【技術實現步驟摘要】
本專利技術涉及雷達目標探測，尤其涉及一種基于雷達回波時序依賴關系的目標檢測方法及設備。
技術介紹
1、作為廣泛應用于社會科學發展和軍事國防等領域的探測設備，雷達具備極端天氣下的良好魯棒性以及對光照不敏感等特點，具有重要的學術和實用價值。經典雷達目標檢測方法檢測性能依賴于大量的人工調參。受益于大數據科學的發展，機器學習方法逐步應用于雷達目標檢測領域并在魯棒性與泛化性等方面展現出了諸多優勢。
2、基于機器學習的主流雷達目標檢測算法可分為基于回波信號的目標-雜波檢測方法、基于距離/多普勒/角度頻域變換的目標檢測-識別方法以及基于雷達成像數據的目標識別方法。然而，現有研究缺乏對回波特征表示學習方法的探討，且面臨著可用目標信息極度稀疏而導致的不均衡檢測難題。
技術實現思路
1、為解決上述技術問題之一，本專利技術提供了一種基于雷達回波時序依賴關系的目標檢測方法及設備，能夠解決現有技術中雷達目標檢測方法缺乏對回波特征表示學習或檢測不均衡的技術問題。
2、根據本專利技術的一方面，提供了一種基于雷達回波時序依賴關系的目標檢測方法，所述方法包括：
3、對雷達回波序列集合進行預處理，得到預處理后的雷達回波子序列集合；
4、對預處理后的雷達回波子序列集合中的每個子序列逐一進行實數化及平滑處理，得到平滑后的雷達回波子序列集合；
5、針對平滑后的雷達回波子序列集合中的每個子序列，基于一階偏序關系獲取特征表示學習器的對應優化系數；
6、利用
7、基于保持一階偏序關系的特征集合和目標標識對檢測器進行訓練，得到訓練后的檢測器；
8、基于訓練后的檢測器對待測雷達回波序列進行檢測，得到目標預測結果。
9、優選的，針對平滑后的雷達回波子序列集合中的每個子序列，基于一階偏序關系獲取特征表示學習器的對應優化系數包括：
10、基于一階偏序關系獲取特征表示學習器的表達式如下：
11、
12、基于特征表示學習器的表達式獲取特征表示學習器的對應優化系數；
13、式中，為特征表示學習器，為平滑后的雷達回波子序列集合中的某一子序列，分別為當前子序列中第一個、第t個、第t個元素，t為距離單元個數，為度量模型重構一階偏序關系的能量函數，為的度量函數，e為可學習參數，為一階偏序關系，分別為當前子序列中第i個、第j個元素，分別為的度量函數。
14、優選的，基于特征表示學習器的表達式獲取特征表示學習器的對應優化系數包括：
15、將度量函數定義為線性函數的形式，則特征表示學習器的表達式的約束條件為如下形式：
16、以逐元素回歸的方式對約束條件進行解耦，得到轉化后的特征表示學習器的表達式如下：
17、
18、對轉化后的特征表示學習器的表達式進行放松和正則化約束處理，得到處理后的特征表示學習器的表達式如下：
19、
20、將處理后的特征表示學習器中的平滑后的雷達回波子序列集合中的某一子序列從低維空間非線性地映射至高維空間中，得到映射后的特征表示學習器的表達式如下：
21、
22、對映射后的特征表示學習器的表達式進行求解，得到特征表示學習器的最優解，并將特征表示學習器的最優解作為特征表示學習器的與子序列對應的優化系數；
23、式中，為轉化后的特征表示學習器，||·||為某種范數算子，為處理后的特征表示學習器，為l2正則項，ε為回歸誤差項的松弛因子，λ為回歸誤差項的懲罰因子，[·]≥0＝max{·；0}為誤差損失項僅關心超過誤差松弛邊界的回歸結果，φ(v)為映射后的特征表示學習器，為非線性地映射函數。
24、優選的，對雷達回波序列集合進行預處理，得到預處理后的雷達回波子序列集合之后，所述方法還包括：對預處理后的雷達回波子序列集合中的目標樣本集合進行上采樣，雜波樣本集合進行下采樣，得到均衡處理后的雷達回波子序列集合。
25、優選的，對預處理后的雷達回波子序列集合中的目標樣本集合進行上采樣包括：
26、s1、對預處理后的雷達回波子序列集合中的目標樣本集合進行向量化，得到向量化后的目標樣本集合；
27、s2、有放回的從向量化后的目標樣本集合中隨機選取一個目標樣本，并計算隨機選取的目標樣本的a個近鄰樣本；
28、s3、從a個近鄰樣本中隨機選取一個近鄰樣本進行向量化，得到向量化后的近鄰樣本；
29、s4、對向量化后的近鄰樣本進行向量切片還原，得到還原后的近鄰樣本；
30、s5、將還原后的近鄰樣本作為新的目標樣本，并放入生成目標樣本集合中；
31、s6、重復s2-s5l×m次，以得到具有l×m個新的目標樣本的生成目標樣本集合，將生成目標樣本集合放入預處理后的雷達回波子序列集合中的目標樣本集合中，以得到均衡處理后的目標樣本集合，從而完成目標樣本集合的上采樣，其中，l為合成倍數，m為預處理后的雷達回波子序列集合中目標回波子序列的數量。
32、優選的，對雷達回波序列集合進行預處理，得到預處理后的雷達回波子序列集合包括：
33、對雷達回波序列集合進行異常點剔除，得到無異常點的雷達回波序列集合；
34、對無異常點的雷達回波序列集合進行數字脈沖壓縮，得到壓縮后的雷達回波序列集合；
35、對壓縮后的雷達回波序列集合進行有限沖擊響應濾波，得到濾波后的雷達回波序列集合；
36、對濾波后的雷達回波序列集合進行滑動窗切分，得到預處理后的雷達回波子序列集合。
37、優選的，對無異常點的雷達回波序列集合進行數字脈沖壓縮，得到壓縮后的雷達回波序列集合包括：
38、對無異常點的雷達回波序列集合進行逐通道傅里葉變換，得到與每個通道一一對應的脈沖的頻域響應曲線；
39、對原始參考發射信號進行復數還原，得到還原后的參考發射信號；
40、將每個脈沖的頻域響應曲線與還原后的參考發射信號進行逐位相乘和逐通道的逆傅里葉變換，得到壓縮后的雷達回波序列集合；
41、對壓縮后的雷達回波序列集合進行有限沖擊響應濾波，得到濾波后的雷達回波序列集合包括：
42、通過下式對壓縮后的雷達回波序列集合進行有限沖擊響應濾波，得到濾波后的雷達回波序列集合：
43、
44、式中，zp(n)為第p個通道的第n個距離單元的濾波后的雷達回波序列，k為濾波器總數，hk,p為第k個濾波器的第p個通道的系數矩陣，為第k個濾波器的第n個距離單元的壓縮后的雷達回波序列的轉置。
45、優選的，基于訓練后的檢測器對待測雷達回波序列進行檢測，得到目標預測結果包括：
46、對待測雷達回波序列進行預處理，得到預處理后的待測雷達回波子序列；<本文檔來自技高網...
【技術保護點】
1.一種基于雷達回波時序依賴關系的目標檢測方法，其特征在于，所述方法包括：對雷達回波序列集合進行預處理，得到預處理后的雷達回波子序列集合；
2.根據權利要求1所述的方法，其特征在于，針對平滑后的雷達回波子序列集合中的每個子序列，基于一階偏序關系獲取特征表示學習器的對應優化系數包括：基于一階偏序關系獲取特征表示學習器的表達式如下：
3.根據權利要求1或2所述的方法，其特征在于，基于特征表示學習器的表達式獲取特征表示學習器的對應優化系數包括：
4.根據權利要求1所述的方法，其特征在于，對雷達回波序列集合進行預處理，得到預處理后的雷達回波子序列集合之后，所述方法還包括：對預處理后的雷達回波子序列集合中的目標樣本集合進行上采樣，雜波樣本集合進行下采樣，得到均衡處理后的雷達回波子序列集合。
5.根據權利要求4所述的方法，其特征在于，對預處理后的雷達回波子序列集合中的目標樣本集合進行上采樣包括：
6.根據權利要求1所述的方法，其特征在于，對雷達回波序列集合進行預處理，得到預處理后的雷達回波子序列集合包括：
7.根據權利要
8.根據權利要求1所述的方法，其特征在于，基于訓練后的檢測器對待測雷達回波序列進行檢測，得到目標預測結果包括：
9.根據權利要求8所述的方法，其特征在于，對待測雷達回波序列進行預處理，得到預處理后的待測雷達回波子序列包括：
10.根據權利要求9所述的方法，其特征在于，對無異常點的待測雷達回波序列進行數字脈沖壓縮，得到壓縮后的待測雷達回波序列包括：
11.一種計算機設備，其特征在于，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的基于雷達回波時序依賴關系的目標檢測程序，所述處理器執行所述基于雷達回波時序依賴關系的目標檢測程序時實現權利要求1至10任一所述方法。
...【技術特征摘要】
1.一種基于雷達回波時序依賴關系的目標檢測方法，其特征在于，所述方法包括：對雷達回波序列集合進行預處理，得到預處理后的雷達回波子序列集合；
2.根據權利要求1所述的方法，其特征在于，針對平滑后的雷達回波子序列集合中的每個子序列，基于一階偏序關系獲取特征表示學習器的對應優化系數包括：基于一階偏序關系獲取特征表示學習器的表達式如下：
3.根據權利要求1或2所述的方法，其特征在于，基于特征表示學習器的表達式獲取特征表示學習器的對應優化系數包括：
4.根據權利要求1所述的方法，其特征在于，對雷達回波序列集合進行預處理，得到預處理后的雷達回波子序列集合之后，所述方法還包括：對預處理后的雷達回波子序列集合中的目標樣本集合進行上采樣，雜波樣本集合進行下采樣，得到均衡處理后的雷達回波子序列集合。
5.根據權利要求4所述的方法，其特征在于，對預處理后的雷達回波子序列集合中的目標樣本集合進行上采樣包括：
6.根...
【專利技術屬性】
技術研發人員：張右承，張力文，潘劍，馬喆，黃旭輝，
申請(專利權)人：航天科工集團智能科技研究院有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。