[发明专利]距离扩展目标内禀模态局部奇异值有序融合检测方法

摘要

本发明公开了一种雷达距离扩展目标内禀模态局部奇异值有序融合检测方法，属于雷达信号处理领域。在强杂噪背景、干扰目标和杂噪边缘等复杂环境下，为了克服辅助数据异常值导致的杂噪功率估计严重偏差、距离扩展目标检测性能退化等不足，提出一种基于局部内禀模态特征矩阵奇异值有序融合的距离扩展目标智能检测方法；该方法根据目标能量在回波一维距离像的内禀模态分量中局部集中的特点，基于局部内禀模态特征矩阵奇异值构建检测统计量，通过融合有序统计量保持恒虚警率特性；无需对杂噪背景进行统计建模，避免了强杂噪大特征值的干扰，特别适合于干扰目标和杂噪边缘等复杂环境下的微弱距离扩展目标检测，具有很强的虚警控制能力。

主权项

距离扩展目标内禀模态局部奇异值有序融合检测方法，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h1k(t)满足IMF条件并记c1(t)＝h1k(t)，其中h1k(t)可表示为：h1k(t)＝h1(k‑1)(t)‑m1k(t)，t＝1，...，N     (2)式中，h1(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，m1k(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(ci(t)，i＝1，...，M)，且有 r 2 ( t ) = r 1 ( t ) - c 2 ( t ) · · · r M ( t ) = r M - 1 ( t ) - c M ( t ) - - - ( 4 ) 当rM(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 ) = Σ i = 1 M c i ( t ) + r M ( t ) - - - ( 5 ) 式中，rM(t)称为残余函数，代表信号的平均趋势；步骤2利用一维距离像的内禀模态局部分量构建特征矩阵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IMF分量c1(t)，c2(t)，...，cM(t)；其中，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；由于特征值的求解结果一般以特征值大小进行排序，如果用全部IMF分量构建特征矩阵，并进行特征值分解，则可能出现微弱目标的小特征值被强杂噪的大特征值所湮没，将给后续微弱距离扩展检测带来极大困难；为此，利用目标影响较大的局部低频IMF分量构建L×N维特征矩阵A： A = c M - L + 1 ( 1 ) , c M - L + 1 ( 2 ) , . . . , c M - L + 1 ( N ) c M - L + 2 ( 1 ) , c M - L + 2 ( 2 ) , . . . , c M - L + 2 ( N ) · · · · · · · · · · · · c M ( 1 ) , c M ( 2 ) , . . . , c M ( N ) - - - ( 6 ) 其中，L表示所用低频IMF分量的个数，可以表示为：L＝round(βM)     (7)式中，round(·)表示对参数进行四舍五入取整，β表示低频分界率，一般取0.3～0.5；步骤3融合目标对回波一维距离像内禀模态局部奇异值的差异性信息建立检测统计量对L×N维特征矩阵A进行奇异值分解，即A＝UBVH     (8)式中，上标“H，”表示共轭转置，U为L×L维酉矩阵，V为N×N维酉矩阵，由奇异值组成的L×N维对角阵B可表示为：B＝diag(σ1，σ2，…，σr，0，…，0)     (9)式中，diag(·)表示以参数为对角元素的对角阵，式中的对角元素按照从大到小的顺序排列，r表示非零奇异值的个数；融合局部内禀模态特征矩阵的奇异值建立检测统计量λ： λ = Σ i = 1 r σ i 2 - - - ( 10 ) 步骤4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：通过对待检测区域的邻近区域进行雷达照射，获得与待检测区域径向距离范围相同且方位邻近的回波辅助数据，即P个长度为N的回波一维距离像信号(xj，j＝1，...，P)，按照步骤1至步骤3分别形成P个相应的检测统计量(λj，j＝1，...，P)，并将特征量(λj，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5利用有序统计特征量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(λi，i＝1，...，K)，为提高雷达在杂噪边缘和多目标干扰背景下的检测性能，采用有序统计思想，形成检测阈值T：T＝Z0λ(n)     (11)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；λ(n)表示K个杂噪特征量经过从小到大排序后的第n个排序样本，即有：λ(1)≤λ(2)≤…≤λ(n‑1)≤λ(n)≤λ(n+1)≤…≤λ(K)     (12)为了保证雷达在杂波边缘的检测性能，一般需满足n≥K/2，而为了保证雷达在干扰目标环境 下的检测性能，一般需满足n≤3K/4，故一般情况下n的取值范围为K/2≤n≤3K/4；步骤6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7根据检测结果更新杂噪特征数据库若步骤6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。