【技术实现步骤摘要】
本专利技术属于雷达目标检测，具体涉及一种基于加权差异可见性图特征的海面微弱目标检测方法，适用于低信杂比条件下的目标检测，提升雷达对海面微弱目标的检测性能。
技术介绍
1、复杂海杂波背景下的微弱目标检测是雷达遥感的一大挑战。由于海面漂浮微弱目标的雷达截面积(rcs<30m2)小，速度低，且在低掠射角下海尖峰与目标的雷达回波相似，使得海杂波与弱目标相互重叠甚至将目标覆盖，严重制约了海事雷达的目标检测性能。现有的基于特征理论的目标检测方法通过研究海杂波和目标回波在变换域上的差异性对二者进行区分，但在变换域提取的单一特征在应对不同海况时往往存在要求观测时间长、对海面回波信息的刻画程度有限等不足，极大程度影响目标和海杂波在特征空间的可分离性。
技术实现思路
1、鉴于海杂波对雷达目标检测影响的复杂性，本专利技术提供一种基于加权差异可见性图特征的海面微弱目标检测方法，从图域多维特征联合角度解决海杂波背景下微弱目标检测问题，提取海杂波与目标回波的加权差异可见性图特征实现有效目标检测。
2、为了实现上述任务，本专利技术采用以下技术方案：
3、一种基于加权差异可见性图特征的海面微弱目标检测方法，包括：
4、采集海面回波幅度序列，对海面回波幅度序列进行子序列的划分后转换为相位差序列，对相位差序列进行归一化处理；
5、利用归一化处理后的相位差序列构建加权差异可见性图网络；
6、针对各子序列对应的加权差异可见性图网络进行特征提取，利用所提取的
7、将每个海杂波图特征向量作为一个训练样本点，构造训练样本集；利用训练样本集训练目标检测器；
8、针对待检测的海面回波幅度序列，将序列对应的海杂波图特征向量作为待测样本点，通过待测样本点与目标检测器的相对位置关系，确定待检测的海面回波幅度序列中是否存在目标。
9、进一步地，所述对海面回波幅度序列进行子序列的划分后转换为相位差序列，包括：
10、将雷达接收到的海面回波幅度序列划分成长度为n的子序列，划分后得到第n时刻第m段子序列xm(n)的相位差序列；相位差序列计算如下：
11、
12、其中，τ表示时间间隔，上标*表示复共轭，arg(·)表示复变量的相位。
13、进一步地，所述利用归一化处理后的相位差序列构建加权差异可见性图网络，包括：
14、步骤2.1，构建可见性图网络vg
15、基于可见性图理论，针对相位差序列x(n),n＝1,2,...,n的可见性准则定义如下：
16、x(k)＜x(j)+(x(i)-x(j))(i-k)/(j-i),i＜k＜j
17、其中i、k、j表示相位差序列中的数据点，x(i)、x(j)和x(k)表示序列对应数据点处的幅值；
18、对序列中的任意两数据点i、j，如果它们之间的任意点k及其幅值满足上式，则将数据点i、j作为可见性图网络中相互可见的两个节点，这两个节点之间存在一条边；
19、将每个子序列归一化后的相位差序列转换为可见性图网络，其中相位差序列中的每个数据点为网络中的一个节点；
20、步骤2.2，构建水平可见性图网络hvg
21、如果在序列x(a)中满足以下几何标准，则将两数据点i、j作为水平可见性图网络中的两个连接的节点：
22、x(i),x(j)＞x(k)(对全部的k,i＜k＜j)
23、按照上述定义，将针对相位差序列建立的可见性图网络转换为水平可见性图网络网络；
24、步骤2.3，构建差异可见性图网络dvg
25、定义差异可见性图网络如下：
26、e(dvg)＝e(vg)/e(hvg)，v(dvg)＝v(vg)＝v(hvg)
27、其中，e(dvg)、e(vg)以及e(hvg)分别表示dvg网络、vg网络和hvg网络的边的集合，v(dvg)、v(vg)以及v(hvg)分别表示dvg网络、vg网络和hvg网络的节点的集合；
28、通过上述公式，在vg网络和hvg网络的基础上，将相位差序列用dvg网络表示；
29、步骤2.4，构建加权差异可见性图网络wdvg
30、在dvg网络的基础上，使用反正切函数arctan为dvg网络中具有连接关系的两节点之间的边赋予权重，以表征相位差序列中具有链接关系的量数据点之间的变化，从而得到加权差异可见性图网络；权重的定义如下：
31、wij＝arctan(x(j)-x(i))/(j-i)
32、其中，wij表示dvg网络中的节点i和节点j之间的边的权重；加权邻接矩阵wa定义如下：
33、
34、其中，wij表示邻接矩阵中第i行、第j列的元素；若wij＝wji≠0，表示节点i与节点j连通，边权重为wij；若wij＝wji＝0，表示两个节点之间没有边。
35、进一步地，所述针对各子序列对应的加权差异可见性图网络进行特征提取，包括：
36、(1)加权图权重峰高wph
37、wph＝max(wij)
38、其中，wij表示加权邻接矩阵wa中第i行、第j列的元素；
39、(2)加权图复杂度wgc
40、wgc＝4κ(1-κ)
41、κ＝λmax-2cos(π/(n+1))/n-1-2cos(π/(n+1))
42、其中，λmax表示加权邻接矩阵wa的最大特征值；
43、(3)加权图熵wge
44、
45、其中，ki表示wdvg中节点i的度，p(k)表示度的分布。
46、进一步地，利用所提取的特征构造子序列的海杂波图特征向量，具体为：
47、ρm＝[ρ1(xm),ρ2(xm),ρ3(xm)]t
48、其中，xm表示第m个海面回波子序列，ρ1(xm),ρ2(xm),ρ3(xm)表示针对子序列xm对应的wdvg中所提取的wph特征所构成的向量、提取的wgc特征所构成的向量以及提取的wge特征所构成的向量，上标t表示转置操作。
49、进一步地，所述将每个海杂波图特征向量作为一个训练样本点，构造训练样本集；利用训练样本集训练目标检测器，包括：
50、步骤5.1，构造训练样本集ρ，训练样本集中的每个训练样本点为针对子序列构造的海杂波图特征向量ρm；并根据训练样本点计算包含所有海杂波图特征向量的原始凸包sn；
51、步骤5.2，利用训练样本对凸包sn的空间进行内剖操作；具体地，通过寻找凸包内形成冗余的局部空间及其对应三角剖分面，并选择训练样本作为内剖点进行内部剖分；
52、步骤5.3，在进行内剖时可能造成包含在凸包区域内的内部训练样本点在内剖操作后出现在sn外部的情况，将这样的训练样本点称为外部点；在内剖操作结束之后还需要本文档来自技高网...
【技术保护点】
1.一种基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，所述对海面回波幅度序列进行子序列的划分后转换为相位差序列，包括：
3.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，所述利用归一化处理后的相位差序列构建加权差异可见性图网络，包括：
4.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，所述针对各子序列对应的加权差异可见性图网络进行特征提取，包括：
5.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，利用所提取的特征构造子序列的海杂波图特征向量，具体为：
6.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，所述将每个海杂波图特征向量作为一个训练样本点，构造训练样本集；利用训练样本集训练目标检测器，包括：
7.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其
8.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，所述对生成的凹包决策区域表面指定数量的训练样本点进行删除，具体如下：
9.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，所述针对待检测的海面回波幅度序列，将序列对应的海杂波图特征向量作为待测样本点，通过待测样本点与目标检测器的相对位置关系，确定待检测的海面回波幅度序列中是否存在目标，包括：
10.一种计算机可读存储介质，所述介质中存储有计算机程序；其特征在于，计算机程序被处理器执行时，实现根据权利要求1-9中任一项所述基于加权差异可见性图特征的海面微弱目标检测方法。
...【技术特征摘要】
1.一种基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，所述对海面回波幅度序列进行子序列的划分后转换为相位差序列，包括：
3.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，所述利用归一化处理后的相位差序列构建加权差异可见性图网络，包括：
4.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，所述针对各子序列对应的加权差异可见性图网络进行特征提取，包括：
5.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，利用所提取的特征构造子序列的海杂波图特征向量，具体为：
6.根据权利要求1所述的基于加权差异可见性图特征的海面微弱目标检测方法，其特征在于，所述将每个海杂波图特征向量作为一个训练样本点，构造训练样本集；利用训练样本集训练目标检测器，包括：<...
【专利技术属性】
技术研发人员：范一飞，王心宝，郭子薰，粟嘉，陈士超，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。