[发明专利]基于广义特征分解的全极化高分辨距离像目标检测方法

说明书

技术领域

本发明属于雷达目标检测领域，涉及一种基于广义特征分解的全极化高分辨距离像目标检测方法，适用于全极化雷达的目标检测。

背景技术

传统的单极化宽带雷达只具有一个接收通道，在检测目标时，只能通过回波的幅度信息来检测目标。随着雷达技术的不断发展，全极化雷达得到了越来越广泛的应用。由于全极化雷达，具有四个接收通道，能提供丰富的极化信息，全极化雷达的目标检测性能优于传统的单极化雷达。但现有的全极化雷达目标检测算法大多针对目标的SAR图像对目标进行检测，如基于几何扰动的单目标检测器(STD)和部分目标检测器(PTD)；而在全极化高分辨距离像中，每个距离单元内都包含有杂波，因此现有的全极化雷达目标检测算法不适用于全极化高分辨距离像的目标检测。

发明内容

针对上述现有技术的不足，本发明的目的在于提出了一种基于广义特征分解的全极化高分辨距离像目标检测方法，该方法利用全极化雷达的极化信息，通过广义特征分解的方法抑制杂波，能够提高全极化高分辨距离像的目标检测率。

本发明的实现思路是：在全极化雷达获得的全极化高分辨距离像(HRRP)中，目标区的回波中包含了目标回波和杂波；本发明针对全极化高分辨距离像，先获得训练目标回波和训练杂波作为训练数据，并通过广义特征分解的方法，找到训练数据中信杂比相对较大的子空间；再获得全极化雷达的测试全极化高分辨距离像作为测试数据，根据训练数据中信杂比相对较大的子空间，对测试数据进行检测。

为达到上述技术目的，本发明采用以下技术方案予以实现。

一种基于广义特征分解的全极化高分辨距离像目标检测方法，其特征在于，包括以下步骤：

步骤1，根据已知的全极化雷达的回波，获取训练目标回波和训练杂波作为训练数据；通过广义特征分解方法，从训练数据中找到信杂比相对较大的子空间，计算得到投影矩阵P；

步骤2，获取全极化雷达的测试全极化高分辨距离像作为测试数据；根据投影矩阵P对测试数据进行目标检测。

本发明的特点和进一步改进在于：

(1)所述步骤1的具体子步骤为：

1.1根据已知的全极化雷达的回波获取训练目标回波，将训练目标回波划分为N片区域，并计算得到训练目标回波的第n片区域的相干向量，n＝1...N；

1.2根据已知的全极化雷达的回波获取训练杂波，将训练杂波划分为J片区域，并计算得到训练杂波的第j片区域的相干向量，j＝1...J；

1.3计算训练目标回波的相干向量的协方差矩阵C^(O)和训练杂波的相干向量的协方差矩阵C^(C)；

1.4根据训练目标回波的相干向量的协方差矩阵C^(O)和训练杂波的相干向量的协方差矩阵C^(C)，计算得到投影矩阵P。

(2)所述步骤2的具体子步骤为：

2.1获取全极化雷达的测试全极化高分辨距离像作为测试数据；将测试数据划分为L个距离单元，计算测试数据的第l个距离单元的相干矩阵，并提取测试数据的第l个距离单元的相干向量，l＝1...L；

2.2将测试数据的第l个距离单元的相干向量k_D(l)左乘投影矩阵P，得到测试数据的第l个距离单元的重构相干向量k'_D(l)为：

k'_D(l)＝Pk_D(l)

2.3求第l个距离单元的重构相干向量k'_D(l)的2-范数||k′_D(l)||₂；

2.4设定检测门限η，如果第l个距离单元的重构相干向量k'_D(l)的2-范数||k'_D(l)||₂≥η，则将测试数据判定为目标；否则将测试数据判定为杂波。

本发明的有益效果是：本发明的基于广义特征分解的全极化高分辨距离像目标检测方法，通过广义特征分解的方法对全极化雷达的全极化高分辨距离像进行目标检测，不仅能够充分抑制杂波、增强信杂比，还能够检测到一些回波能量比较弱小的目标距离单元，提高了全极化高分辨距离像的目标检测率。

附图说明

下面结合附图说明和具体实施方式对本发明作进一步详细说明。

图1是本发明的流程图。

图2a是实验一所用的训练数据图；

图2b是实验一所用的测试数据图。