基于重采样算法的合成极窄脉冲雷达检测门限计算方法与流程

本发明涉及目标检测
技术领域：
，尤其涉及一种基于重采样算法的合成极窄脉冲雷达检测门限计算方法。
背景技术：
：在合成极窄脉冲雷达中，目标不再具有理想点目标的特征，而是表现为包含多个散射点的扩展目标。目前，已有积分检测器、mn检测器、ssd-glrt(spatialscatteringdensity-generalizedlikelihoodratiotest，空间散射密度广义似然比检验)检测器、序贯检测器等雷达检测算法，但是ssd-glrt、序贯检测器等检测器，由于检验统计量服从的分布难以求得，故难以用解析方法计算检测器门限。为得到此类检测器的门限，传统做法是产生足够多的环境噪声信号，将其输入检测器得到检验统计量，通过对样本从小到大排序来确定虚警率对应的检测器门限。这种方式需要存储大量随机数，存在内存占用高的缺点，同时检测器门限计算速度较慢。技术实现要素：本发明提供的一种基于重采样算法的合成极窄脉冲雷达检测门限计算方法，以解决传统方法需要存储大量随机数占用内存的缺点，提高检测器门限计算速度。为解决上述技术问题，本发明提供一种基于重采样算法的合成极窄脉冲雷达检测门限计算方法，包括：步骤一、输入检验统计量的个数n、虚警率按从大到小的顺序排列为p1，p2，...，pm，检测器窗长为l；步骤二、重采样随机样本生成器产生n个窗长为l，概率密度函数为f1的噪声信号xn＝{x1，x2，...，xl}，n＝1，2，...，n；；步骤三、计算第n个噪声样本对应的权重；假设环境噪声的概率密度函数为f0；步骤四、根据检测器的判决规则，生成n个检验统计量tn(x)，n＝1，2，...，n；步骤五、初始化分位点生成器，设置(2m+3)个分位点，对前(2m+3)个检验统计量按从小到大的顺序排序，得到顺序统计量t(i)，i＝1，2，...，(2m+3)，计算生成t(i)对应的样本权重wi，分别对第i个分位点数值的大小qi，表示第i个分位点对应的积累样本数ni，算法顺序执行时分位点对应的样本增量δni，以及表示第i个分位点期望的样本数n′i，做以下赋值操作：qi＝t(i)，i＝1，2，...，(2m+3)；n′i＝1+2(m+1)δni；步骤六、输入第j个检验统计量tj(x)进行门限的迭代更新，所述j＞(2m+3)；步骤七、输出q2m+1作为虚警率pm(m＝1，2，...，m)对应门限的估计值。进一步的，所述步骤六包括：a)将tj(x)与qi，i＝1，2，...，(2m+3)作比较，确定tj(x)所在的区间，返回中间变量k，当tj(x)＜q1或tj(x)＞q2m+3时，更新q1或q2m+3；b)更新ni与n′i：ni＝ni+wi，i＝k，...，2m+3；n′i＝n′i+δn′i，i＝1，...，2m+3；c)对第2，...，(2m+2)分位点对应的门限进行调整：d＝n′i-ni，i＝2，...，2m+2；dl＝ni-1-ni；dr＝ni+1-ni；若(d≥1且dr＞1)或(d≤-1且dr＜-1)，则令d′＝sign(d)；若qi-1＜q′i＜qi+1，则令第i个门限和样本数分别为：qi＝q′i；ni＝n′i；否则ni＝n′i。进一步的，所述步骤a)包括：在tj(x)所在的区间为tj(x)＜q1时，返回中间变量k＝1，并更新q1＝tj(x)；在tj(x)所在的区间为q1≤tj(x)＜q2时，返回中间变量k＝1；在tj(x)所在的区间为q2≤tj(x)＜q3时，返回中间变量k＝2；......；在tj(x)所在的区间为q2m+2≤tj(x)＜q2m+3时，返回中间变量k＝2m+2；在tj(x)所在的区间为q2m+3＜tj(x)时，返回中间变量k＝2m+2，并更新q2m+3＝tj(x)。本发明的有益效果是：根据本发明提供的基于重采样算法的合成极窄脉冲雷达检测门限计算方法，通过重采样生成随机样本，利用分位点插值算法同时确定检测器各虚警率对应的门限，以解决传统方法需要存储大量随机数占用内存的缺点，提高检测器门限计算速度。附图说明图1为本发明实施例一的基于重采样算法的合成极窄脉冲雷达检测门限计算方法流程示意图；图2为本发明实施例一的迭代更新流程示意图；图3为本发明实施例一的ssd-glrt检测器门限更新示意图。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，下面通过具体实施方式结合附图对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。实施例一：为了解决传统门限确定方式需要存储大量随机数，内存占用高，检测器门限计算速度慢的问题，利用分位点插值算法。通过设置虚警率对应的分位点，根据输入的检验统计量，调用插值算法迭代更新各分位点对应门限的大小，以解决传统排序确定分位点需要存储大量随机数占用内存的缺点。重采样通过改变生成随机数的概率分布，使采样算法能够更多地生成对计算虚警率有贡献的样本，进一步减少准确统计虚警概率所需生成样本的数量，提高检测器门限获得速度。本发明假设环境噪声为加性复高斯白噪声，噪声功率为σ2，其概率密度函数为f0，本发明提供的方法如图1所示，主要包括重采样生成随机样本、计算样本权重、生成检验统计量、初始化动态分位点生成器、更新门限、输出门限。具体如下：步骤一、输入检验统计量的个数n、虚警率按从大到小的顺序排列为p1，p2，...，pm，检测器窗长为l；步骤二、重采样随机样本生成器产生n个窗长为l，概率密度函数为f1的噪声信号xn＝{x1，x2，...，xl}，n＝1，2，...，n步骤三、计算第n个噪声样本对应的权重；假设环境噪声的概率密度函数为f0；步骤四、根据检测器的判决规则，生成n个检验统计量tn(x)，n＝1，2，...，n；步骤五、初始化分位点生成器，设置(2m+3)个分位点，对前(2m+3)个检验统计量按从小到大的顺序排序，得到顺序统计量t(i)，i＝1，2，...，(2m+3)，计算生成t(i)对应的样本权重wi，分别对第i个分位点数值的大小qi，表示第i个分位点对应的积累样本数ni，算法顺序执行时分位点对应的样本增量δni，以及表示第i个分位点期望的样本数n′i，做以下赋值操作：qi＝t(i)，i＝1，2，...，(2m+3)；n′i＝1+2(m+1)δni；步骤六、输入第j个检验统计量tj(x)进行门限的迭代更新，所述j＞(2m+3)；步骤七、输出q2m+1作为虚警率pm(m＝1，2，...，m)对应门限的估计值。其中，步骤六包括：a)将tj(x)与qi，i＝1，2，...，(2m+3)作比较，确定tj(x)所在的区间，返回中间变量k，当tj(x)＜q1或tj(x)＞q2m+3时，更新q1或q2m+3；请参见如下表1所示：表1在tj(x)所在的区间为tj(x)＜q1时，返回中间变量k＝1，并更新q1＝tj(x)；在tj(x)所在的区间为q1≤tj(x)＜q2时，返回中间变量k＝1；在tj(x)所在的区间为q2≤tj(x)＜q3时，返回中间变量k＝2；......；在tj(x)所在的区间为q2m+2≤tj(x)＜q2m+3时，返回中间变量k＝2m+2；在tj(x)所在的区间为q2m+3＜tj(x)时，返回中间变量k＝2m+2，并更新q2m+3＝tj(x)。b)更新ni与n′i：ni＝ni+wi，i＝k，...，2m+3；n′i＝n′i+δn′i，i＝1，...，2m+3；c)对第2，...，(2m+2)分位点对应的门限进行调整：d＝n′i-ni，i＝2，...，2m+2；dl＝ni-1-ni；dr＝ni+1-ni；若(d≥1且dr＞1)或(d≤-1且dr＜-1)，则令d′＝sign(d)；若qi-1＜q′i＜qi+1，则令第i个门限和样本数分别为：qi＝q′i；ni＝n′i；否则ni＝n′i。下面给出一个应用本发明的仿真实例，并对其门限确定过程进行分析与说明。ssd-glrt检测器即基于散射点空间密度加权(spatialscatterdensity，ssd)的能量积累检测方法。ssd-glrt检测器首先需要得知目标散射点密度的先验参数α，然后通过对检测窗内各距离单元的回波加权，来减小含有弱散射点或无散射点的距离单元回波对检测器检测性能的影响。给出ssd-glrt检测器检验统计量的求取方法为：xi表示检测窗内第i个距离单元回波数据的模平方，在h0假设下xi服从均值为1的指数分布，xn＝{x1，x2，...，xl}，n＝1，2，...，n的概率密度函数可表示为：由于难以求得ssd-glrt检测器检验统计量t(x)的似然函数，因此ssd-glrt检测器没有门限计算公式。为求取门限，传统方法在h0假设下生成l×n个随机数，由判决规则得到每次仿真的检验统计量ti(x)，i＝1，2，...，n，将ti(x)按从小到大的顺序排列为t(1)，t(2)，…，t(n)，由虚警概率确定判决为h1的ti(x)个数上限u，并将t(n-u)对应的值作为检测门限。按照本发明，门限求取过程为：步骤一、确定输入的检验统计量个数n＝105、虚警率p＝0.1、窗长l＝10；步骤二、重采样随机样本生成器产生n组窗长为l，服从均值为2的指数分布的数据xn＝{x1，x2，...，xl}，n＝1，2，...，n，其概率分布可表示为：步骤三、计算各噪声样本权重：步骤四、设散射点密度的先验参数α＝0.1，根据检测器的判决规则，生成n个检验统计量tn(x)，n＝1，2，...，n；步骤五、初始化动态分位点生成器，对前五次输入的检验统计量按从小到大的顺序排序，得到顺序统计量t(i)，i＝1，2，...，5，找到生成t(i)对应的样本的权重wi，如下表2所示：表2i12345t(i)7.69777.76787.95338.492911.0927wi0.08430.06420.94720.03340.0371对qi，ni，δni，n′i做赋值操作，即如下表3所示：表3步骤六、动态分位点生成器初始化完成后，继续输入检验统计量进行门限的迭代更新，其迭代过程如图2所示；在本仿真实例中，只求1个虚警对应的门限，m＝1，分位点q有2m+3＝5个，因此取第3个分位点q3作为检测门限。上表q3＝7.9533是初始化时赋值，通过步骤六迭代更新分位点q3，得到q3最终值为5.5984，更新过程中q3的取值参见图3。步骤七、输出(1-p)-分位点q3最后的取值5.5984，作为虚警概率p对应门限的估计值。用蒙特卡洛仿真验证所得门限，ssd_glrt检测器生成1e5个检验统计量，与门限5.5984比较，得到虚警率为0.1002，可以验证本方法的正确性。显然，本领域的技术人员应该明白，上述本发明的各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(rom/ram、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属
技术领域：
的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。当前第1页12