技术特征：
1.一种基于svm的雷达rd图像弱目标检测方法，其特征在于：s1.随机选取目标参数，获取雷达回波数据，在雷达回波数据中加入不同噪比的随机噪声，并生成雷达距离多普勒维图像；s2.利用原始图像的目标特征信息、图像的大小、图像中目标的数目以及位置信息进行预处理并进行标签设置，生成标准标签数据；以目标中心为中心点生成大小为10*10的标签框，制作标准化标签数据xml文件，xml文件中包括图像的大小、图像中目标的数目和位置信息；根据xml文件中图像的大小、图像中目标的数目和位置信息即可在图像中找到目标所在位置，并且图像数据集与标签数据集一一对应；s3.构建针对低信噪比下弱目标检测的支持向量机(svm)网络；s4.对构建的支持向量机(svm)网络进行目标检测并交叉验证；s5.获得测试集目标检测准确率结果。2.根据权利要求1所述的一种基于svm的雷达rd图像弱目标检测方法，其特征在于：所述步骤s1中雷达回波数据为通过仿真生成雷达回波数据，并在数据中加入不同信噪比的随机噪声。3.根据权利要求2所述的一种基于svm的雷达rd图像弱目标检测方法，其特征在于：步骤s2还包括：s201:将原始图像标准化，并调整分辨率为适合支持向量机(svm)学习的大小；s202:获取目标所在位置的具体坐标值；s203:针对目标所在位置的坐标值进行标签设置，生成标准标签数据，以目标中心为中心点生成大小为10*10的标签框生成包含目标特征信息、图像的大小、图像中目标的数目以及位置信息的标签数据，记录标签框的x
min
、x
max
、y
min
、y
max
以及标签数目。4.根据权利要求3所述的一种基于svm的雷达rd图像弱目标检测方法，其特征在于：所述步骤s3中支持向量机(svm)网络包括svm网络的传输形式、网络架构模式、所采用的激励函数和检测参数。5.根据权利要求1所述的一种基于svm的雷达rd图像弱目标检测方法，其特征在于：所述步骤s3中目标检测具体为对不同背景下的不同目标进行分类检测、对目标与杂波之间的特征区别进行检测。6.根据权利要求2所述的一种基于svm的雷达rd图像弱目标检测方法，其特征在于：对于运动的目标，通过对比运动前后标签框坐标x
min
、x
max
、y
min
、y
max
的比值，从而确定目标的运动状态以及运动关系。7.根据权利要求1或5所述的一种基于svm的雷达rd图像弱目标检测方法，其特征在于：所述步骤s3中交叉验证的具体步骤为：s301:将训练样本集分为n个大小相同的子样本集；s302:将其中一个子样本集作为验证模型的子集，而其余的子样本集用来训练支持向量机；s303:把训练得到的模型在验证子集上进行校验，记录校验误差；并重复校验过程直到每个子集都只作为一次验证子集；s305:统计每次实验的校验误差，将此误差作为支持向量机参数选择的标准。
8.根据权利要求1所述的一种基于svm的雷达rd图像弱目标检测方法，其特征在于：所述步骤s5中准确率包括检测率和虚警率，计算公式如下：述步骤s5中准确率包括检测率和虚警率，计算公式如下：式中p
d
为检测率，p
f
为虚警率，tp为真正例，fn为假正例，fp为假反例。
技术总结
本发明公开了一种基于SVM的雷达RD图像弱目标检测方法，随机选取目标参数，获取雷达回波数据，生成雷达距离多普勒维图像；利用原始图像位置信息进行预处理并进行标签设置，生成标准标签数据；以目标中心为中心点生成大小为10*10的标签框，制作标准化标签数据xml文件，xml文件中包括图像的大小、图像中目标的数目和位置信息；构建针对低信噪比下弱目标检测的SVM网络；对构建的SVM网络进行目标检测并交叉验证；获得测试集目标检测准确率结果。本发明利用图像的大小、图像中目标的数目和位置信息，通过SVM网络反复训练得到目标检测网络，该方法得到的目标检测网络具有在低信噪比下检测准确率高、实效果好等优点。实效果好等优点。
技术研发人员：张平 周杨磊 张其政 齐文轩 谢富华
受保护的技术使用者：安徽耀峰雷达科技有限公司
技术研发日：2022.09.30
技术公布日：2023/1/6