雷达的目标检测方法、装置、设备及存储介质与流程

1.本技术涉及雷达信号处理技术领域，具体而言，涉及一种雷达的目标检测方法、装置、设备及存储介质。


背景技术：

2.为了实现对地物背景中存在的目标进行类型识别，通常需要使用雷达获取目标的特征，进而基于特征提取、识别等工作，从而实现对目标的类型的确定，例如：确定该目标具体的类型，如船只、车辆、飞机等。
3.现有技术中，对于双极化雷达，通常是采用目标的极化角特征的提取，具体的，基于椭圆倾角、去极化系数等信息作为目标的极化不变量来提取目标的极化角特征，从而实现对目标的类型的确定。
4.然而，仅仅基于极化角进行特征提取，所提取到的特征较少，尤其是在地物背景较为复杂的情况下，识别容易受到干扰，导致识别的结果并不准确。


技术实现要素：

5.本技术的目的在于提供一种雷达的目标检测方法、装置、设备及存储介质中，可以基于更多的目标特征确定目标的类型，提高对目标类型确定的准确性。
6.本技术的实施例是这样实现的：本技术实施例的一方面，提供一种雷达的目标检测方法，包括：在检测到目标雷达的检测范围中存在检测目标时，分别获取目标雷达的指令周期中第一时间窗口的四个极化通道针对检测目标的第一回波数据、第二时间窗口的四个极化通道针对检测目标的第二回波数据，第一时间窗口为指令周期中的任一时间窗口，第二时间窗口为与第一时间窗口相邻的时间窗口，目标雷达为双极化雷达；基于第一回波数据确定检测目标在第一时间窗口时的距离像相关性以及极化角信息；基于第一回波数据以及第二回波数据确定检测目标从第一时间窗口到第二时间窗口变化的极化稳定程度；将距离像相关性、极化角信息以及极化稳定程度分别输入至预先配置的目标识别分类器，得到检测目标的类型。
7.可选地，基于第一回波数据确定检测目标在第一时间窗口时的距离像相关性以及极化角信息，包括：基于第一回波数据得到检测目标的距离信息以及检测目标的第一极化散射向量；根据检测目标的距离信息确定距离像相关性；根据检测目标的距离信息以及检测目标的第一极化散射向量确定极化角信息。
8.可选地，距离信息包括：距离像长度所在的距离区间，基于第一回波数据得到检测目标的距离信息，包括：
对第一回波数据进行脉冲压缩处理以及恒虚警处理，得到检测目标与目标雷达的距离；根据检测目标与目标雷达的距离，得到检测目标的距离像长度所在的距离区间。
9.可选地，根据检测目标的距离信息确定距离像相关性，包括：从四个极化通道中筛选两个极化通道作为目标通道；基于目标通道中检测目标的距离像长度所在的距离区间确定距离像相关性。
10.可选地，极化角信息包括：极化角、极化角均值以及极化角方差，根据检测目标的距离信息以及检测目标的第一极化散射向量确定极化角信息，包括：基于四个极化通道中检测目标的第一极化散射向量以及距离像长度所在的距离区间确定极化角、极化角均值以及极化角方差。
11.可选地，基于第一回波数据以及第二回波数据确定检测目标从第一时间窗口到第二时间窗口变化的极化稳定程度，包括：根据第一回波数据得到检测目标的第一极化散射向量，并根据第二回波数据得到检测目标的第二极化散射向量；根据第一极化散射向量以及第二极化散射向量确定检测目标在从第一时间窗口到第二时间窗口变化的极化稳定程度。
12.可选地，将距离像相关性、极化角信息以及极化稳定程度分别输入至预先配置的目标识别分类器，得到检测目标的类型之前，该方法包括：基于样本数据、样本数据对应的识别结果数据对初始识别模型进行训练，得到目标识别分类器，样本数据包括：待识别目标的距离像相关性、极化角信息以及极化稳定程度，识别结果包括：待识别目标的类型。
13.本技术实施例的另一方面，提供一种雷达的目标检测装置，包括：获取模块、计算模块以及确定模块；获取模块，用于在检测到目标雷达的检测范围中存在检测目标时，分别获取目标雷达的指令周期中第一时间窗口的四个极化通道针对检测目标的第一回波数据、第二时间窗口的四个极化通道针对检测目标的第二回波数据，第一时间窗口为指令周期中的任一时间窗口，第二时间窗口为与第一时间窗口相邻的时间窗口，目标雷达为双极化雷达；计算模块，用于基于第一回波数据确定检测目标在第一时间窗口时的距离像相关性以及极化角信息；计算模块，还用于基于第一回波数据以及第二回波数据确定检测目标从第一时间窗口到第二时间窗口变化的极化稳定程度；确定模块，用于将距离像相关性、极化角信息以及极化稳定程度分别输入至预先配置的目标识别分类器，得到检测目标的类型。
14.可选地，计算模块，具体用于基于第一回波数据得到检测目标的距离信息以及检测目标的第一极化散射向量；根据检测目标的距离信息确定距离像相关性；根据检测目标的距离信息以及检测目标的第一极化散射向量确定极化角信息。
15.可选地，距离信息包括：距离像长度所在的距离区间；计算模块，具体用于对第一回波数据进行脉冲压缩处理以及恒虚警处理，得到检测目标与目标雷达的距离；根据检测目标与目标雷达的距离，得到检测目标的距离像长度所在的距离区间。
16.可选地，计算模块，具体用于从四个极化通道中筛选两个极化通道作为目标通道；基于目标通道中检测目标的距离像长度所在的距离区间确定距离像相关性。
17.可选地，极化角信息包括：极化角、极化角均值以及极化角方差，计算模块，具体用于基于四个极化通道中检测目标的第一极化散射向量以及距离像长度所在的距离区间确定极化角、极化角均值以及极化角方差。
18.可选地，计算模块，具体用于根据第一回波数据得到检测目标的第一极化散射向量，并根据第二回波数据得到检测目标的第二极化散射向量；根据第一极化散射向量以及第二极化散射向量确定检测目标在从第一时间窗口到第二时间窗口变化的极化稳定程度。
19.可选地，获取模块，还用于基于样本数据、样本数据对应的识别结果数据对初始识别模型进行训练，得到目标识别分类器，样本数据包括：待识别目标的距离像相关性、极化角信息以及极化稳定程度，识别结果包括：待识别目标的类型。
20.本技术实施例的另一方面，提供一种计算机设备，包括：存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时，实现上述雷达的目标检测方法的步骤。
21.本技术实施例的另一方面，提供一种计算机可读存储介质，存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现上述雷达的目标检测方法的步骤。
22.本技术实施例的有益效果包括：本技术实施例提供的一种雷达的目标检测方法、装置、设备及存储介质中，可以在检测到目标雷达的检测范围中存在检测目标时，分别获取目标雷达的指令周期中第一时间窗口的四个极化通道针对检测目标的第一回波数据、第二时间窗口的四个极化通道针对检测目标的第二回波数据；基于第一回波数据确定检测目标在第一时间窗口时的距离像相关性以及极化角信息；基于第一回波数据以及第二回波数据确定检测目标从第一时间窗口到第二时间窗口变化的极化稳定程度；将距离像相关性、极化角信息以及极化稳定程度分别输入至预先配置的目标识别分类器，得到检测目标的类型。其中，通过获取距离像相关性、极化角信息以及极化稳定程度，可以得到更多、更全面的目标特征，进而将上述三种类型的特征输入到目标识别分类器中进行目标识别，可以得到更加准确的识别结果，也即是可以更加准确地确定检测目标的类型。
附图说明
23.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
24.图1为本技术实施例提供的雷达的目标检测方法的流程示意图；图2为本技术实施例提供的雷达的目标检测方法的另一流程示意图；图3为本技术实施例提供的雷达的目标检测方法的另一流程示意图；图4为本技术实施例提供的雷达的目标检测方法的另一流程示意图；图5为本技术实施例提供的雷达的目标检测方法的另一流程示意图；图6为本技术实施例提供的雷达的目标检测装置的结构示意图；
图7为本技术实施例提供的计算机设备的结构示意图。
具体实施方式
25.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
26.因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
27.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
28.在本技术的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
29.下面来解释本技术实施例中提供的雷达的目标检测方法的具体实施过程。
30.图1为本技术实施例提供的雷达的目标检测方法的流程示意图，请参照图1，雷达的目标检测方法，包括：s110：在检测到目标雷达的检测范围中存在检测目标时，分别获取目标雷达的指令周期中第一时间窗口的四个极化通道针对检测目标的第一回波数据、第二时间窗口的四个极化通道针对检测目标的第二回波数据。
31.其中，第一时间窗口为指令周期中的任一时间窗口，第二时间窗口为与第一时间窗口相邻的时间窗口，目标雷达为双极化雷达。
32.可选地，该方法的执行主体可以是上述目标雷达或者用于控制目标雷达的计算机设备，在此不作具体限制，凡是可以实现对雷达控制的设备即可。
33.目标雷达具体可以是双极化雷达，也即是安装有双极化天线的雷达系统，例如：可以是用于进行气象观测的雷达、地物探测的雷达、通信用雷达，或者任意类型可以采用双极化系统工作的雷达，在此不作限制。
34.目标雷达在工作的过程中可以存在指令周期，也即是可以是目标雷达在执行某一探测任务时所执行的总时间，每个指令周期中可以划分出有多个滑窗，这些滑窗可以作为上述时间窗口，时间窗口中所包含的时间可以是指令周期内的一部分时间。
35.可选地，第一时间窗口可以是指令周期中的任一时间窗口，例如：若指令周期为1s，一个时间窗口的长度为10μs，则该时间窗口可以是这1秒内的任意10μs，在此不作具体限制。
36.第二时间窗口可以是与第一时间窗口相邻的时间窗口，具体基于滑窗的不同类型第二时间窗口也可以不同，例如若滑窗每次滑动的距离等于时间窗口的长度，则第一时间窗口可以与第二时间窗口不存在时间重叠；若滑窗每次滑动的距离小于时间窗口的长度，则第一时间窗口与第二时间窗口可以存在时间重叠。
37.继续以上述示例为例，若指令周期为1s，第一时间窗口在0-10μs之间，则可以根据
滑窗滑动的距离确定第二时间窗口的区间，若距离为2μs，则第二时间窗口在2-12μs之间；若距离为10μs，则第二时间窗口在10-20μs之间。
38.可选地，极化通道可以是双极化雷达所有的四个通道，具体可以分别记为hh、vv、hv、vh，其中，hh、vv为一对通道，hv、vh为另一对通道。
39.对于不同窗口下，通道接收到的回波数据可能存在一定的区别，第一时间窗口下，针对检测目标的回波数据为第一回波数据；第二时间窗口下，针对检测目标的回波数据为第二回波数据。
40.需要说明的是，回波数据具体可以是雷达天线向天线阵面所朝的方向发射雷达信号之后，基于该信号接收到的返回数据，即为回波数据，第一回波数据也即是在目标雷达的指令周期中第一时间窗口下，针对检测目标的所接收到的数据；第二回波数据也即是在目标雷达的指令周期中第二时间窗口下，针对检测目标的所接收到的数据。
41.s120：基于第一回波数据确定检测目标在第一时间窗口时的距离像相关性以及极化角信息。
42.可选地，目标雷达获取到上述第一回波数据之后，可以基于该第一回波数据计算检测目标在第一时间窗口时的距离像相关性以及极化角信息，具体可以按照预先配置的计算模型或者计算公式进行处理，计算的输入可以是第一回波数据，输出可以是距离像相关性以及极化角信息。
43.其中，距离像相关性具体可以是该检测目标的一维距离像的相关性，其中，一维距离像具体可以是用宽带雷达信号获取的目标散射点子回波在雷达射线上投影的向量和。
44.极化角信息具体可以是指极化角的相关信息，其中，极化角可以是雷达的高频头相对于标准位置所旋转的角度的大小。极化角的相关信息中，除了极化角之外，还可以包括基于极化角得到的其他相关信息，如：极化角的均值、方差等。
45.s130：基于第一回波数据以及第二回波数据确定检测目标从第一时间窗口到第二时间窗口变化的极化稳定程度。
46.可选地，标雷达获取到上述第一回波数据以及第二回波数据之后，可以基于该第一回波数据以及第二回波数据计算检测目标从第一时间窗口到第二时间窗口变化的极化稳定程度。
47.其中，极化稳定程度可以是指在极化的过程中随时间变化的稳定程度，具体可以是雷达在两个时间段极化的稳定性的差值，例如：从第一时间窗口到第二时间窗口变化的极化稳定程度。
48.需要说明的是，上述s120以及s130在进行计算的过程中，不作先后顺序限制，可以分别同时实现也可以先后依次实现，图1中为分别实现的过程，仅为一种可行的示例。
49.s140：将距离像相关性、极化角信息以及极化稳定程度分别输入至预先配置的目标识别分类器，得到检测目标的类型。
50.可选地，目标识别分类器可以是需要训练好的计算模型，该模型可以采用神经网络结构，或者其他类型的结构均可，凡是可以得到检测目标的类型即可。
51.其中，目标识别分类器的输入可以是距离像相关性、极化角信息以及极化稳定程度，输出可以是检测目标的类型。检测目标的类型具体可以是判定该检测目标为何种事物，例如：对于地物检测雷达，检测到的可以是飞机、船只或者汽车等；对于气象雷达，检测到的
可以是云层等，具体可以根据实际使用的雷达类型得到对应的可行结果。
52.本技术实施例提供的一种雷达的目标检测方法中，可以在检测到目标雷达的检测范围中存在检测目标时，分别获取目标雷达的指令周期中第一时间窗口的四个极化通道针对检测目标的第一回波数据、第二时间窗口的四个极化通道针对检测目标的第二回波数据；基于第一回波数据确定检测目标在第一时间窗口时的距离像相关性以及极化角信息；基于第一回波数据以及第二回波数据确定检测目标从第一时间窗口到第二时间窗口变化的极化稳定程度；将距离像相关性、极化角信息以及极化稳定程度分别输入至预先配置的目标识别分类器，得到检测目标的类型。其中，通过获取距离像相关性、极化角信息以及极化稳定程度，可以得到更多、更全面的目标特征，进而将上述三种类型的特征输入到目标识别分类器中进行目标识别，可以得到更加准确的识别结果，也即是可以更加准确地确定检测目标的类型。
53.下面来基于具体的实施例解释本技术中提供的雷达的目标检测方法另一具体实施过程。
54.图2为本技术实施例提供的雷达的目标检测方法的另一流程示意图，请参照图2，基于第一回波数据确定检测目标在第一时间窗口时的距离像相关性以及极化角信息，包括：s210：基于第一回波数据得到检测目标的距离信息以及检测目标的第一极化散射向量。
55.可选地，检测目标的距离信息具体可以是检测目标相对目标雷达的距离，或者基于该距离得到的其他相关距离信息，在此不作限制。
56.极化散射向量具体可以表示为：；其中，s即为极化散射向量，r即为检测目标相对目标雷达的距离，hh、hv、vh、vv分别代表上述四个极化通道。
57.第一极化散射向量s1具体可以表示为：。
58.其中，ra具体为基于第一回波数据分别确定的检测目标相对目标雷达的距离。
59.s220：根据检测目标的距离信息确定距离像相关性。
60.s230：根据检测目标的距离信息以及检测目标的第一极化散射向量确定极化角信息。
61.可选地，确定检测目标的距离信息之后，可以基于该距离信息计算出距离像相关性。确定检测目标的距离信息以及检测目标的第一极化散射向量之后，可以基于该距离信息以及检测目标的第一极化散射向量确定极化角信息。
62.需要说明的是，上述s220和s230可以分别同时执行，也可以按照一定顺序依次实现，在此不作限制，图2中所示为分别实现，在实际实现的过程中，可以是s210中确定检测目标的距离信息之后就执行s220，图2中仅为一种执行顺序的示例，并不以此为限。
63.下面来基于具体的实施例解释本技术中提供的雷达的目标检测方法又一具体实施过程。
64.图3为本技术实施例提供的雷达的目标检测方法的另一流程示意图，请参照图3，
距离信息包括：距离像长度所在的距离区间，基于第一回波数据得到检测目标的距离信息，包括：s310：对第一回波数据进行脉冲压缩处理以及恒虚警处理，得到检测目标与目标雷达的距离。
65.可选地，脉冲压缩具体可以是雷达对回波数据进行的信号处理，具体作用是将时域上混杂在一起的多个目标回波经过处理后使其能够分辨出，也即是得到具体的第一回波数据。
66.恒虚警处理具体可以是雷达系统在保持虚警概率恒定条件下对接收机输出的信号与噪声作判别以确定目标信号是否存在的处理过程。
67.对第一回波数据依次进行脉冲压缩处理以及恒虚警处理，可以得到干扰较低的数据，进而基于该数据可以确定更加准确的距离信息，具体可以计算出检测目标与目标雷达的距离，例如可以表示为r。
68.s320：根据检测目标与目标雷达的距离，得到检测目标的距离像长度所在的距离区间。
69.可选地，确定检测目标与目标雷达的距离r之后，进而可以计算出检测目标的距离像长度所在的距离区间，该距离区间可以是[r1：r2]，也即是所在的距离区间为r1到r2，其中，r1可以是距离像长度的距离区间中距离目标雷达较近的点的位置，r2可以是距离像长度的距离区间中距离目标雷达较远的点的位置。
[0070]
下面来基于具体的实施例解释本技术中提供的雷达的目标检测方法再一具体实施过程。
[0071]
图4为本技术实施例提供的雷达的目标检测方法的另一流程示意图，请参照图4，根据检测目标的距离信息确定距离像相关性，包括：s410：从四个极化通道中筛选两个极化通道作为目标通道。
[0072]
可选地，可以从四个极化通道中筛选出两个功率较大的极化通道作为目标通道，目标通道具体可以是一对通道，也即是说，选择出的目标通道可以是hh和vv，或者，hv和vh。
[0073]
s420：基于目标通道中检测目标的距离像长度所在的距离区间确定距离像相关性。
[0074]
可选地，以选择的目标通道为hh和vv为例，距离像相关性的计算公式具体如下：；其中，chv可以是距离像相关性，abs具体指取膜值运算，表示向量的二范数运算；()h表示转置共轭。
[0075]
可选地，极化角信息包括：极化角、极化角均值以及极化角方差，根据检测目标的距离信息以及检测目标的第一极化散射向量确定极化角信息，包括：基于四个极化通道中检测目标的第一极化散射向量以及距离像长度所在的距离区间确定极化角、极化角均值以及极化角方差。
[0076]
极化角的计算公式具体如下：
；其中，index表示r1到r2之间的任意一个点，表示极化角，表示反正切函数运算。
[0077]
并且可以计算出极化角均值以及极化角方差，具体计算公式如下：；；其中，mean可以是极化角均值，可以是极化角方差。
[0078]
下面来基于具体的实施例解释本技术中提供的雷达的目标检测方法还一具体实施过程。
[0079]
图5为本技术实施例提供的雷达的目标检测方法的另一流程示意图，请参照图5，基于第一回波数据以及第二回波数据确定检测目标从第一时间窗口到第二时间窗口变化的极化稳定程度，包括：s510：根据第一回波数据得到检测目标的第一极化散射向量，并根据第二回波数据得到检测目标的第二极化散射向量。
[0080]
可选地，第一极化散射向量s1具体可以表示为：；第二极化散射向量s2具体可以表示为：；其中，ra具体为基于第一回波数据分别确定的检测目标相对目标雷达的距离；rb具体为基于第二回波数据分别确定的检测目标相对目标雷达的距离。
[0081]
s520：根据第一极化散射向量以及第二极化散射向量确定检测目标在从第一时间窗口到第二时间窗口变化的极化稳定程度。
[0082]
可选地，极化稳定程度的计算公式具体如下：；其中，ct可以是极化稳定程度。
[0083]
本技术实施例提供的一种雷达的目标检测方法中，可以基于上述方式分别计算出距离像相关性、极化角信息以及极化稳定程度，基于上述多个对应的公式进行具体计算，可以使得到的结果更加准确，进而可以将更加准确的距离像相关性、极化角信息以及极化稳定程度输入至目标识别分类器，得到更加准确的结果。
[0084]
可选地，将距离像相关性、极化角信息以及极化稳定程度分别输入至预先配置的目标识别分类器，得到检测目标的类型之前，该方法包括：基于样本数据、样本数据对应的识别结果数据对初始识别模型进行训练，得到目标识别分类器。
[0085]
其中，样本数据包括：待识别目标的距离像相关性、极化角信息以及极化稳定程
度，识别结果包括：待识别目标的类型。
[0086]
可选地，在使用目标识别分类器执行上述识别之前，可以先基于样本数据、样本数据对应的识别结果数据对初始识别模型进行训练，得到目标识别分类器。
[0087]
其中，样本数据可以是已知的待识别目标的距离像相关性、极化角信息以及极化稳定程度，识别结果具体可以是已知的待识别目标的类型，基于这些已知数据对初始识别模型进行训练，其中，初始识别模型可以是神经网络模型，或者其他具有训练学习功能的模型，在此不作具体限制。
[0088]
经过大量样本数据以及样本数据对应的识别结果数据进行训练之后，可以得到目标识别分类器。
[0089]
在训练的过程中，可以判定输入样本数据之后是否能得到样本数据对应的识别结果数据，基于大量训练之后，计算出目标识别分类器的识别的准确率，当准确率大于预设阈值之后，可以确定得到了目标识别分类器。
[0090]
下述对用以执行的本技术所提供的雷达的目标检测方法对应的装置、设备及存储介质等进行说明，其具体的实现过程以及技术效果参见上述，下述不再赘述。
[0091]
图6为本技术实施例提供的雷达的目标检测装置的结构示意图，请参照图6，一种雷达的目标检测装置，包括：获取模块610、计算模块620以及确定模块630；获取模块610，用于在检测到目标雷达的检测范围中存在检测目标时，分别获取目标雷达的指令周期中第一时间窗口的四个极化通道针对检测目标的第一回波数据、第二时间窗口的四个极化通道针对检测目标的第二回波数据，第一时间窗口为指令周期中的任一时间窗口，第二时间窗口为与第一时间窗口相邻的时间窗口，目标雷达为双极化雷达；计算模块620，用于基于第一回波数据确定检测目标在第一时间窗口时的距离像相关性以及极化角信息；计算模块620，还用于基于第一回波数据以及第二回波数据确定检测目标从第一时间窗口到第二时间窗口变化的极化稳定程度；确定模块630，用于将距离像相关性、极化角信息以及极化稳定程度分别输入至预先配置的目标识别分类器，得到检测目标的类型。
[0092]
可选地，计算模块620，具体用于基于第一回波数据得到检测目标的距离信息以及检测目标的第一极化散射向量；根据检测目标的距离信息确定距离像相关性；根据检测目标的距离信息以及检测目标的第一极化散射向量确定极化角信息。
[0093]
可选地，距离信息包括：距离像长度所在的距离区间；计算模块620，具体用于对第一回波数据进行脉冲压缩处理以及恒虚警处理，得到检测目标与目标雷达的距离；根据检测目标与目标雷达的距离，得到检测目标的距离像长度所在的距离区间。
[0094]
可选地，计算模块620，具体用于从四个极化通道中筛选两个极化通道作为目标通道；基于目标通道中检测目标的距离像长度所在的距离区间确定距离像相关性。
[0095]
可选地，极化角信息包括：极化角、极化角均值以及极化角方差，计算模块620，具体用于基于四个极化通道中检测目标的第一极化散射向量以及距离像长度所在的距离区间确定极化角、极化角均值以及极化角方差。
[0096]
可选地，计算模块620，具体用于根据第一回波数据得到检测目标的第一极化散射向量，并根据第二回波数据得到检测目标的第二极化散射向量；根据第一极化散射向量以
及第二极化散射向量确定检测目标在从第一时间窗口到第二时间窗口变化的极化稳定程度。
[0097]
可选地，获取模块610，还用于基于样本数据、样本数据对应的识别结果数据对初始识别模型进行训练，得到目标识别分类器，样本数据包括：待识别目标的距离像相关性、极化角信息以及极化稳定程度，识别结果包括：待识别目标的类型。
[0098]
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
[0099]
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路（application specific integrated circuit，简称asic），或，一个或多个微处理器，或，一个或者多个现场可编程门阵列（field programmable gate array，简称fpga）等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器（central processing unit，简称cpu）或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统（system-on-a-chip，简称soc）的形式实现。
[0100]
图7为本技术实施例提供的计算机设备的结构示意图，请参照图7，计算机设备，包括：存储器710、处理器720，存储器710中存储有可在处理器720上运行的计算机程序，处理器720执行计算机程序时，实现上述雷达的目标检测方法的步骤。
[0101]
可选地，上述计算机设备具体可以是前述执行该雷达的目标检测方法执行主体，也即是可以是目标雷达，或者是可以对目标雷达进行控制的控制设备。
[0102]
本技术实施例的另一方面，还提供一种计算机可读存储介质，存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现上述雷达的目标检测方法的步骤。
[0103]
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0104]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0105]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0106]
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器（英文：processor）执行本发明各个实施例方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（英文：read-only memory，简称：rom）、随机存取存储器（英文：random access memory，简称：ram）、磁碟或者光盘等各种可以存储程序代码的介质。
[0107]
上仅为本技术的具体实施方式，但本技术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技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。
[0108]
以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。