技术特征：
1.一种基于支持向量机的航空磁异常obf分解检测方法，其特征在于，包括：基于待测区域，采集所述待测区域中飞行目标的数据参数以及所述飞行目标对应的水下目标的相对位置参数，通过获取所述飞行目标所处的测区环境地磁场的地磁场矢量表达式，以及，所述水下目标所处的水下环境的水下目标磁矩矢量表达式，构建初始航空标量磁探测模型，所述初始航空标量磁探测模型用于获得第一航空磁异常信号；通过提取所述初始航空标量磁探测模型的三个正交基函数，并根据每个所述正交基函数的加权系数，获得用于支持向量机的分类特征；基于目标数据以及所述目标数据对应的背景噪声数据，构建学习目标样本；基于所述分类特征和所述学习目标样本，并通过支持向量机函数，构建航空标量磁探测模型，其中，所述航空标量磁探测模型用于基于所述第一航空磁异常信号，获得第二航空磁异常信号。2.根据权利要求1所述一种基于支持向量机的航空磁异常obf分解检测方法，其特征在于：在构建所述初始航空标量磁探测模型的过程中，通过采集地理北坐标、地理东坐标以及垂直xoy面坐标构建三维直角坐标系，获取所述飞行目标的数据参数以及所述相对位置参数，其中，所述三维直角坐标系为右手螺旋坐标系。3.根据权利要求2所述一种基于支持向量机的航空磁异常obf分解检测方法，其特征在于：在构建所述初始航空标量磁探测模型的过程中，所述地磁场矢量表达式为：其中，是坐标轴的单位矢量，i为地磁倾角，φ为磁北方向与地理北的夹角，f为地磁场强度，f
x
为x轴方向的地磁场强度，f
y
为y轴方向的地磁场强度，f
z
为z轴方向的地磁场强度。4.根据权利要求3所述一种基于支持向量机的航空磁异常obf分解检测方法，其特征在于：在构建所述初始航空标量磁探测模型的过程中，所述水下目标磁矩矢量表达式为：其中，i
m
为磁矩倾角，φ
m
为磁矩偏角，即磁矩m在xoy面上的投影与地理北的夹角，m为总磁矩大小，m
x
为x轴方向的总磁矩大小，m
y
为y轴方向的总磁矩大小，m
z
为z轴方向的总磁矩大小。5.根据权利要求4所述一种基于支持向量机的航空磁异常obf分解检测方法，其特征在于：在构建所述初始航空标量磁探测模型的过程中，还包括获取所述水下目标在传感器处产生的磁场：
其中，r2＝x2+y2+z2，μ0为海水的介电常数。6.根据权利要求5所述一种基于支持向量机的航空磁异常0bf分解检测方法，其特征在于：在构建所述初始航空标量磁探测模型的过程中，所述初始航空标量磁探测模型的表达式为：其中b表示目标磁场，b
e
表示地磁场，m表示磁矩，r表示目标到测量点的距离。7.根据权利要求5所述一种基于支持向量机的航空磁异常0bf分解检测方法，其特征在于：在获得用于支持向量机的分类特征的过程中，三个所述正交基函数分别为：征的过程中，三个所述正交基函数分别为：征的过程中，三个所述正交基函数分别为：式中其中，u表示特征长度，r0表示目标距离航线的斜距，t表示时间，t0表示距离最近的时刻点，v表示航空平台运动速度。8.根据权利要求6所述一种基于支持向量机的航空磁异常obf分解检测方法，其特征在于：在构建学习目标样本的过程中，所述背景噪声数据的学习目标为y＝0，所述目标数据的学习目标为1。9.根据权利要求8所述一种基于支持向量机的航空磁异常obf分解检测方法，其特征在于：在构建航空标量磁探测模型的过程中，通过支持向量机svmtrain函数对所述分类特征和所述学习目标样本进行训练学习，得到训练分类器；通过支持向量机svmclassify函数和所述训练分类器，构建所述航空标量磁探测模型。10.根据权利要求1所述一种基于支持向量机的航空磁异常obf分解检测方法，其特征
在于：所述第二航空磁异常信号的检测率高于所述第一航空磁异常信号的检测率；所述第二航空磁异常信号的虚警率低于所述第一航空磁异常信号的虚警率。
技术总结
本发明公开了一种基于支持向量机的航空磁异常OBF分解检测方法，包括以下步骤，基于待测区域，构建初始航空标量磁探测模型，用于获得第一航空磁异常信号；通过提取初始航空标量磁探测模型的三个正交基函数，并根据每个正交基函数的加权系数，获得用于支持向量机的分类特征；基于目标数据以及目标数据对应的背景噪声数据，构建学习目标样本；基于分类特征和学习目标样本，并通过支持向量机函数，构建航空标量磁探测模型；本发明提供的方法相比传统正交基分解检测方法，可以有效提高航空磁异常的检测率，降低虚警率。降低虚警率。降低虚警率。
技术研发人员：于振涛 陈捷 程普 余路 王丹 迟铖 陈标 陶荣华 许素芹 李婷婷
受保护的技术使用者：中国人民解放军海军潜艇学院
技术研发日：2021.09.14
技术公布日：2021/12/14