[发明专利]非均匀背景下基于聚类处理的恒虚警检测方法

摘要

该发明公开了一种非均匀背景下基于聚类处理的恒虚警检测方法，属于雷达弱目标检测技术的领域，特别涉及了聚类分析和低信噪比下恒虚警(CFAR)检测技术。该方法首先进行地形分类，利用改进的K‑means算法自适应的确定最优聚类数(不同地形的数目)，基于最优聚类数对雷达监测区域按幅度大小进行聚类处理，实现地形分类，使分类之后的地形呈现出多种不同地形；然后对分类完成的地形进行编号；在恒虚警检测阶段，利用编号的地形，筛选与待检测单元具有相同地形的分辨单元作为参考单元，估计检测门限，实现恒虚警检测。从而具有在非均匀检测背景下具有通用性强、分类精度高的效果。

主权项

非均匀背景下基于聚类处理的恒虚警检测方法，该方法包括：步骤1、初始化参数包括：误差平方和J，二维CFAR参考窗大小Lmin×Lmin和Lmax×Lmax；步骤2、从雷达接收机中读取第i帧回波数据：Z(i)＝{zi(m,n)}其中，1≤m≤Nr,1≤n≤Na，m和n分别为距离向和方位向的量化状态，i为帧数；Nr是距离维量化的总单元个数，Na是方位向量化的总单元个数；zi(m,n)表示第i帧回波数据的量测单元(m,n)中的量测值，为回波数据的幅度；步骤3、设置聚类数范围[kmin,kmax]，其中，kmin为设定的聚类数的最小值，kmax为设定的聚类数的最大值；步骤4、初始各聚类中心值初始化I＝1，其中为第I次聚类的个聚类中心；步骤5、计算第I次聚类时每个量测值与聚类中心的距离D(Zi(m,n),Cj(I))＝|Zi(m,n)-Cj(I)|，其中，D(Zi(m,n),Cj(I))表示第I次聚类时量测单元(m,n)中的量测值与第j个聚类中心的距离，如果满足那么量测值Zi(m,n)属于类中的第l类；步骤6、计算第I次聚类的误差平方和准则函数：其中误差平方和准则函数J(I)是聚类的评价标准，表示由步骤5判断的属于第l类的雷达量测值，nl表示属于第l类的雷达量测值的总个数；步骤7、如果|J(I)-J(I-1)|>ε,则I＝I+1，然后计算个新的聚类中心Cj，新的个聚类中心的取值为：本次聚类结果中每类数据幅度的平均值，然后返回步骤5，否则进入步骤8；步骤8、当步骤7完成后，计算出该聚类结果的评价指标Sil：评价指标alp是第l类的第p个样本到第l类内其他样本的平均距离，blp是第l类内的第p个样本到其他每个类中样本平均距离的最小值；然后当返回步骤4；若则进入步骤9；步骤9、确定最优聚类数kopt以及最优聚类结果：利用公式kmin+1,……kmax求取最优聚类数，然后对应下的聚类结果即为最优的聚类结果；步骤10、将属于第l个聚类中心的量测值的地形编号l；步骤11、选取参考单元数据；若待检测单元所在地形面积小于参考单元要求的最小面积，则首先选取与待检测单元具有相同地形的所有分辨单元作为参考单元的一部分,然后选取与待检测单元所在位置距离最近的分辨单元来补充参考单元；若待检测单元所在地形面积大于参考单元要求的最大面积，则选取与待检测单元所在位置距离最近的分辨单元作为参考单元；若待检测单元所在地形面积小于参考单元要求的最大面积且大于最小面积，则选取与待检测单元具有相同地形的所有分辨单元作为参考单元；步骤12、利用选取的参考单元数据及与待检单元杂波统计特性匹配的传统CFAR检测器进行目标检测。