[发明专利]距离扩展目标内禀模态特征能量智能融合检测方法

权利要求书

1.距离扩展目标内禀模态特征能量智能融合检测方法，其特征在于包括以下步骤：

步骤1对待检测的雷达回波一维距离像进行EMD分解

对待检测区域的N个距离单元回波幅值(x(t)，t=1，...，N)组成的雷达回波一维距离像x=[x(1)，x(2)，...，x(N)]，采用EMD方法将其分解，具体包括如下分解步骤：

(1)确定原始信号x(t)所有的局部极值点，然后用三次样条线将所有的局部极大值点连接起来形成上包络线，再用三次样条线将所有的局部极小值点连接起来形成下包络线，上、下包络线应包络所有的数据点；

(2)上、下包络线的平均值记为m₁(t)，求出

h₁(t)=x(t)-m₁(t)，t=1，...，N         (1)

如果h₁(t)是一个IMF，则h₁(t)就是x(t)的第1个IMF分量，记c₁(t)=h₁(t)；

(3)如果h₁(t)不满足IMF的条件，则将h₁(t)作为原始数据，重复步骤(1)至步骤(2)，得到上、下包络线的平均值m₁₁(t)，再判断h₁₁(t)=h₁(t)-m₁₁(t)是否满足IMF的条件，如不满足则重复循环k次，直到h_1k(t)满足IMF条件并记c₁(t)=h_1k(t)，其中h_1k(t)可表示为：

h_1k(t)=h_1(k-1)(t)-m_1k(t)，t=1，...，N        (2)

式中，h_1(k-1)(t)为第k-1次循环中去除上、下包络均值后获得的数据，m_1k(t)表示第k次循环中上、下包络线的平均值；

(4)将c₁(t)从x(t)中分离出来，得到

r₁(t)=x(t)-c₁(t)，t=1，...，N        (3)

将r₁(t)作为原始数据重复步骤(1)至步骤(3)，得到x(t)的第2个满足IMF条件的分量c₂(t)，如此重复循环M次，得到M个满足IMF条件的分量(c_i(t)，i＝1，...，M)，且有

r2(t)=r1(t)-c2(t)···rM(t)=rM-1(t)-cM(t)---(4)]]>

当r_M(t)为一单调函数不能再从中提取满足IMF条件的分量时，循环结束，由式(3)和式(4)可知，原始输入信号x(t)可表示为

x(t)=Σi=1Mci(t)+rM(t)---(5)]]>

式中，r_M(t)称为残余函数，代表信号的平均趋势；

步骤2融合目标对回波一维距离像不同频率分量的差异性信息建立检测统计量

雷达回波一维距离像x经过EMD分解后，得到一系列包含了从高到低不同频率的分量c₁(t)，c₂(t)，...，c_M(t)；由于背景杂噪信号随机性强，在不同距离单元间无规律起伏，存在较强的高频分量，而目标信号在相邻距离单元间存在一定相关性，变化相对平坦，一般体现在低频分量部分；

根据目标对回波一维距离像不同频率分量的差异性影响，采用低频分量的平均能量与高频分量的平均能量之比作为检测统计量λ：

λ=LΣi=L+1M|ci(t)|2(M-L)Σi=1L|ci(t)|2---(6)]]>

式中，L表示高频IMF分量与低频IMF分量的分界点，可以表示为：

L=round(αM)              (7)

式中，round(.)表示对参数进行四舍五入取整，α表示分界率，一般取0.3～0.5；

步骤3根据检测需要和杂噪特征数据库的实际情况进行初始化或补充

若杂噪特征数据库无数据，则需进行初始化；若杂噪特征数据库中当前检测所需特征量数量不足，则需进行额外补充；初始化或补充采用的方法包括：通过对待检测区域周围的无目标范围进行雷达照射，获得与待检测区域径向距离范围相同且方位邻近的纯杂波辅助数据，即P个长度为N的纯杂噪一维距离像信号(x_j，j＝1，...，P)，按照步骤1至步骤2分别形成P个相应的检测统计量(λ_j，j=1，...，P)，并将特征量(λ_j，j=1，...，P)及相应的距离方位等信息存入杂噪特征数据库进行初始化或补充；

步骤4根据杂噪功率变化自适应设定检测阈值

为了消除杂噪背景功率起伏的影响，从杂噪特征数据库中提取与待检测区域径向距离范围相同且方位邻近的K个杂噪特征量(λ_i，i＝1，...，K)，采用单元平均思想，形成检测阈值T：

T=Z0Σi=1Kλi---(8)]]>

式中，Z₀表示阈值因子，可根据预设的虚警概率设置，从而保持检测方法的恒虚警率特性；

步骤5对待检测的雷达回波一维距离像进行检测判决

将待检测区域对应的检测统计量λ与门限T进行比较，若λ≥T，则判定待检测区域存在距离扩展目标，反之若λ＜T，则判定待检测区域不存在距离扩展目标；

步骤6根据检测结果更新杂噪特征数据库

若步骤5中待检测区域被判定为不存在目标，则将特征量λ及相应的距离方位等信息加入杂噪特征数据库进行更新。