[发明专利]基于前-后向收益参考粒子滤波的海面小目标检测方法有效
申请号: | 201610939217.8 | 申请日: | 2016-11-01 |
公开(公告)号: | CN106569193B | 公开(公告)日: | 2019-03-08 |
发明(设计)人: | 水鹏朗;杨春娇;施赛楠 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G01S7/41 | 分类号: | G01S7/41 |
代理公司: | 陕西电子工业专利中心 61205 | 代理人: | 王品华;张问芬 |
地址: | 710071 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: |
本发明公开了一种基于前‑后向收益参考粒子滤波的海面小目标检测方法,主要解决现有技术不适用于检测海面低速漂浮小目标的问题。其实现步骤为:1)获取回波数据并对其分块;2)在回波数据块中选取待检测距离单元Sd并将其分为待检测子单元;3)计算该Sd的瞬时频率曲线函数估计;4)计算第k个待检测子单元zk的多普勒导向矢量h和协方差矩阵估计 |
||
搜索关键词: | 检测 小目标 检验统计量 子单元 海面 回波数据 粒子滤波 似然比 后向 漂浮 瞬时频率曲线 多普勒 大小判断 导向矢量 函数估计 计算检测 检测距离 矩阵估计 雷达检测 参考 累加 收益 方差 分块 可用 门限 | ||
【主权项】:
1.一种基于前‑后向收益参考粒子滤波的海面小目标检测方法,包括:(1)利用雷达发射机发射连续的脉冲信号,雷达接收机接收Q×M维的回波数据X,其中,Q表示回波数据的积累脉冲数,M表示回波数据的距离单元数;(2)将回波数据X沿着脉冲维等分为A个N×M维的回波数据块:X1,X2…,Xa,…,XA,其中,Xa表示第a个回波数据块,N表示脉冲数;(3)选取第a个回波数据块Xa的第d个距离单元为待检测距离单元Sd,将待检测距离单元Sd等分为B个待检测子单元:z1,z2…,zb,…,zB,其中,zb表示第b个待检测子单元,为J维列向量;(4)计算待检测距离单元Sd的瞬时频率曲线函数估计:(4.1)在每一个待检测子单元所属的多普勒频率范围内均匀采样产生W个粒子,共产生W×B个粒子;(4.2)利用广义似然比线性门限检测器计算每个粒子的收益,其中第b个待检测子单元zb中第g个粒子的收益表示为Ib,g;(4.3)利用粒子的收益计算待检测子单元zb中第n个粒子的总收益![]()
其中,Ib+1,g表示第b+1个待检测子单元zb+1中第g个粒子的收益,当b=B时,Ib+1,g=0;(4.4)根据总收益
确定重采样权值![]()
(4.5)根据总收益
和重采样权值
以总收益最大为估计准则,利用粒子滤波方法,得到目标信号的前向状态向量估计:
(4.6)以最后一个待检测子单元zB中的粒子‑收益集合作为初始粒子‑收益集合,以总收益最大为估计准则,将回波数据逆序代入粒子滤波方法,得到目标信号的状态向量估计
其中,
表示目标信号在待检测子单元zb的状态向量估计,
表示待检测子单元zb左端点的多普勒频率估计值,
表示待检测子单元zb右端点的多普勒频率估计值;(4.7)计算待检测单元Sd的瞬时频率曲线函数估计![]()
其中,t表示自变量时间,tr表示雷达脉冲周期,
表示待检测子单元zb的瞬时频率曲线函数估计的斜率,
表示待检测子单元zb左端点的多普勒频率估计值,
表示待检测子单元zb右端点的多普勒频率估计值;(5)利用待检测单元Sd的瞬时频率曲线函数估计
计算第k个待检测子单元zk的多普勒导向矢量h;(6)计算待检测子单元zk的协方差矩阵估计
(7)利用多普勒导向矢量h和协方差矩阵估计
计算待检测子单元zk的广义似然比检验统计量εk:
其中,上标‑1表示取逆,上标H表示取共轭转置,|·|表示取模值,λ表示逆伽马分布海杂波纹理分量的形状参数,η表示逆伽马分布海杂波纹理分量的尺度参数;(8)重复步骤(5)到步骤(7),从k=1直至k=B,将得到的B个广义似然比检验统计量累加,求得待检测距离单元Sd的检验统计量ξd:
(9)根据系统给定的虚警概率p,通过蒙特卡罗实验计算检测门限Tξ;(10)通过比较检验统计量ξd和检测门限Tξ的大小判断出目标是否存在:如果ξd≥Tξ,则表明待检测距离单元Sd有目标,如果ξd<Tξ,则表明待检测距离单元Sd没有目标。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
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西安电子科技大学,未经西安电子科技大学许可,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/patent/201610939217.8/,转载请声明来源钻瓜专利网。