[发明专利]一种基于组合凸包的海面小目标特征检测方法

说明书

本发明公开了一种基于组合凸包的海面小目标特征检测方法，包括以下步骤：获取观测向量；对观测向量计算多普勒幅度谱，进行白化预处理；在时域中和频域中提取三个特征；构建三维检验统计量；设计非凸判决区域；判决检测结果。本发明提出了三个新的特征，充分利用了时域、频域中杂波和目标的差异性。同时，避免了时频域的大量计算代价，并能获得匹配于时频域特征的性能；提出了一种组合凸包算法，实现了3D非凸决策区域。相对于原始凸包判决区域，非凸判决区域的体积更小，因而可以获得更高的检测性能；通过此发明提高了低信杂比条件下海面小目标的检测概率，提供了非凸判决器设计的新思路。

技术领域

本发明涉及雷达信号处理技术领域，尤其是涉及一种基于组合凸包的海面小目标特征检测方法。

背景技术

对于高分辨的海洋雷达来说，在小擦地角下实现对浮冰、小船、蛙人以及飞机残骸等海面小目标的检测是一项长期且困难的工作。其主要原因在于小目标往往运动速度慢，同时具有很小的信杂比(signal-to-clutter ratio,SCR)，这种情况下对海雷达的检测往往出现检测概率低和虚警点多的问题。因此，高分辨海杂波背景下小目标检测一直是海内外学者研究的热点和难点。

目前，基于特征的检测已经被认为是一种有效的方法，将海杂波和含目标回波的差异压缩成特征，然后在特征空间中进行检测。随着特征的联合数目的增加，检测器性能有一定的性能提升。但是，更多特征联合给判决区域的设计带来了困难，同时也需要花费更多的时间代价。综合考虑性能提升和计算代价，三个特征联合是一个折中的选择。因此，检测器的难点主要在于提取有效的特征和三维(3D)虚警可控判决区域的获取。对于第一个难点，在长时观测下，已经发展了许多方法来提取不同域的特征。从时域角度出发，有学者提出了相对平均幅度(relative average amplitude,RAA)，描述杂波和目标在功率上的差异性。有学者提出分形Hurst指数，描述海杂波时间序列的分形特性。从频域角度出发，有学者使用相对多普勒峰值高度(relative doppler peak height,RDPH)和相对矢量熵(relative vector entropy,RVE)来反映几何特征。这两个特征加上RAA形成了典型的基于三特征的检测器，开启了特征检测框架。从时频域的角度出发，有学者从时频图像的强度和几何属性中提取三个时频特征。通常，二维时频域比一维时频域能获得更多的信息，但是二维时频显然计算复杂。对于第二个难点，快速凸包算法是最典型的3D单分类器算法，能获得虚警可控的判决区域。随后，有学者提出了一类支撑向量机(one-class support vectormachine,OSVM)的算法，能获得非凸的判决区域，进而提升性能。但是，为了控制虚警率，该分类器需要搜索大量的参数且这种虚警控制精度有限。因此，如何设计虚警精准可控的非凸算法是研究的重点。

发明内容

发明目的：为了克服背景技术中存在的缺陷，本发明公开了一种基于组合凸包的海面小目标特征检测方法，该方法通过新提取的三个特征能充分利用时域、频域的特性，并且组合凸包算法集成了原始凸包精准控制虚警的特性，同时获得非凸的判决区域，实现不同探测环境下海面小目标的稳健检测。

技术方案：本发明所公开的基于组合凸包的海面小目标特征检测方法，包括以下步骤：

S1、假设雷达在一个距离单元接收到连续N个脉冲，这N个脉冲构成一个观测向量z＝[z(1),z(2),...,z(N)]^T，称为待检测单元CUT；同时，获得CUT周围P个参考单元的观测向量z_p,p-1,2,...,P，构建目标检测问题；

S2、将S1中的CUT观测向量z和参考单元的观测向量z_p转换到频域，计算得到多普勒幅度频谱；利用参考单元的频谱向量，对CUT的频谱向量进行白化处理，获得白化频谱；

S3、在时域中，对S1中观测向量进行分段处理，将每一段脉冲回波的平均幅度值设为加权因子，计算相对加权平均振幅；