂波被误判为雷达目标的概率Pfa，即虚警概率：Pfa=NSN---(5)]]>其中，NS表示N个训练样本中支持向量的个数，即满足αi＞0的优化参数的个数；步骤4根据预设的虚警概率调整参数为了达到预设的虚警概率PFA，可将式(5)计算得到的虚警概率Pfa与预设值PFA进行比较，若|Pfa‑PFA|/PFA小于预设误差限q0，则将当前优化参数记为最终的优化参数i＝1,...,N；反之，若|Pfa‑PFA|/PFA不小于预设误差限q0，则做如下调整：若Pfa＜PFA，则根据二者的差值大小适当减小核参数σ，若Pfa＞PFA，则根据二者的差值大小适当增大核参数σ；利用调整后的核参数σ重复步骤3的操作，获得新的优化参数αi,i＝1,...,N，并根据式(5)计算相应的虚警概率Pfa；步骤5计算检测判决门限根据Pfa与预设值PFA的大小关系，重复步骤4的操作，直至|Pfa‑PFA|/PFA小于预设误差限q0为止，并将此时的优化参数记为最终的优化参数i＝1,...,N；利用某个满足的参数计算雷达目标检测的判决门限T：T=k(x‾i-Σj=1Nα~jx‾j,x‾i-Σj=1Nα~jx‾j,σ)---(6)]]>步骤6对待检测的雷达回波一维距离像进行归一化处理和检测判决对待检测区域的M个距离单元回波幅值x(m),m＝1,...,M组成的雷达回波一维距离像x＝[x(1),...,x(m)…,x(M)]进行目标检测：首先，对x进行归一化处理，得到归一化一维距离像其中，x‾(m)=x(m)Σm=1M|x(m)|2,m=1,...,M---(7)]]>然后，利用训练后的OCSVM对进行检测判决，若不等式(8)成立：k(x‾,x‾,σ)-2Σi=1Nα~ik(x‾,x‾i,σ)+Σj=1NΣi=1Nα~iα~jk(x‾i,x‾j,σ)≥T---(8)]]>则判定待检测区域存在目标；否则，判定目标不存在；步骤7根据检测结果更新杂波数据库若步骤6中待检测区域被判定为不存在目标，则将一维距离像x加入杂波数据库进行更新。