距离扩展目标内禀模态特征能量智能融合检测方法
【专利摘要】本发明公开了一种雷达距离扩展目标内禀模态特征能量智能融合检测方法，属于雷达信号处理领域。在杂噪背景未知情况下，为了克服现有距离扩展目标统计检测方法对杂噪环境适应性差等不足，本发明提出一种基于内禀模态频域能量差异的距离扩展目标智能融合检测方法；该方法根据目标对回波一维距离像不同频率内禀模态分量的差异性影响，以低频分量与高频分量的平均能量之比作为衡量标准，根据实际检测需要对杂噪特征数据库进行初始化或补充，通过融合辅助杂噪数据的特征量保持恒虚警率特性，并依据检测结果更新杂噪数据库；无需对杂噪背景进行统计建模，特别适合于固定或慢机动的微弱距离扩展目标检测，具有很强的虚警控制能力。
【专利说明】距离扩展目标内禀模态特征能量智能融合检测方法
一、【技术领域】
[0001]本发明隶属于雷达信号处理领域，具体涉及一种距离扩展目标内禀模态特征能量智能融合检测方法。
二、【背景技术】
[0002]与常规窄带低分辨率雷达相比，高距离分辨率雷达具有更大的带宽和更高的距离分辨率，在精确探测及成像、高精度跟踪、目标识别等方面具有明显的优势，在现代军事和民用领域获得了广泛的重视和应用，已经成为现代雷达发展的一个重要方向。与常规窄带雷达的“点目标”不同，高距离分辨率雷达目标回波分布在不同的径向距离单元中，呈现为“一维距离像”，形成了 “距离扩展目标”。距离扩展目标信号具有很强的非平稳性和非线性特性，大多数现有的距离扩展目标检测方法基于经典统计检验理论，检测方法的背景针对性过强，缺少对实际杂噪环境变化和不同目标信号的自适应能力，另外，目前大多数距离扩展目标检测器在低信杂比情况下检测损失较大，部分检测器甚至无法工作，对微弱距离扩展目标的检测能力有待提高，开展微弱距离扩展目标自适应智能检测研究具有重要意义。
[0003]目前，基于时频分析的智能信号处理方法在雷达微弱点目标检测中已得到应用，在距离扩展目标检测方面仍处于探索阶段，且往往忽略了虚警概率的控制问题。事实上，恒虚警率(CFAR)特性是雷达目标自动检测过程中主要的技术指标之一，采用CFAR处理可使计算机不致因干扰太强而过载，从而保证雷达信号处理系统的正常运行。
[0004]在低信杂噪比条件下，微弱距离扩展目标湮没于强杂噪背景中，传统的检测方法往往无法有效检测。而受距离扩展目标物理特性的影响，目标一维距离像表现出较强的非平稳特性。针对这一问题，经验模态分解(EMD)方法提供了有效的解决途径。在众多的时频分析方法中，EMD方法基于信号自身包络自适应分解信号，且不受测不准原理的限制，具有良好的时频聚集性；它既避免了小波分析中选择合适基函数的困难，也不会出现Wigner-Ville分布中的交叉项问题，是处理非线性非平稳信号的有力工具，适合解决具有非平稳特性的距离扩展目标非线性检测问题。
[0005]EMD方法的基本原理是将一个复杂信号分解为若干个内禀模态函数(MF)之和。IMF反映了信号内部固有的波动性，它是满足单分量信号物理解释的一类信号，在每一时刻只有单一频率成分，其满足以下两个条件:
[0006](I)在整个数据段内，零点数与极点数相等或至多相差一个；
[0007](2)在任意时刻，由局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为零，即上、下包络线相对时间轴局部对称。
[0008]对于雷达距离扩展目标检测来说，目标对雷达回波一维距离像的不同频率IMF分量存在不同影响，在雷达杂噪背景未知情况下，通过一维距离像不同频率MF分量能量的合理融合，设计简单有效的距离扩展目标自适应智能融合检测方法具有重要的现实意义。
三、
【发明内容】
[0009]1.要解决的技术问题
[0010]在雷达杂噪背景未知情况下，为了克服基于统计检验的距离扩展目标检测方法与实际环境失配时导致性能急剧下降、小波分析及Wigner-Ville分布等方法检测距离扩展目标时多分辨率不可调、存在交叉项等不足，本发明根据目标对雷达回波一维距离像的不同频率IMF分量的不同影响，提出基于频域能量差异的距离扩展目标智能融合检测方法。
[0011]2.技术方案
[0012]本发明所述距离扩展目标内禀模态特征能量融合检测方法包括以下技术措施:
[0013]步骤I对待检测的雷达回波一维距离像进行EMD分解
[0014]对待检测区域的N个距离单元回波幅值(x(t)，t=l,...，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:
[0015](I)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；
[0016](2)上、下包络线的平均值记为Hi1⑴，求出
[0017]1i1 (t) =x(t)-1ii1 (t), t=l,..., N(I)
[0018]如果Ii1 (t)是一个 IMF,则 Ii1 ⑴就是 x(t)的第 I 个 IMF 分量,记；
[0019](3)如果Mt)不满足MF的条件，则将Mt)作为原始数据，重复步骤⑴至步骤
(2)，得到上、下包络线的平均值HI11⑴，再判断hn(t) =hi (t) -Hi11 (t)是否满足MF的条件，如不满足则重复循环k次，直到hlk(t)满足頂？条件并记(31(0=1111^)，其中1111^)可表示为:
[0020]hlk (t) =Ii1 (η) (t) -mlk (t), t=l,..., N(2)
[0021]式中，h1(k_D (t)为第k-1次循环中去除上、下包络均值后获得的数据，mlk(t)表示第k次循环中上、下包络线的平均值；
[0022](4)将~⑴从x(t)中分离出来，得到
[0023]T1 (t) =x (t) -C1 (t)，t=l,...，N (3)
[0024]作为原始数据重复步骤⑴至步骤(3)，得到x(t)的第2个满足MF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(cjt), i = I,...,M),且有
[0025]
【权利要求】
1.距离扩展目标内禀模态特征能量智能融合检测方法，其特征在于包括以下步骤: 步骤I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=l，...，N)组成的雷达回波一维距离像X= [X (I)，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Hl1(t)，求出 Ii1 (t) =x (t) -Hi1 (t)，t=l，…，N(I) 如果h (t)是一个MF，则Ii1 (t)就是X⑴的第I个MF分量，记C1 (t) =Ii1⑴； (3)如果hjt)不满足IMF的条件，则将Ill(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mn⑴，再判断hn (t) =Ill (t) -Hi11 (t)是否满足MF的条件，如不满足则重复循环k次，直到hlk(t)满足頂？条件并记(31(0=1111;(0，其中1111;(0可表示为:
hlk(t) =Ii1 (η) (t)-mlk(t), t=l,..., N(2) 式中，h1(k_D (t)为第k-1次循环中去除上、下包络均值后获得的数据，mlk(t)表示第k次循环中上、下包络线的平均值； (4)将^⑴从x(t)中分离出来，得到
T1 (t) =X (t) -C1 (t), t=l,..., N(3) 将rjt)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(cjt), i = I,...,M),且有
【文档编号】G01S7/41GK103576131SQ201310552634
【公开日】2014年2月12日 申请日期:2013年11月2日 优先权日:2013年11月2日
【发明者】简涛, 何友, 关键, 苏峰, 平殿发, 张韫, 黄晓冬 申请人:中国人民解放军海军航空工程学院