[发明专利]一种目标信号检测方法及系统有效
申请号: | 201710454608.5 | 申请日: | 2017-06-15 |
公开(公告)号: | CN107153180B | 公开(公告)日: | 2020-02-07 |
发明(设计)人: | 王雷欧;王东辉 | 申请(专利权)人: | 中国科学院声学研究所 |
主分类号: | G01S7/41 | 分类号: | G01S7/41;G01S7/539;G01S13/04;G01S15/04 |
代理公司: | 11309 北京亿腾知识产权代理事务所(普通合伙) | 代理人: | 陈霁 |
地址: | 100190 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测 测试样本 第一检测器 参考单元 检测器 目标信号 输出选择 选择信号 统计量 支持向量机 恒虚警率 获取信号 选择模块 训练参数 存储 测试 输出 分类 | ||
1.一种目标信号检测方法,其特征在于,包括以下步骤:
获取信号的检测统计量,并将所述检测统计量存储至参考单元和检测单元,得到测试样本;所述测试样本为所述参考单元的集合{x1,...,xN/2,xN/2+1,...,xN}、或所述参考单元与所述检测单元的集合{x1,...,xN/2,D,xN/2+1,...,xN};
使用带有训练参数的支持向量机SVM模块对所述测试样本进行第一计算,公式为:
其中,y表示测试样本的类标记,sign表示符号函数,n表示训练样本集中支持向量的个数,i=1,…,n,yi表示第i个训练样本所对应的所述类标记,表示核函数,表示第i个训练样本,表示所述测试样本,和b表示所述训练参数,
或公式为:
其中,y表示测试样本的类标记,sign表示符号函数,P表示训练样本集的大小,i=1,…,P,yi表示第i个训练样本所对应的所述类标记,表示核函数,表示第i个训练样本,表示所述测试样本,和b表示所述训练参数,
将第一计算的结果y的值,作为输出的选择信号;
CFAR模块使用多个检测器对所述测试样本进行第二计算得到多个检测器的阈值,根据所述选择信号确定第一检测器的阈值,或CFAR模块根据选择信号从多个检测器中选择第一检测器对所述测试样本进行第三计算,根据第三计算的结果输出第一检测器的阈值,所述第一检测器为恒虚警率CFAR模块中包含的多个检测器中的一种;
根据所述第一检测器的阈值,判断所述检测单元是否有目标信号。
2.根据权利要求1所述的方法,其特征在于,所述根据所述选择信号确定所述第一检测器的阈值,包括:
所述多个检测器对所述测试样本进行计算,得到所述多个检测器中的每一个检测器的阈值{S1,...,Sm},m为检测器的总数;
选择模块从所述CFAR模块接收所述每一个检测器的阈值,并根据所述选择信号,输出所述第一检测器的阈值。
3.根据权利要求1所述的方法,其特征在于,所述根据所述选择信号确定所述第一检测器的阈值,包括:
所述CFAR模块根据所述选择信号,从所述多个检测器中确定第一检测器,所述第一检测器对所述测试样本进行计算,得到所述第一检测器的阈值S。
4.根据权利要求1所述的方法,其特征在于,所述SVM模块包括SVM模型的训练参数,所述训练参数通过以下步骤获得:
根据所述测试样本,得到每一个训练样本;
根据所述CFAR模块中包含的多个检测器,确定所述每一个训练样本的类标记,并根据所述每一个训练样本和所述类标记组成训练样本集;
SVM模块根据所述训练样本集对所述SVM模型进行训练,以获取所述SVM模型的训练参数。
5.根据权利要求1所述的方法,其特征在于,所述多个检测器包括单元平均恒虚警率CA-CFAR检测器、最大选择恒虚警率GO-CFAR检测器、最小选择选择恒虚警率SO-CFAR检测器、有序统计恒虚警率OS-CFAR检测器和自动删除单元平均恒虚警率ACCA-CFAR检测器中的至少两种检测器。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院声学研究所,未经中国科学院声学研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710454608.5/1.html,转载请声明来源钻瓜专利网。