CN115372922A - 基于统计熵的海面目标检测方法 - Google Patents

基于统计熵的海面目标检测方法 Download PDF

Info

Publication number
CN115372922A
CN115372922A CN202210842450.XA CN202210842450A CN115372922A CN 115372922 A CN115372922 A CN 115372922A CN 202210842450 A CN202210842450 A CN 202210842450A CN 115372922 A CN115372922 A CN 115372922A
Authority
CN
China
Prior art keywords
sea clutter
amplitude
statistical
sequence
sea
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210842450.XA
Other languages
English (en)
Inventor
范一飞
陈铎
陈士超
张翔
陶明亮
粟嘉
王伶
张兆林
李滔
谢坚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202210842450.XA priority Critical patent/CN115372922A/zh
Publication of CN115372922A publication Critical patent/CN115372922A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/414—Discriminating targets with respect to background clutter
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于统计熵的海面目标检测方法，主要解决了海杂波模型匹配不准确时，传统恒虚警率(CFAR)算法性能下降的问题，其实现步骤是：1、将海杂波幅度序列进行归一化处理；2、计算海杂波幅度序列的统计直方图，并分析目标距离单元和纯海杂波距离单元统计直方图之间的特征差异；3、基于海杂波幅度统计直方图，计算海杂波模型的幅度统计熵；4、基于非参数的CFAR并联合海杂波模型幅度统计熵的计算结果进行目标探测，并输出目标探测结果。本发明的检测性能优于传统的CFAR目标检测算法，提高了雷达对海面小目标的检测性能。

Description

基于统计熵的海面目标检测方法
技术领域
本发明涉及一种本发明属于雷达信号处理技术领域，具体涉及一种基于统计熵的海面目标检测方法。
背景技术
海杂波是雷达照射下海面产生的后向散射回波，海杂波的存在会严重影响雷达对海面目标的检测能力。海杂波的形成机理十分复杂，其特性不仅取决于当前海面环境参数，而且还受到雷达工作参数的影响。
传统恒虚警率(CFAR)目标检测算法基于海杂波的统计特性，利用数理统计模型对海杂波进行统计建模，并计算出相应的检测门限实现目标检测。对于海杂波模型，瑞利分布、对数正态分布和韦布尔分布首先被用来描述海杂波的幅度统计特性，之后考虑到海杂波的时空相关性和拖尾特性，又提出了用K分布和Pareto分布去拟合海杂波的统计特征。然而，当海况较高时，大量海尖峰和异常散射单元的出现可能会导致海杂波模型的失配，从而导致目标检测性能的下降。
发明内容
要解决的技术问题
本发明克服了传统CFAR目标检测算法在海杂波幅度模型不匹配时，目标检测能力下降的不足，利用熵的特征来描述目标单元和海杂波单元之间海杂波幅度直方图扩展程度不同的特征差异，提出一种基于海杂波幅度统计熵的目标检测算法，提高了海杂波背景下的目标检测性能。
技术方案
一种基于统计熵的海面目标检测方法，其特征在于步骤如下：
步骤1：海杂波序列归一化处理
设海杂波幅度序列为：X＝{xk,k＝1,2,3..N}，其中N表示海杂波幅度序列的长度，利用海杂波幅度序列的标准差进行归一化处理，得到新的序列X'：
X'＝X/std(X)
其中，std(X)为海杂波幅度序列的标准差；
步骤2：海杂波幅度直方图计算
步骤2.1：计算海杂波幅度直方图中统计量的数目
针对步骤1中得到的归一化海杂波序列X'，利用如下公式计算海杂波幅度直方图中所有统计量的数目：
Figure BDA0003751665330000021
其中lx表示所有统计量的数目，fix(·)表示向下取整，m、n表示任意正整数；
步骤2.2：计算各统计量的幅度
针对步骤2.1中计算的海杂波幅度直方图中统计量的数目，根据海杂波序列的幅度，将海杂波序列放置在每一个所属的统计分量内，计算每个统计量内海杂波序列的数目nn，即各统计量的幅度被存储在向量nn中，计算步骤如下：
d＝(max(X')-min(X'))/lx
(id,(i+1)d),i＝0,1...,lx-1
其中d表示各统计量的宽度，即各统计量中所包含海杂波序列幅度的最大值减最小值，(id,(i+1)d),i＝0,1…,lx-1表示第i个统计量中所能包含海杂波序列的幅度区间；针对上述计算结果绘制海杂波幅度统计直方图；
步骤3：计算海杂波模型幅度统计熵
针对步骤2中得到的统计直方图，计算海杂波模型幅度统计熵；构造海杂波模型幅度统计熵来描述目标距离单元和海杂波距离单元之间统计直方图的差异；所述海杂波模型幅度统计熵的计算过程如下：
F＝nn/N
Figure BDA0003751665330000031
其中F＝nn/N表示将频数nn转换成频率F，E表示海杂波模型幅度统计熵的计算结果，F(i)表示第i个频率分量；
步骤4：目标探测
针对步骤3中计算得到的幅度统计熵E的结果作为特征检测器的输入进行目标检测，特征检测器的结构如下所示：
Figure BDA0003751665330000032
其中Z表示判决门限，H0表示海杂波距离单元，H1表示目标距离单元。
一种计算机***，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的方法。
一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现上述的方法。
有益效果
本发明提出的一种基于统计熵的海面目标检测方法，该方法可应用于岸基/弹载/机载对海探测雷达，通过定义幅度统计熵来描述目标与杂波距离单元回波信号统计直方图的特征差异，并利用此特征差异进一步实现目标检测，提升了雷达对海面小目标的检测能力。具有以下有益效果：
1、本发明通过计算海杂波序列幅度统计直方图，通过分析目标距离单元与海杂波距离单元回波信号统计直方图，提取出幅度统计熵特征作为目标检测器的输入。由于幅度统计熵特征能够充分描述海杂波与目标的差异，因此，提出基于幅度统计熵的检测方法能够提升目标检测性能。
2、由于基于幅度统计熵的目标检测算法不依赖于海杂波幅度模型，因此克服了传统CFAR目标检测方法因模型失配所导致的目标检测能力下降的不足，提高了雷达对海上小目标的检测性能。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1是本发明的算法实现流程图；
图2是X波段雷达回波的距离-时间-强度图像；
图3是目标距离单元雷达回波幅度统计直方图和纯海杂波距离单元海杂波幅度：a、海杂波距离单元；b、目标距离单元；
图4是基于X波段雷达实测回波和海杂波幅度统计熵的目标检测结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参照图1，本发明的具体实现过程如下：
步骤1、海杂波幅度序列归一化处理。设海杂波幅度序列为：X＝{xk,k＝1,2,3..N}利用海杂波幅度序列的标准差进行归一化处理，得到新的序列X'。
X'＝X/std(X)
步骤2、海杂波幅度直方图计算。
a)计算海杂波幅度直方图各统计量的数目
根据步骤1中得到的归一化海杂波序列X'，利用如下公式计算海杂波幅度直方图各统计量的数目。
Figure BDA0003751665330000051
其中lx表示所有统计量数目的和，fix(·)表示向下取整，m、n表示任意正整数，但m和n的选择要尽可能的适应海杂波序列的长度与幅度，使绘制出的统计直方图更加美观。
b)计算各统计量的幅度
根据a中计算的海杂波幅度直方图中各统计量的数目，根据海杂波序列的幅度，将海杂波序列放置在每一个所属的统计单元内，统计单元内海杂波序列的数目nn，即每根柱子的幅度被存储在向量nn中，计算步骤如下：
d＝(max(X')-min(X'))/lx
(id,(i+1)d),i＝0,1…,lx-1
其中d表示任意一个统计量的宽度，即任意一个统计量中所包含海杂波序列幅度的最大值减最小值，(id,(i+1)d),i＝0,1…,lx-1表示第i个统计量所能包含海杂波序列的幅度区间。针对上述计算结果绘制海杂波幅度统计直方图。
步骤3、根据步骤2中得到的统计直方图，计算海杂波模型幅度统计熵。海杂波模型幅度统计熵的计算过程如下：
F＝nn/N
Figure BDA0003751665330000052
其中F＝nn/N表示将频数nn转换成频率F，E表示海杂波模型幅度统计熵的计算结果，F(i)表示第i个频率分量。
步骤4、目标探测
根据步骤3中计算得到的幅度统计熵E的结果作为特征检测器的输入进行目标检测，特征检测器的结构如下所示：
Figure BDA0003751665330000061
其中Z表示判决门限，由于不同距离单元幅度统计熵E的值是独立同分布的,所以判决门限Z的值可以由非参数CFAR方法决定，H0表示在该距离单元不存在目标，H1表示在该距离单元存在目标。这样设置判决门限的原因是：当出现目标时，回波信号的幅度会相对增加，导致统计直方图中柱子的分布扩展，从而使海杂波幅度统计熵E的值增加。
本发明的效果可以通过以下实测数据试验进一步说明：
实验条件：本实验采用X波段雷达实测进行海杂波幅度统计直方图分析和海杂波幅度熵的计算，X波段雷达的高度为30m，本实验采用雷达极化方式在HH下采集到的数据，SCR约为0～6dB。该X波段雷达的主要参数指标如表1所示，图2显示了X波段雷达回波的距离-时间-强度的图像。
表1测试X波段雷达参数指标表
Figure BDA0003751665330000062
试验内容与结果：
本发明结合信息论理论中利用熵来描述数据分散程度的特征，重点关注目标距离单元和海杂波距离单元海杂波幅度统计直方图之间的差异，并分别计算二者的幅度熵，利用非参数化CFAR进行目标检测。
图3分别是目标距离单元和海杂波距离单元的幅度统计直方图，其中图3.a是海杂波距离单元的统计直方图，图3.b是目标距离单元的统计直方图。结合两图，从对比中可以发现，图3.b中各统计量的分布情况比图3.a更加分散，这也印证了当目标出现时幅度熵会增加的结论。
图4显示了不同距离单元幅度熵的计算结果，其中虚线代表非参数化CFAR下计算出的门限值，圆圈代表不同距离单元的幅度熵。从图中可以发现，只有在第七距离单元的幅度熵的值大于门限值，其他周围的距离单元的幅度熵均小于门限值，这说明目标只出现在第七距离单元。
因此可以得到结论：利用目标距离单元和海杂波距离单元在幅度熵数值上的差异可以在海上目标检测中区分海杂波与目标。
目标检测性能分析：在这一部分，分析了本发明所提出方法的检测性能。表2展示了本发提出的目标检测方法与传统的CFAR目标检测算法在虚警率为千分之一时的检测概率对比。
表2不同方法的检测性能对比
Figure BDA0003751665330000071
从表2可以看出，本发明的检测性能优于传统的CFAR目标检测算法，提高了在低信杂比情况下对海上小目标的探测性能。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明公开的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种基于统计熵的海面目标检测方法，其特征在于步骤如下：
步骤1：海杂波序列归一化处理
设海杂波幅度序列为：X＝{xk,k＝1,2,3..N}，其中N表示海杂波幅度序列的长度，利用海杂波幅度序列的标准差进行归一化处理，得到新的序列X'：
X'＝X/std(X)
其中，std(X)为海杂波幅度序列的标准差；
步骤2：海杂波幅度直方图计算
步骤2.1：计算海杂波幅度直方图中统计量的数目
针对步骤1中得到的归一化海杂波序列X'，利用如下公式计算海杂波幅度直方图中所有统计量的数目：
Figure FDA0003751665320000011
其中lx表示所有统计量的数目，fix(·)表示向下取整，m、n表示任意正整数；
步骤2.2：计算各统计量的幅度
针对步骤2.1中计算的海杂波幅度直方图中统计量的数目，根据海杂波序列的幅度，将海杂波序列放置在每一个所属的统计分量内，计算每个统计量内海杂波序列的数目nn，即各统计量的幅度被存储在向量nn中，计算步骤如下：
d＝(max(X')-min(X'))/lx
(id,(i+1)d),i＝0,1...,lx-1
其中d表示各统计量的宽度，即各统计量中所包含海杂波序列幅度的最大值减最小值，(id,(i+1)d),i＝0,1...,lx-1表示第i个统计量中所能包含海杂波序列的幅度区间；针对上述计算结果绘制海杂波幅度统计直方图；
步骤3：计算海杂波模型幅度统计熵
针对步骤2中得到的统计直方图，计算海杂波模型幅度统计熵；构造海杂波模型幅度统计熵来描述目标距离单元和海杂波距离单元之间统计直方图的差异；所述海杂波模型幅度统计熵的计算过程如下：
F＝nn/N
Figure FDA0003751665320000021
其中F＝nn/N表示将频数nn转换成频率F，E表示海杂波模型幅度统计熵的计算结果，F(i)表示第i个频率分量；
步骤4：目标探测
针对步骤3中计算得到的幅度统计熵E的结果作为特征检测器的输入进行目标检测，特征检测器的结构如下所示：
Figure FDA0003751665320000022
其中Z表示判决门限，H0表示海杂波距离单元，H1表示目标距离单元。
2.一种计算机***，其特征在于包括：一个或多个处理器，计算机可读存储介质，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1所述的方法。
3.一种计算机可读存储介质，其特征在于存储有计算机可执行指令，所述指令在被执行时用于实现权利要求1所述的方法。
CN202210842450.XA 2022-07-18 2022-07-18 基于统计熵的海面目标检测方法 Pending CN115372922A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210842450.XA CN115372922A (zh) 2022-07-18 2022-07-18 基于统计熵的海面目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210842450.XA CN115372922A (zh) 2022-07-18 2022-07-18 基于统计熵的海面目标检测方法

Publications (1)

Publication Number Publication Date
CN115372922A true CN115372922A (zh) 2022-11-22

Family

ID=84061372

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210842450.XA Pending CN115372922A (zh) 2022-07-18 2022-07-18 基于统计熵的海面目标检测方法

Country Status (1)

Country Link
CN (1) CN115372922A (zh)

Similar Documents

Publication Publication Date Title
CN112684428B (zh) 一种基于信号代理的多目标恒虚警率检测方法
CN112462355B (zh) 一种基于时频三特征提取的对海目标智能检测方法
CN109212503B (zh) 一种基于ar谱分形相关特征的海上目标检测方法及装置
CN112731307B (zh) 基于距离-角度联合估计的ratm-cfar检测器及检测方法
Rutten et al. Efficient particle-based track-before-detect in Rayleigh noise
CN115453483B (zh) 一种雷达目标信号检测方法及相关设备
Zhang et al. Intelligent CFAR detector for non-homogeneous weibull clutter environment based on skewness
CN107024680A (zh) 一种基于双删除门限的目标检测方法
CN112213697B (zh) 一种基于贝叶斯决策理论用于雷达欺骗干扰识别的特征融合方法
US8022864B2 (en) Detection of transient signals in doppler spectra
Bi et al. Improved multi-target radar TBD algorithm
CN115372922A (zh) 基于统计熵的海面目标检测方法
KR102361816B1 (ko) 표적 탐지 방법 및 기록 매체
CN112731388B (zh) 一种基于有效散射点能量积累的目标检测方法
CN105242272B (zh) 基于自回归时间序列模型的车载毫米波防撞雷达恒虚警检测方法
Ristic et al. Bernoulli multi-target track-before-detect for maritime radar
CN114415118B (zh) 一种基于二维分形特征的海面目标检测方法
Fan et al. Target Detection Method Based on Amplitude Statistical Entropy of Sea Clutter Model
CN116224280B (zh) 雷达目标检测方法、装置、雷达设备及存储介质
CN113671459B (zh) Fmcw雷达动目标恒虚警检测方法
Jang et al. Target detection of marine radars using matrix bank filters
CN113189557B (zh) 对海雷达目标检测精细化处理方法及装置
Fan et al. Target Detection based on Two-dimensional Fractal Property under Sea Clutter Background
Li et al. Radar Signal Detection Method Based on Multi-Features Fusion
CN115015917B (zh) 一种基于复数域杂波图先验信息的目标检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination