基于多维时频特征与多级判决的雷达目标检测方法

本发明属于电数字数据处理，进一步涉及雷达信号数据处理中的一种基于多维时频特征与多级判决的雷达目标检测方法。本发明可用于在地物杂波背景复杂多变的环境下，能够准确地从雷达回波信号中区分弱小目标。

背景技术：

1、雷达目标检测的核心任务是判断接收回波中是否存在目标，其本质上属于二元假设检验问题。实际雷达接收回波通常由目标回波、地物杂波以及系统噪声共同组成。其中，地物杂波具有明显的非平稳性、空间相关性以及时间相关性等特点，尤其在山地、建筑群、植被等复杂环境中，地物杂波能量较强且变化剧烈，容易掩盖弱目标回波，从而导致低、慢、小弱目标检测性能下降。

2、西安电子科技大学在其申请的专利文献 “一种基于时频谱能量分布与奇异值分解的海杂波抑制方法”（申请号 cn 202310241578.5 申请公开号 cn 116224 277 a）中公开了一种基于时频谱能量分布与奇异值分解的海杂波抑制方法。该方法首先对包含杂波的回波信号进行短时傅里叶变换，得到回波信号的时频谱，并计算各时频点的瞬时能量；然后将时频谱的频率区间进行等分，计算每个时间点下各频率子区间占总频率区间的能量占比，并选取能量占比最大的频率子区间的幅度均值作为滤波阈值，对相应时频点进行滤波；之后，对滤波后的时频谱进行逆短时傅里叶变换，并对得到的回波信号矩阵进行奇异值分解，从奇异值分解结果中选取表征杂波的奇异值集合，构建与杂波子空间正交的信号子空间矩阵，最后将回波信号矩阵投影到该信号子空间矩阵中，得到杂波抑制后的回波信号。但是，该方法仍然存在的不足之处是，上述方法重点在于对杂波回波进行强杂波抑制处理，其目标是获得杂波抑制后的回波信号。对于复杂环境下的目标检测问题，仅完成杂波抑制预处理，仍然难以利用目标与背景杂波在时频能量分布、区域连通域结构等特征的差异。因此，仍然有必要在杂波抑制处理后的基础上，进一步构建多维时频特征提取和多级判决方法，从而提高复杂地物背景杂波下对弱小目标检测的准确性和鲁棒性。

技术实现思路

1、本发明的目的是针对上述现有技术的不足，提出一种基于多维时频特征与多级判决的雷达目标检测方法，旨在解决现有技术在复杂地物杂波环境下仅依赖单一时频特征对于目标和背景杂波进行判决，导致弱小目标漏检概率高、虚警概率高、检测鲁棒性差问题。

2、实现本发明目的的技术思路是：本发明首先对雷达回波数据基于hankel矩阵奇异值分解进行子空间投影，从而对雷达回波数据进行强地物背景杂波滤除预处理，然后将处理后的二维回波数据重构为一维回波数据。本发明对杂波抑制后的数据计算归一化平滑伪维格纳-威利分布，并从中提取脊累积、连通区域个数、最大连通区域尺寸时频分布通量四个互补的时频特征。由此解决了现有技术存在的复杂杂波可能只在一两个时频特征上表现突出，如强杂波容易引起脊累积或者最大连通区域尺寸异常，但其通常难以在轨迹连续性、区域结构和动态变化等多方面同时呈现目标特征的问题。本发明基于2.5σ准则对各特征进行异常检测，并采用“至少三个特征同时异常”的综合判决准则确定目标距离单元。本发明通过多维度时频特征，并进行多级联合判决，克服了现有技术的单一特征易受干扰、固定阈值适应性差的缺点，从而在复杂地物背景下显著提高了检测概率和鲁棒性。

3、为实现上述目的，本发明具体实现步骤包括如下：

4、步骤1，采用基于hankel矩阵奇异值分解进行子空间投影，从而对雷达回波数据进行强地物背景杂波滤除预处理，然后将处理后的二维回波数据重构为一维回波数据；

5、步骤2，计算杂波抑制后的信号归一化平滑伪维格纳-威利分布，提取四个维度的时频特征；

6、步骤3，基于2.5σ准则，根据当前数据中的时频特征的均值与方差自动构造异常判决门限，对每个时频特征进行候选目标特征判决，并根据多级判决逻辑确定最终的目标距离单元；

7、步骤4，标示不同时频特征在各距离单元上的检测结果。

8、进一步地，所述对雷达回波数据矩阵进行奇异值分解的步骤如下：

9、第一步，从雷达回波数据矩阵中抽取第个距离单元的所有脉冲数构成一维回波数据：，据此构造hankel矩阵，使得每一条逆对角线上的元素都相等；即：

10、；

11、其中，表示雷达回波数据矩阵中脉冲的总数，表示雷达回波数据矩阵中距离单元的总数，表示hankel矩阵的列数，该矩阵的行数为；

12、第二步，对hankel矩阵进行奇异值分解，得到：；其中，表示左奇异矩阵，表示奇异值由大到小排序的奇异值矩阵，表示右奇异矩阵，上标h表示矩阵复共轭转置操作。

13、进一步地，所述构造目标子空间投影矩阵，实现地物杂波抑制的步骤如下：

14、第一步，选取雷达回波数据矩阵奇异值分解后的前个奇异值左奇异向量构成地物杂波子空间矩阵：；其中，表示地物杂波对应的左奇异向量，表示地物杂波子空间的维数；

15、第二步，根据所述地物杂波子空间矩阵构建目标的子空间矩阵：；其中，表示目标的子空间矩阵，表示单位矩阵；

16、第三步，将原始hankel矩阵a投影到目标子空间，得到投影后的目标子空间：；

17、第四步，应用hankel矩阵重构方程将进行重构，得到地物杂波抑制后的一维数据：

18、；

19、其中，表示地物杂波抑制后的一维数据中的第个值，表示矩阵的第行第列的数据，，。

20、进一步地，所述计算杂波抑制后的信号归一化平滑伪维格纳-威利分布的步骤如下：

21、第一步，从杂波抑制后的雷达回波数据中提取第个距离单元所有脉冲数，构成慢时间回波序列：；

22、第二步，对慢时间回波序列进行平滑伪格纳-威利变换，获得第个距离单元的时频分布：

23、；

24、其中，表示第个距离单元第个时间位置与第个频率位置联合坐标下的的时频分布值，表示时间方向的平滑窗函数，表示时间延迟的频率方向平滑窗函数，上标*表示复共轭符号；

25、第三步，计算所有距离单元的平滑伪格纳-威利分布的全局均值：

26、；

27、其中，表示所有距离单元的平滑伪格纳-威利分布的全局均值，表示时间采样点数，表示频率采样点数；

28、第四步，计算全局标准差：

29、；

30、其中，表示所有距离单元的平滑伪格纳-威利分布的全局均值；

31、第五步，对每个距离单元的平滑伪格纳-威利分布进行归一化：

32、；

33、其中， 表示第个距离单元的第个时间位置与第个频率位置联合坐标下的归一化的时频分布值。

34、进一步地，所述提取四个维度的时频特征是指：

35、a. 在归一化平滑伪维格纳-威利分布的每个时间位置上，搜索频率维度对应的幅度最大值，将所有时间位置对应的幅度最大值进行累加，将所得累加和作为第一维特征：脊累积ri；

36、b. 在归一化平滑伪维格纳-威利分布中，利用otsu方法确定显著时频点，赋值为1，其余时频点，赋值为0，构建显著时频点二值图像stfp；采用8邻域连通规则对stfp的显著时频点进行连通域标记，统计互相独立的连通区域定义为第二维特征：连通区域个数nr；

37、c. 在显著时频点二值图像stfp中，统计各连通区域中取值为1的像素点数量，取其中最大值作为第三维特征：最大连通区域尺寸ms；

38、d.在归一化平滑伪维格纳-威利分布中，计算时间方向和频率方向上相邻时频点之间的差值，将所有差值平方并求和，将该结果作为第四维特征：时频分布通量flux。

39、进一步地，所述2.5σ准则是指，分别提取每个距离单元的四维时频特征，并将同一类时频特征在所有距离单元上的取值汇总，构成时频特征的集合： ；其中，表示第个距离单元的第个时频特征值，计算第个时频特征集合的均值和方差，同时以均值为中心，2.5倍的方差为偏差范围，确定第个时频特征值正常区间：。

40、进一步地，所述异常判决门限具体如下：

41、对于ri特征，检测阈值条件为：

42、；

43、其中，表示第个距离单元的ri特征值，和分别表示所有距离单元的ri特征均值和标准差；

44、对于nr特征，检测阈值条件为：

45、；

46、其中，表示第个距离单元的nr特征值，和分别表示所有距离单元的nr特征均值和标准差；

47、对于ms特征，检测阈值条件为：

48、；

49、其中，表示第个距离单元的ms特征值，和分别表示所有距离单元的ms特征均值和标准差；

50、对于flux特征，检测阈值条件为：

51、；

52、其中，表示第个距离单元的flux特征值，和分别表示所有距离单元的flux特征均值和标准差。

53、进一步地，所述对每个时频特征进行候选目标特征判决是指：判断每个距离单元的时频特征是否满足的2.5σ准则，将满足该2.5σ准则的距离单元的第个时频特征标记为候选目标时频特征。

54、进一步地，所述根据多级判决逻辑确定最终的目标距离单元的步骤如下：

55、第一步，对每一个距离单元，分别统计其ri、nr、ms和flux四维的时频特征被标记为候选目标特征的数量；

56、第二步，将候选目标特征数量大于或等于3的距离单元，判定该距离单元中含有目标。

57、进一步地，所述标示不同时频特征在各距离单元上的检测结果的步骤如下：

58、第一步，分别绘制ri、nr、ms和flux四维时频在所有距离单元上的分布曲线；

59、第二步，在每个时频特征分布曲线中标识该时频特征的均值、方差以及异常判决门限；

60、第三步，将满足多级判决条件的距离单元标记为含有目标的距离单元。

61、本发明与现有技术相比较，具有如下优点：

62、第一，本发明从归一化平滑伪维格纳-威利分布中提取了四个互补的时频特征。克服了现有技术存在解决现有技术在复杂地物杂波环境下仅依赖单一时频特征对于目标和背景杂波进行判决，导致弱目标漏检概率高的缺陷，使得本发明采用多维时频特征联合相对单一时频特征能够降低虚警概率；同时，弱目标虽然在单一特征上不明显，但可以通过多个特征的综合异常检测，从而提高目标检测概率。

63、第二，本发明设计了一种基于2.5σ准则的自适应多级判决方法。该方法根据当前数据中的时频特征的均值与方差自动构造异常判决门限，避免了阈值依赖人为经验。相比于传统3σ准则，2.5σ适当降低了异常门限，提高了弱目标检测概率；同时采用“至少三个特征同时异常”的综合判决逻辑，显著降低了虚警概率，提高了检测的鲁棒性和准确性。