基于塊白化雜波抑制的時頻雙特征海面小目標(biāo)檢測方法
【專利摘要】本發(fā)明公開了一種基于塊白化雜波抑制的時頻雙特征海面小目標(biāo)檢測方法，主要解決現(xiàn)有技術(shù)在較短觀測時間內(nèi)對海面小目標(biāo)檢測概率較低的問題。其實(shí)現(xiàn)過程是：1對純雜波數(shù)據(jù)的訓(xùn)練單元時間序列和參考單元時間序列進(jìn)行塊白化；2提取訓(xùn)練單元的時頻雙特征向量；3利用提取的特征向量組成凸包，并利用凸包學(xué)習(xí)算法得到判決區(qū)域；4提取待檢測單元的時頻雙特征向量；5根據(jù)構(gòu)成判決區(qū)域的凸包和待檢測單元的時頻雙特征向量，計算檢測統(tǒng)計量；6根據(jù)檢測統(tǒng)計量判斷是否存在目標(biāo)，若檢測統(tǒng)計量大于零，判定目標(biāo)存在，反之，判定目標(biāo)不存在。本發(fā)明在較短觀測時間內(nèi)可對海雜波背景下漂浮小目標(biāo)進(jìn)行有效檢測，可用于對海面漂浮、慢速小目標(biāo)的識別與跟蹤。
【專利說明】
基于塊白化雜波抑制的時頻雙特征海面小目標(biāo)檢測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于信號處理技術(shù)領(lǐng)域，具體涉及一種目標(biāo)檢測方法，可用于對海面漂浮、 慢速小目標(biāo)的識別與跟蹤。
【背景技術(shù)】
[0002] 海雜波是雷達(dá)接收到的從海表面反射回來的雷達(dá)回波，海面搜索雷達(dá)在對海探測 時，特別是對海面上諸如小船、浮冰、漂浮物等漂浮小目標(biāo)進(jìn)行檢測時，難免會受到海雜波 的影響。海雜波的強(qiáng)度會隨雷達(dá)參數(shù)、雷達(dá)照射方向、海況等的不同而發(fā)生改變。在高分辨 海雜波背景下，雜波呈現(xiàn)出較強(qiáng)的非高斯特性，海尖峰的存在導(dǎo)致利用時域能量累積的目 標(biāo)檢測方法出現(xiàn)大量虛警，因此，漂浮小目標(biāo)很難通過傳統(tǒng)能量累積的方法進(jìn)行檢測。
[0003] 為解決這一難題，很多學(xué)者對此做出了大量的研究。隨著海雜波統(tǒng)計模型的不斷 完善，許多自適應(yīng)檢測方法被提出，該類方法將海雜波建模為復(fù)合高斯模型，由于海雜波的 空時非平穩(wěn)特性，該類方法需要先對海雜波進(jìn)行抑制，具有一定的局限性。文獻(xiàn)"Hu，J.， Tung,ff.ff.and Gao,J.B.:Detection of low observable targets within sea clutter by structure function based multifractal analysis，IEEE Trans . Antennas Propag. ,54(1): 136-143,2006."中提出基于海面分形特征的檢測方法，可在觀測時間較長 時有效的檢測目標(biāo)，然而雷達(dá)通常無法對單一波位進(jìn)行長時間的駐留觀測，因此基于分形 特征的檢測器很難推廣到實(shí)際應(yīng)用中。
[0004] 對海面漂浮小目標(biāo)的檢測，很多方法以海雜波滿足某種統(tǒng)計模型為假設(shè)前提，然 而現(xiàn)有統(tǒng)計模型很難描述海雜波的復(fù)雜特性，這導(dǎo)致檢測結(jié)果具有一定的局限性；自適應(yīng) 檢測方法在海況較復(fù)雜時，即當(dāng)目標(biāo)與雜波在多普勒域無法區(qū)分時，無法對海面漂浮或低 速小目標(biāo)進(jìn)行檢測；基于分形的目標(biāo)檢測方法在觀測時間較長時能達(dá)到很好的檢測結(jié)果， 當(dāng)觀測時間縮短時，檢測性能會有明顯下降，無法滿足對海搜索雷達(dá)的要求。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于針對上述已有技術(shù)的不足，提出一種基于塊白化雜波抑制的時 頻雙特征海面小目標(biāo)檢測方法，以提高對海面漂浮小目標(biāo)的檢測性能，滿足雷達(dá)對海搜索 的要求。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案包括如下：
[0007] (1)從回波數(shù)據(jù)中選取訓(xùn)練單元、參考單元和待檢測單元：
[0008] 利用雷達(dá)發(fā)射機(jī)對海面發(fā)送信號，利用雷達(dá)接收機(jī)接收由海面反射回來的回波數(shù) 據(jù)，該回波數(shù)據(jù)分為純雜波數(shù)據(jù)和包含目標(biāo)的回波數(shù)據(jù)；
[0009] 從純雜波數(shù)據(jù)中選取部分距離單元作為一組訓(xùn)練單元，該訓(xùn)練單元時間序列z為： z = [z(l)，z(2)，···，z(N)]，從訓(xùn)練單元周圍選取Q個臨近單元作為參考單元，該參考單元時 間序列如為:如=[如（1)，如(2)，~，如0)]，？=1，2，~，〇,〇為參考單元數(shù)』為時間序列的長 度；
[0010] 從包含目標(biāo)的回波數(shù)據(jù)中選取部分距離單元作為待檢測單元τ;
[0011] (2)對純雜波回波數(shù)據(jù)的訓(xùn)練單元時間序列ζ和參考單元時間序ζΡ進(jìn)行塊白化，得 到白化后的訓(xùn)練單元時間序列i和白化后的參考單元時間序列\(zhòng) :
[0012] i 二[i ⑴·?(2),.··-:(Λ，)]， ％ = [f (2). ·，··￡"(.~)];
[0013] (3)利用白化后的訓(xùn)練單元時間序列￡和白化后的參考單元時間序列&，提取訓(xùn) 練單元的相對脊能量L(z)和訓(xùn)練單元的相對脊全變差ξ 2(ζ)這兩種特征，構(gòu)造純雜波數(shù)據(jù) 的時頻雙特征向量1:1 = [|1(2)，|2(2)]1'，其中卜]1'表示對矩陣進(jìn)行轉(zhuǎn)置；
[0014] (4)利用純雜波數(shù)據(jù)的時頻雙特征向量ξ，在二維特征空間中獲得二維凸包 C// (S)，并在給定虛警概率PFT，利用貪婪凸包學(xué)習(xí)算法對二維凸包C7/XQ進(jìn)行收縮，并將 收縮后的凸包作為檢測判決區(qū)域Ω ;
[0015] (5)對待檢測單元T提取相對脊能量|1(1')和相對脊全變差|2(1')這兩種特征，構(gòu)造 待檢測單元的時頻雙特征向量:ξτ=[ξι(Τ)，ξ2(Τ)] τ;
[0016] (6)根據(jù)構(gòu)成檢測判決區(qū)域Ω的凸包特性和待檢測單元的時頻雙特征向量ξτ= [ξι (Τ)，ξ2(Τ)]τ，計算檢測統(tǒng)計量ω:
[0018] 其中，min{ · }表示取最小值，det( ·)表示求矩陣行列式，r為組成凸包的頂點(diǎn)的 個數(shù)，xj表示第j個凸包頂點(diǎn)的相對脊能量，yj表示第j個凸包頂點(diǎn)的相對脊全變差，j = 1， 2 , . . . , !Γ ;
[0019] (7)根據(jù)檢測統(tǒng)計量ω的大小判斷目標(biāo)是否存在:如果檢測統(tǒng)計量ω大于零，表明 待檢測單元的時頻雙特征向量ξτ在檢測判決區(qū)域Ω外，則判定目標(biāo)存在，反之，判定目標(biāo)不 存在。
[0020] 本發(fā)明與現(xiàn)有技術(shù)比較具有以下優(yōu)點(diǎn)：
[0021] 1)本發(fā)明從海雜波序列中提取出兩種不同的時頻特征，并聯(lián)合利用這兩種時頻特 征對純海雜波數(shù)據(jù)與含有目標(biāo)的回波數(shù)據(jù)的區(qū)分能力完成對海面目標(biāo)的檢測，相比利用單 一特征的傳統(tǒng)檢測方法，可以在較短觀測時間內(nèi)獲得更好的檢測效果。
[0022] 2)本發(fā)明利用了貪婪凸包學(xué)習(xí)算法，由于計算量小，可以迅速的得到檢測判決區(qū) 域，提高了檢測器的訓(xùn)練速度，更適合運(yùn)用于實(shí)際應(yīng)用中。
[0023] 3)本發(fā)明利用塊白化來抑制雜波，同時增強(qiáng)目標(biāo)回波，利用平均散斑協(xié)方差矩陣 來代替直接估計得到的協(xié)方差矩陣，有效減小了白化過程中目標(biāo)能量的分塊效應(yīng)。
【附圖說明】
[0024] 圖1是本發(fā)明的實(shí)現(xiàn)流程圖；
[0025] 圖2是在觀測時間為512ms時，用本發(fā)明與現(xiàn)有兩種檢測方法在四種極化下的檢測 性能比較圖。
[0026] 圖3是在觀測時間為1024ms時，用本發(fā)明與現(xiàn)有兩種檢測方法在四種極化下的檢 測性能比較圖。
【具體實(shí)施方式】
[0027] 參照圖1，本發(fā)明分為兩部分，第一部分為訓(xùn)練部分，第二部分為檢測部分，其具體 步驟如下：
[0028] -.訓(xùn)練部分
[0029]步驟1，獲取回波數(shù)據(jù)，并從回波數(shù)據(jù)中選取訓(xùn)練單元、參考單元和待檢測單元。
[0030] 利用雷達(dá)發(fā)射機(jī)對海面發(fā)送信號，利用雷達(dá)接收機(jī)接收由海面反射回來的回波數(shù) 據(jù)，該回波數(shù)據(jù)分為純雜波數(shù)據(jù)和包含目標(biāo)的回波數(shù)據(jù)；
[0031] 從純雜波數(shù)據(jù)中選取部分距離單元作為一組訓(xùn)練單元，該訓(xùn)練單元時間序列z為： z = [z(l)，z(2)，···，z(N)]，從訓(xùn)練單元周圍選取Q個臨近單元作為參考單元，該參考單元時 間序列如為:如=[如（1)，以2)，~，如0)]，？=1，2，~，〇,〇為參考單元數(shù)』為時間序列的長 度；
[0032] 從包含目標(biāo)的回波數(shù)據(jù)中選取部分距離單元作為待檢測單元T。
[0033] 步驟2,對純雜波回波數(shù)據(jù)的訓(xùn)練單元時間序列z和參考單元時間序^進(jìn)行塊白 化。
[0034] 塊白化是指:將時間序列分為互不重疊的短向量塊，利用參考單元時間序列估計 出的每一短向量塊的散斑協(xié)方差矩陣，對每個短向量塊進(jìn)行白化，其步驟如下：
[0035] (2a)將訓(xùn)練單元時間序列z和參考單元時間序列zP分別平均分成長度為Μ的互不 重疊的短向量，ΒΡ:
[0036] Ζ = [Ζ1，Ζ2，…，Zm，…，ΖΝ/Μ]，
[0037] Zp= [Zp, 1，Zp, 2，…，Zp,m，…，Zp,N/M]，P = 1，2，...，Q
[0038] 其中，Zm表示訓(xùn)練單元時間序列的第m個短向量，zP,m表示參考單元時間序列的第m 個短向量，m=l，2，···，N/M;
[0039] (2b)利用上述每個短向量，對訓(xùn)練單元時間序列z和參考單元時間序2[)進(jìn)行塊白 化，得到白化后的訓(xùn)練單元時間序列會和白化后的參考單元時間序列
[0042] 其中，= (0.25(:^ + 0.5% + 0.25C,"+1) 表示白化后的訓(xùn)練單元時間序列的 第m個短向量，?ρ;" =(0.25(^ +0.5C", +0.25C,"+1) ，表示白化后的參考單元時間序列 的第m個短向量表示參考單元時間序列的第m個短向量zP,m的散斑協(xié)方差矩陣估計；
[0043] 參考單元時間序列的第m個短向量zP,m的散斑協(xié)方差矩陣估計?",，可通過現(xiàn)有的 最大似然估計法、歸一化樣本協(xié)方差矩陣估計法、近似最大似然估計法中的任意一種方法 估計得到，本實(shí)例采用近似最大似然估計法得到z P,m的散斑協(xié)方差矩陣估計。
[0044] 步驟3,利用上述白化后的訓(xùn)練單元時間序列i和白化后的參考單元時間序列％， 提取訓(xùn)練單元的相對脊能量L(z)和訓(xùn)練單元的相對脊全變差ξ 2(ζ)這兩種特征，構(gòu)造純雜 波數(shù)據(jù)的時頻雙特征向量ξ。
[0045] (3a)計算訓(xùn)練單元的平滑維格納-威利分布VV("，/，i)和參考單元的平滑維格納- 威利分布D:
[0048] 其中，上標(biāo)*表示共輒，g(m)為時間平滑窗，h(k)為頻率平滑窗，Ε表示時間平滑窗 長的一半，F(xiàn)表示頻率平滑窗長的一半，Afd為歸一化多普勒頻率的采樣間隔，n=l，2,…， Ν，1 = 1，2，···，Ν;
[0049] 這里的時間平滑窗和頻率平滑窗采用但不限于漢寧窗，海明窗，布萊克曼窗，凱瑟 窗，本實(shí)例采用長度為31的凱瑟窗作為時間平滑窗，長度為63的凱瑟窗作為頻率平滑窗；
[0050] (3b)利用訓(xùn)練單元的平滑維格納-威利分布W(〃./,約和參考單元的平滑維格納- 威利分布計算訓(xùn)練單元的時頻脊Rd(n)，訓(xùn)練單元的脊全變差TV(z)，參考單元 的時頻脊Rd(n，p)以及參考單元的脊全變差TV(zP):
[0056] (3c)利用訓(xùn)練單元的時頻脊Rd(n)和參考單元的時頻脊Rd(n，p)，計算訓(xùn)練單元的 脊能量RE(z)和參考單元的脊能量RE(zP):
[0059] (3d)計算訓(xùn)練單元的相對脊能量ξΚζ)和訓(xùn)練單元的相對脊全變差ξ2(ζ):
[0061] (3e)利用訓(xùn)練單元的相對脊能量ξΚζ)和訓(xùn)練單元的相對脊全變差ξ2(ζ)，構(gòu)造純 雜波數(shù)據(jù)的時頻雙特征向量ξ:
[0062] ξ = [ξι(ζ)，ξ2(ζ)]τ，
[0063] 其中，[· ]7表示對矩陣進(jìn)行轉(zhuǎn)置。
[0064]步驟4,利用純雜波數(shù)據(jù)的時頻雙特征向量ξ，通過凸包學(xué)習(xí)算法確定檢測判決區(qū) 域Ω。
[0065]現(xiàn)有的凸包學(xué)習(xí)算法有：快速凸包學(xué)習(xí)算法，貪婪凸包學(xué)習(xí)算法，Graham掃描法， 禮品包裹法，本實(shí)例采用貪婪凸包學(xué)習(xí)算法確定檢測判決區(qū)域Ω。
[0066] (4a)利用純雜波數(shù)據(jù)的時頻雙特征向量ξ，組成訓(xùn)練樣本集合S:
[0068] 其中表示第i個訓(xùn)練樣本的時頻雙特征向量，f(z)表示第i個訓(xùn)練樣本的相對脊 能量，|(z)表示第i個訓(xùn)練樣本的相對脊全變差，I為訓(xùn)練樣本數(shù)目，本實(shí)例取訓(xùn)練樣本數(shù)為 20000個；
[0069] (4b)利用訓(xùn)練樣本集合S，得到一個屬于特征平面的集合Ψ :
[0071] 其中，I；表示訓(xùn)練樣本的相對脊能量的平均值，f2表示訓(xùn)練樣本的相對脊全變差的 平均值；
[0072] (4c)計算訓(xùn)練樣本集合S組成的凸包:
[0073] (Sf (S)二.β〇細(xì)〇?{.%，v2, ' ·., V.,，…，V J，.
[0074] 其中，polygon{ · }表示由?組成的凸多邊形，Vj為組成凸包的第j個頂點(diǎn)，j = l, 2，…，r，r為組成凸包的所有頂點(diǎn)的個數(shù)；
[0075] (4d)計算在凸包中去掉一個凸包頂點(diǎn)vj后的凸包面積減小量Δ (vj):
[0076] Δ( ν;) = area{C/-i\S) Π Φ) - area{CK{S - [ v,.}) Γ| Φ').
[0077] 其中，area表示凸包的面積，Π 表示集合的取交運(yùn)算，表示從凸包 CW⑶中刪除凸包頂點(diǎn)~后的集合；
[0078] (4e)找出使凸包面積減少量Δ (Vj)最大的頂點(diǎn)v*:
[0081] (4f)將上述頂點(diǎn)ν*從訓(xùn)練樣本集合S中去除，得到新的訓(xùn)練樣本集合S' =s-{v*};
[0082] (4g)重復(fù)步驟4a)至4f)，總共去除C= [I XPF]個相應(yīng)的凸包頂點(diǎn)，最終得到收縮 后的凸包即為滿足虛警概率Pf的檢測判決區(qū)域Ω，其中，[IXPF]表示取IXPF的整數(shù)部分。
[0083] 二·檢測部分
[0084] 步驟5,提取待檢測單元T的時頻雙特征向量ξτ。
[0085] 在訓(xùn)練環(huán)節(jié)中，利用貪婪凸包學(xué)習(xí)算法得到判決區(qū)域Ω后，即可進(jìn)行檢測，檢測時 需先對待檢測單元Τ提取相對脊能量|1⑴和相對脊全變差ξ 2⑴這兩種特征，構(gòu)造待檢測單 元的時頻雙特征向量:ξτ = [ ξι (Τ)，ξ2⑴]τ。
[0086] 5a)待檢測單元Τ的時間序列為4=[了（1)，1'(2)，"_，1'(?]，在待檢測單元1'的周圍 選取Q個臨近單元作為參考單元，該參考單元時間序列為:ΤΡ=[ΤΡ(1)，ΤΡ(2)，···，Τ Ρ(Ν)]，ρ =1，2,…，Q;N為時間序列的長度；
[0087] 5b)對待檢測單元T的時間序列和參考單元時間序!^進(jìn)行塊白化，得到白化后的待 檢測單元時間序列和白化后的參考單元時間序列；
[0088] 5c)利用白化后的待檢測單兀時間序列和白化后的參考單兀時間序列，提取待檢 測單元的相對脊能量L(T)和待檢測單元的相對脊全變差|2(1')這兩種特征，得到待檢測單 元T的時頻雙特征向量:ξτ = [ ξι (T)，ξ2⑴]τ。
[0089] 步驟6,根據(jù)構(gòu)成檢測判決區(qū)域Ω的凸包特性和待檢測單元的時頻雙特征向量ξτ， 計算檢測統(tǒng)計量ω。
[0090] (6a)利用待檢測單元的時頻雙特征向量ξτ和凸包頂點(diǎn)計算矩陣行列式：
[0092]其中，det( ·)表示求矩陣行列式，幻表示第j個凸包頂點(diǎn)的相對脊能量，η表示第j 個凸包頂點(diǎn)的相對脊全變差，j = l，2,. . .，r;
[0093] (6b)取上述矩陣行列式的最小值，得到檢測統(tǒng)計量ω :
[0095] 其中，min{ · }表示取最小值。
[0096]步驟7，根據(jù)檢測統(tǒng)計量ω的大小判斷目標(biāo)是否存在：如果檢測統(tǒng)計量ω大于零， 表明待檢測單元的時頻雙特征向量ξτ在檢測判決區(qū)域Ω外，貝IJ判定目標(biāo)存在，反之，判定目 標(biāo)不存在。
[0097]下面結(jié)合仿真實(shí)驗(yàn)對本發(fā)明的效果做進(jìn)一步說明。
[0098] 一.實(shí)驗(yàn)數(shù)據(jù)
[0099]本實(shí)例所用數(shù)據(jù)為12組IPIX雷達(dá)獲取的實(shí)測海雜波數(shù)據(jù)，雷達(dá)架設(shè)高度為30m，脈 沖重復(fù)頻率為1000Hz，距離分辨率為30m;每組數(shù)據(jù)包含四種極化數(shù)據(jù)，其中兩種為同極化 數(shù)據(jù)HH、VV，兩種為交叉極化數(shù)據(jù)HV、VH。其中有10組數(shù)據(jù)是在93年采集的海雜波數(shù)據(jù)，每種 極化數(shù)據(jù)包括14個距離單元，數(shù)據(jù)長度為2 17，目標(biāo)是直徑為1米的圓球，表面用金屬絲包裹； 剩余2組數(shù)據(jù)是98年采集的海雜波數(shù)據(jù)，每種極化數(shù)據(jù)包括28個距離單元，數(shù)據(jù)長度為 60000，目標(biāo)是一艘小漂浮艇。
[0100]二.仿真實(shí)驗(yàn)
[0101]仿真1，在觀測時間為512ms時，利用本發(fā)明與基于分形的檢測方法和基于三特征 的檢測方法，在四種極化數(shù)據(jù)下對雷達(dá)檢測性能進(jìn)行仿真對比，結(jié)果如圖2所示。其中圖2 (a)為同向HH極化數(shù)據(jù)下的雷達(dá)檢測性能比較圖；圖2(b)為同向VV極化數(shù)據(jù)下的雷達(dá)檢測 性能比較圖；圖2(c)為異向HV極化數(shù)據(jù)下的雷達(dá)檢測性能比較圖；圖2(d)為異向VH極化數(shù) 據(jù)下的雷達(dá)檢測性能比較圖；
[0102] 從圖2可以看出，本發(fā)明對海面漂浮小目標(biāo)的檢測性能優(yōu)于現(xiàn)有兩種檢測方法的 檢測性能。
[0103] 仿真2，在觀測時間為1024ms時，利用本發(fā)明與基于分形的檢測方法和基于三特征 的檢測方法，在四種極化數(shù)據(jù)下對雷達(dá)檢測性能進(jìn)行仿真對比，結(jié)果如圖3所示。其中圖3 (a)為同向HH極化數(shù)據(jù)下的雷達(dá)檢測性能比較圖；圖3(b)為同向VV極化數(shù)據(jù)下的雷達(dá)檢測 性能比較圖；圖3(c)為異向HV極化數(shù)據(jù)下的雷達(dá)檢測性能比較圖；圖3(d)為異向VH極化數(shù) 據(jù)下的雷達(dá)檢測性能比較圖；
[0104]從圖3可以看出，本發(fā)明與現(xiàn)有兩種檢測方法相比，對海面漂浮小目標(biāo)的檢測性能 更好。
【主權(quán)項(xiàng)】
1. 一種基于塊白化雜波抑制的時頻雙特征海面小目標(biāo)檢測方法，包括： (1) 從回波數(shù)據(jù)中選取訓(xùn)練單元、參考單元和待檢測單元： 利用雷達(dá)發(fā)射機(jī)對海面發(fā)送信號，利用雷達(dá)接收機(jī)接收由海面反射回來的回波數(shù)據(jù)， 該回波數(shù)據(jù)分為純雜波數(shù)據(jù)和包含目標(biāo)的回波數(shù)據(jù)； 從純雜波數(shù)據(jù)中選取部分距離單元作為一組訓(xùn)練單元，該訓(xùn)練單元時間序列Z為:z = [z(l)，z(2)，···，z(N)]，從訓(xùn)練單元周圍選取Q個臨近單元作為參考單元，該參考單元時間 序列Zp為:Zp = [zp(l)，zP(2)，···，zP(N)]，p = l，2,…，Q，Q為參考單元數(shù)，N為時間序列的長 度； 從包含目標(biāo)的回波數(shù)據(jù)中選取部分距離單元作為待檢測單元T; (2) 對純雜波回波數(shù)據(jù)的訓(xùn)練單元時間序列z和參考單元時間序zP進(jìn)行塊白化，得到白 化后的訓(xùn)練單元時間序列i和白化后的參考單元時間序列\(zhòng) :(3) 利用白化后的訓(xùn)練單元時間序列4和白化后的參考單元時間序列^，提取訓(xùn)練單元 的相對脊能量L(z)和訓(xùn)練單元的相對脊全變差ξ 2(ζ)這兩種特征，構(gòu)造純雜波數(shù)據(jù)的時頻 雙特征向量1:1 = [|1(2)，|2(2)]1'，其中卜]1'表示對矩陣進(jìn)行轉(zhuǎn)置； (4) 利用純雜波數(shù)據(jù)的時頻雙特征向量ξ，在二維特征空間中獲得二維凸包c(diǎn)wxs)，并在 給定虛警概率PF下，利用貪婪凸包學(xué)習(xí)算法對二維凸包σ/·(習(xí)進(jìn)行收縮，并將收縮后的凸包 作為檢測判決區(qū)域Ω ; (5) 對待檢測單元Τ提取相對脊能量|1(1')和相對脊全變差|2(1')這兩種特征，構(gòu)造待檢 測單元的時頻雙特征向量:ξτ = [ ξι (Τ )，ξ2 (Τ) ]τ; (6) 根據(jù)構(gòu)成檢測判決區(qū)域Ω的凸包特性和待檢測單元的時頻雙特征向量ξτ?ΚΚΤ)， ξ2(Τ)]τ，計算檢測統(tǒng)計量ω :其中，min{ · }表示取最小值，det( ·)表示求矩陣行列式，r為組成凸包的頂點(diǎn)的個數(shù)， xj表示第j個凸包頂點(diǎn)的相對脊能量，yj表示第j個凸包頂點(diǎn)的相對脊全變差，j = l，2,...， r； (7) 根據(jù)檢測統(tǒng)計量ω的大小判斷目標(biāo)是否存在:如果檢測統(tǒng)計量ω大于零，表明待檢 測單元的時頻雙特征向量ξτ在檢測判決區(qū)域Ω外，則判定目標(biāo)存在，反之，判定目標(biāo)不存 在。2. 如權(quán)利要求1所述的基于塊白化雜波抑制的時頻雙特征海面小目標(biāo)檢測方法，其特 征在于，步驟(2)中對純雜波回波數(shù)據(jù)的訓(xùn)練單元時間序列ζ和參考單元時間序&進(jìn)行塊白 化，按如下步驟進(jìn)行： 2a)將訓(xùn)練單元時間序列ζ和參考單元時間序列ζΡ分別平均分成長度為Μ的互不重疊的 短向量，即： Ζ= [Zl，Ζ2，…，Zm，…，ΖΝ/Μ]， Zp = [Zp, 1，Zp,2，…，Zp,m，…，Ζρ,Ν/Μ]，Ρ=1，2，···，〇， 其中，zm表示訓(xùn)練單元時間序列的第m個短向量，zP,m表示參考單元時間序列的第m個短 向量，m=l，2,…，N/M; 2b)利用上述每個短向量，對訓(xùn)練單元時間序列z和參考單元時間序zP進(jìn)行塊白化，得到 白化后的訓(xùn)練單元時間序列i和白化后的參考單元時間序列\(zhòng) =其中，2"表示白化后的訓(xùn)練單元時間序列的第m個短向量?表示白化后的參考單元 時間序列的第m個短向量。3.如權(quán)利要求1所述的基于塊白化雜波抑制的時頻雙特征海面小目標(biāo)檢測方法，其特 征在于，步驟(3)中提取訓(xùn)練單元的相對脊能量纟:。)和訓(xùn)練單元的相對脊全變差ξ2(ζ)這兩 種特征，構(gòu)造純雜波數(shù)據(jù)的時頻雙特征向量ξ，按如下步驟進(jìn)行： 3a)計算訓(xùn)練單元的平滑維格納-威利分布W(/Uj)和參考單元的平滑維格納-威利分 布D(?,Up):m--E k--F 其中，上標(biāo)*表示共輒，g(m)為時間平滑窗，h(k)為頻率平滑窗，E表示時間平滑窗長的 一半，F(xiàn)表示頻率平滑窗長的一半，Δ fd為歸一化多普勒頻率的采樣間隔，n = 1，2，…，N，1 = 1，V"，N; 3b)利用訓(xùn)練單元的平滑維格納-威利分布W(〃，/j)和參考單元的平滑維格納-威利分 布?ρ)，計算訓(xùn)練單元的時頻脊Rd(n)，訓(xùn)練單元的脊全變差TV(z)，參考單元的時頻脊 Rd(n，p)以及參考單元的脊全變差TV(zP):其中，argfa^W 表示勾取最大值時對應(yīng)1的值； 3c)利用訓(xùn)練單元的時頻脊Rd(n)和參考單元的時頻脊Rd(n，p)，計算訓(xùn)練單元的脊能 量RE(z)和參考單元的脊能量RE(zP):3d)計算訓(xùn)練單元的相對脊能量ξι(ζ)和訓(xùn)練單元的相對脊全變差ξ2(ζ):3e)利用訓(xùn)練單元的相對脊能量ξΚζ)和訓(xùn)練單元的相對脊全變差ξ2(ζ)，構(gòu)造純雜波數(shù) 據(jù)的時頻雙特征向量ξ: ξ=[ξ?(Ζ)，ξ2(Ζ)]Τ， 其中，[· ]7表示對矩陣進(jìn)行轉(zhuǎn)置。4.如權(quán)利要求1所述的基于塊白化雜波抑制的時頻雙特征海面小目標(biāo)檢測方法，其特 征在于，步驟(4)中在給定虛警概率PF下，利用貪婪凸包學(xué)習(xí)算法對二維凸包(f(s)進(jìn)行收 縮，按如下步驟進(jìn)行： 4a)利用純雜波數(shù)據(jù)的時頻雙特征向量ξ，組成訓(xùn)練樣本集合S:其中，表示第i個訓(xùn)練樣本的時頻雙特征向量，<(ζ)表示第i個訓(xùn)練樣本的相對脊能 量，^ (Z)表示第i個訓(xùn)練樣本的相對脊全變差，I為訓(xùn)練樣本數(shù)目； 4b)利用訓(xùn)練樣本集合S，得到一個屬于特征平面的集合Ψ : 其中，I；表示訓(xùn)練樣本的相對脊能量的平均值，ξ表示訓(xùn)練樣本的相對脊全變差的平均 值； 4c)計算訓(xùn)練樣本集合S組成的凸包C//'⑶： 、人 i - ^- - J 廣 - f ^ 其中，polygon{ · }表示由?組成的凸多邊形，vj為組成凸包的第j個頂點(diǎn)，j = l，2,…， r，r為組成凸包的頂點(diǎn)的個數(shù)； 4d)計算在凸包G^OS1)中去掉一個凸包頂點(diǎn)vj后的凸包面積減小量△ (vj):其中，area表示凸包的面積，Π 表示集合的取交運(yùn)算，-妙』})表示從凸包σΠΑ中 刪除凸包頂點(diǎn)W后的集合； 4e)找出使凸包面積減少量△ (νj)最大的頂點(diǎn)ν*:其中噸,丨Λ(?表示A (~)取最大值時對應(yīng)j的取值； 4f)將上述頂點(diǎn)v*從訓(xùn)練樣本集合S中去除，得到新的訓(xùn)練樣本集合S' =S-{v*}; 4g)重復(fù)步驟4a)至4f)，總共去除C= [I XPF]個相應(yīng)的凸包頂點(diǎn)，最終得到收縮后的凸 包即為滿足虛警概率Pf的檢測判決區(qū)域Ω，其中，[IXPF]表示取IXPF的整數(shù)部分。
【文檔編號】G01S7/40GK105866758SQ201610194960
【公開日】2016年8月17日
【申請日】2016年3月31日
【發(fā)明人】水鵬朗, 李東宸, 蔣曉薇
【申請人】西安電子科技大學(xué)