非均勻背景下基于聚類處理的恒虛警檢測(cè)方法
【專利摘要】該發(fā)明公開(kāi)了一種非均勻背景下基于聚類處理的恒虛警檢測(cè)方法，屬于雷達(dá)弱目標(biāo)檢測(cè)技術(shù)的領(lǐng)域，特別涉及了聚類分析和低信噪比下恒虛警(CFAR)檢測(cè)技術(shù)。該方法首先進(jìn)行地形分類，利用改進(jìn)的K-means算法自適應(yīng)的確定最優(yōu)聚類數(shù)(不同地形的數(shù)目)，基于最優(yōu)聚類數(shù)對(duì)雷達(dá)監(jiān)測(cè)區(qū)域按幅度大小進(jìn)行聚類處理，實(shí)現(xiàn)地形分類，使分類之后的地形呈現(xiàn)出多種不同地形；然后對(duì)分類完成的地形進(jìn)行編號(hào)；在恒虛警檢測(cè)階段，利用編號(hào)的地形，篩選與待檢測(cè)單元具有相同地形的分辨單元作為參考單元，估計(jì)檢測(cè)門限，實(shí)現(xiàn)恒虛警檢測(cè)。從而具有在非均勻檢測(cè)背景下具有通用性強(qiáng)、分類精度高的效果。
【專利說(shuō)明】
非均勻背景下基于聚類處理的恒虛警檢測(cè)方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于雷達(dá)弱目標(biāo)檢測(cè)技術(shù)的領(lǐng)域，特別涉及了聚類分析和低信噪比下恒虛警(CFAR)檢測(cè)【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002]隨著科技的發(fā)展，雷達(dá)分辨率的提高，雷達(dá)探測(cè)環(huán)境往往具有典型的非均勻性，特別對(duì)于海濱、城市以及其他復(fù)雜地形的陸地，這些區(qū)域往往具有地形快速起伏、多種不同地形交替變化等特點(diǎn)，這些特點(diǎn)導(dǎo)致CFAR參考窗內(nèi)的數(shù)據(jù)不再滿足獨(dú)立同分布的條件，不能夠準(zhǔn)確的估計(jì)出干擾背景的功率，最終導(dǎo)致傳統(tǒng)檢測(cè)器虛警概率升高和目標(biāo)的漏檢。如果能夠?qū)崿F(xiàn)對(duì)雷達(dá)監(jiān)測(cè)場(chǎng)景地形的有效正確分類，我們就可以利用分類的結(jié)果選取均勻參考單元，準(zhǔn)確估計(jì)干擾背景功率，改善非均勻環(huán)境下雷達(dá)目標(biāo)的檢測(cè)性能，提升雷達(dá)的探測(cè)威力。因此，提高復(fù)雜環(huán)境下雷達(dá)對(duì)目標(biāo)的檢測(cè)能力具有重要的理論價(jià)值和實(shí)際意義。
[0003]恒虛警檢測(cè)是在雷達(dá)自動(dòng)檢測(cè)系統(tǒng)中給檢測(cè)策略提供檢測(cè)閾值并且使雜波干擾對(duì)系統(tǒng)的虛警概率影響最小的一種自適應(yīng)信號(hào)處理算法。針對(duì)非均勻背景，國(guó)內(nèi)外的學(xué)者已經(jīng)做了許多工作，2003年，美國(guó)雪城大學(xué)的Biao chen針對(duì)瑞利雜波背景提出了利用期望最大方法估計(jì)雜波邊緣的位置，從而篩選均勻參考單元；2006年，意大利的De Ma1提出利用地理信息系統(tǒng)來(lái)挑選均勻參考單元，改善檢測(cè)性能。2007年，土耳其的ASELSAN公司的DoyUran提出利用Anderson-Darling擬合優(yōu)度檢驗(yàn)來(lái)檢測(cè)參考單元中雜波的均勻性，并估計(jì)雜波距離變化的位置來(lái)改善非均勻背景下CFAR檢測(cè)性能；2012年，針對(duì)非均勻Weibull背景，Pourmottagh1.A提出利用最大似然估計(jì)來(lái)尋找雜波邊緣的位置，挑選均勻參考單元；然而，上述工作只是針對(duì)存在一個(gè)雜波邊緣的簡(jiǎn)單非均勻場(chǎng)景展開(kāi)的，當(dāng)雷達(dá)監(jiān)測(cè)區(qū)域存在多個(gè)雜波邊緣，即多種復(fù)雜地形時(shí)，上述所有方法將不再有效。2013年，普渡大學(xué)的JeongHun Kin針對(duì)復(fù)雜地形提出基于圖像融合的參考窗自適應(yīng)選擇算法，但是該算法對(duì)于初始的小數(shù)據(jù)窗的大小的選擇比較敏感，會(huì)導(dǎo)致結(jié)果的不準(zhǔn)確。2013年，電子科技大學(xué)的彭馨儀結(jié)合雜波邊緣檢測(cè)算法和二元積累實(shí)現(xiàn)對(duì)地形的有效劃分，但是此方法需要事先知道監(jiān)測(cè)區(qū)域的雜波統(tǒng)計(jì)特性，當(dāng)實(shí)際地形的統(tǒng)計(jì)特性與假設(shè)的模型失配時(shí)，檢測(cè)性能大大下降。且對(duì)于分類數(shù)目是隨機(jī)確定的，沒(méi)有給出合理準(zhǔn)確的選擇準(zhǔn)則。


【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是針對(duì)【背景技術(shù)】存在的缺陷，研究設(shè)計(jì)一種非均勻背景下基于聚類處理的恒虛警檢測(cè)方法，從而達(dá)到在非均勻檢測(cè)背景下具有通用性強(qiáng)、分類精度高的目的。
[0005]本發(fā)明提出了一種非均勻背景下基于聚類處理的恒虛警檢測(cè)方法，該方法分為地形分類和恒虛警檢測(cè)兩個(gè)階段。首先，在地形分類階段，利用改進(jìn)的K-means算法自適應(yīng)的確定最優(yōu)聚類數(shù)(不同地形的數(shù)目)，基于最優(yōu)聚類數(shù)對(duì)雷達(dá)監(jiān)測(cè)區(qū)域按幅度大小進(jìn)行聚類處理，實(shí)現(xiàn)地形分類，使分類之后的地形呈現(xiàn)出多種不同地形；然后對(duì)分類完成的地形進(jìn)行編號(hào)，方便下一步檢測(cè)參考單元的選?。辉诤闾摼瘷z測(cè)階段，利用編號(hào)的地形，篩選與待檢測(cè)單元具有相同地形的分辨單元作為參考單元，估計(jì)檢測(cè)門限，實(shí)現(xiàn)恒虛警檢測(cè)。因而本發(fā)明包括以下步驟:
[0006]步驟1、初始化參數(shù)包括:誤差平方和J，二維CFAR參考窗大小LminX Lmin和
I X丨.j^max j^max ，
[0007]步驟2、從雷達(dá)接收機(jī)中讀取第i幀回波數(shù)據(jù):
[0008]Z ⑴=Iz1 (m, η)}
[0009]其中，I彡m彡隊(duì)，I彡η彡Na，m和η分別為距離向和方位向的量化狀態(tài)，i為幀數(shù)凡是距離維量化的總單元個(gè)數(shù)，Na是方位向量化的總單元個(gè)數(shù)'Zi (m, η)表示第i幀回波數(shù)據(jù)的量測(cè)單元(m，n)中的量測(cè)值，為回波數(shù)據(jù)的幅度；
[0010]步驟3、設(shè)置聚類數(shù)范圍[kmin，kmax]，其中，kmin為設(shè)定的聚類數(shù)的最小值，kmax為設(shè)定的聚類數(shù)的最大值；
[0011]步驟4、初始各聚類中心值 Cj(J) = C/xmax(Z))/a: + l),./=l,2,..k 防始化/ = I，k=kmin，
[0012]其中?+(/)，7 = ?，2,……《為第I次聚類的足個(gè)聚類中心；
[0013]步驟5、計(jì)算第I次聚類時(shí)每個(gè)量測(cè)值與聚類中心的距離D(Z1i^n), Cj (I))=Iz1n, n) -Cj(I) I,
[0014]其中，D(Z1n, n) ,Cj (I))表示第I次聚類時(shí)量測(cè)單元(m，η)中的量測(cè)值與第j個(gè)聚類中心的距離，如果滿足/)(及(in, η I Ci (?)) = min{D( Z, (m,n), C1 (/)),./ = 1,2,……/?}，那么量測(cè)值Z1n, η)屬于{類中的第I類；
[0015]步驟6、計(jì)算第I次聚類的誤差平方和準(zhǔn)則函數(shù):
[0016]其中誤差平方和準(zhǔn)則函數(shù)J(I)是聚類的評(píng)價(jià)標(biāo)準(zhǔn)，O?.?)表示由步驟5判斷的屬于第I類的雷達(dá)量測(cè)值，H1表示屬于第I類的雷達(dá)量測(cè)值的總個(gè)數(shù)；
[0017]步驟7、如果IJ(I)-J(1-1) |> ε，則I = 1+1，然后計(jì)算I個(gè)新的聚類中心C」，新的
f個(gè)聚類中心的取值為:本次聚類結(jié)果中每類(共{類)數(shù)據(jù)幅度的平均值，然后返回步驟5，否則進(jìn)入步驟8 ;
[0018]步驟8、當(dāng)步驟7完成后，計(jì)算出該聚類結(jié)果的評(píng)價(jià)指標(biāo)Sil，然后當(dāng)f =《 + l<(tmax，返回步驟4 ;若，則進(jìn)入步驟9 ;
[0019]步驟9、確定最優(yōu)聚類數(shù)I^pt以及最優(yōu)聚類結(jié)果:
[0020]利用公式Kt = argmax{5/7.},A: = kmin, kmin+l,......kmax求取最優(yōu)聚類數(shù)，然后對(duì)應(yīng)
<= 下的聚類結(jié)果即為最優(yōu)的聚類結(jié)果；
[0021]步驟10、將屬于第I個(gè)聚類中心的量測(cè)值的地形編號(hào)I ;
[0022]步驟11、選取參考單元數(shù)據(jù)。若待檢測(cè)單元所在地形面積小于參考單元要求的最小面積，則首先選取與待檢測(cè)單元具有相同地形的所有分辨單元作為參考單元的一部分，然后選取與待檢測(cè)單元所在位置距離最近的分辨單元來(lái)補(bǔ)充參考單元；若待檢測(cè)單元所在地形面積大于參考單元要求的最大面積，則選取與待檢測(cè)單元所在位置距離最近的分辨單元作為參考單元；若待檢測(cè)單元所在地形面積小于參考單元要求的最大面積且大于最小面積，則選取與待檢測(cè)單元具有相同地形的所有分辨單元作為參考單元；
[0023]步驟12、利用選取的參考單元數(shù)據(jù)及與待檢單元雜波統(tǒng)計(jì)特性匹配的傳統(tǒng)CFAR檢測(cè)器進(jìn)行目標(biāo)檢測(cè)。
[0024]所述步驟8 中評(píng)價(jià)指標(biāo)= Σ/-ιΣ1-,((^ -ail)lmm{aiirb:l))，alp 是第 I 類的第 p
個(gè)樣本到第I類內(nèi)其他樣本的平均距離，blp是第I類內(nèi)的第P個(gè)樣本到其他每個(gè)類中樣本平均距離的最小值。
[0025]所述步驟11中首先假設(shè)待檢單元所在地形的編號(hào)為f；ut，雷達(dá)回波數(shù)據(jù)平面所有單元(除待檢單元外)的地形編號(hào)為fj, j = I, 2,......kopt,當(dāng)fj = fcut時(shí),記A(t) = I,
否則 A(t) = O ；
[0026]如果^ ^max處.，參考單元選取距離f eut位置最近的A (t) = I的LmaxXLmax個(gè)分辨單元的數(shù)據(jù)，LmaxXLmax為參考單元的最大尺寸；
[0027]如果Zmin XL- <At) < L- XL 則參考單元選取所有A (t) = I的分辨單元的數(shù)據(jù)，其中LminXLmin為參考單元的最小尺寸；
[0028]如果鄧)WminXLran，則參考單元選取所有A(t) = I的分辨單元的數(shù)據(jù)，以及距離feut位置最近的ImmXimm個(gè)分辨單元的數(shù)據(jù)。
[0029]本發(fā)明非均勻背景下基于聚類處理的恒虛警檢測(cè)方法，利用聚類分析方法，自適應(yīng)的對(duì)盲的、非均勻雷達(dá)監(jiān)測(cè)區(qū)域進(jìn)行準(zhǔn)確的地形分類，準(zhǔn)確的篩選出與待檢測(cè)單元同分布的參考單元，從而具有在非均勻檢測(cè)背景下具有通用性強(qiáng)、分類精度高的效果。

【專利附圖】

【附圖說(shuō)明】
[0030]圖1為本發(fā)明非均勻背景下基于聚類處理的恒虛警檢測(cè)方法的流程圖；
[0031]圖2為對(duì)計(jì)算機(jī)仿真產(chǎn)生的GIS地形圖和MSTAR 二維雜波公開(kāi)數(shù)據(jù)進(jìn)行地形分類處理的結(jié)果對(duì)比；
[0032]圖3為沒(méi)有執(zhí)行地形分類與執(zhí)行了地形分類的仿真結(jié)果對(duì)比；
[0033]圖4為對(duì)IPIX實(shí)測(cè)數(shù)據(jù)進(jìn)行處理的結(jié)果。
[0034]圖2中圖2-1為由計(jì)算機(jī)仿真產(chǎn)生的某塊真實(shí)地形的GIS地形圖，數(shù)據(jù)大小為100Χ 100，不同的顏色代表不同的地形；圖2-2為利用聚類方法對(duì)仿真產(chǎn)生的GIS地形圖進(jìn)行地形分類并且編號(hào)的結(jié)果；圖2-3是MSTAR二維雜波公開(kāi)數(shù)據(jù)中ΗΒ06198文件的灰度圖；圖2-4是對(duì)ΗΒ06198進(jìn)行地形分類的結(jié)果；
[0035]圖3中圖3-1為對(duì)GIS地形圖右下角50X50的數(shù)據(jù)進(jìn)行檢測(cè)的仿真結(jié)果對(duì)比，圖3-2為對(duì)GIS地形圖右上角50X50的數(shù)據(jù)進(jìn)行檢測(cè)的仿真結(jié)果對(duì)比，圖3_3為對(duì)GIS地形圖左下角50X50的數(shù)據(jù)進(jìn)行檢測(cè)的仿真結(jié)果對(duì)比，圖3-4為對(duì)GIS地形圖中間50X50的數(shù)據(jù)進(jìn)行檢測(cè)的仿真結(jié)果對(duì)比；
[0036]圖4中圖4-1為IPIX回波幅度分布圖；圖4_2為對(duì)圖4_1進(jìn)行地形分類的結(jié)果；圖4-3為IPIX實(shí)測(cè)數(shù)據(jù)下傳統(tǒng)CAFR檢測(cè)結(jié)果；圖4_4為IPIX實(shí)測(cè)數(shù)據(jù)下本發(fā)明所提CAFR方法檢測(cè)結(jié)果。

【具體實(shí)施方式】
[0037]本發(fā)明主要通過(guò)計(jì)算機(jī)仿真產(chǎn)生的某塊真實(shí)地形的GIS地形圖和IPIX實(shí)測(cè)數(shù)據(jù)來(lái)驗(yàn)證，GIS數(shù)據(jù)大小為100X100，GIS地形圖中不同顏色代表不同地形。根據(jù)已有結(jié)論，地面雜波可用四種統(tǒng)計(jì)分布模型模擬，分別是瑞利分布、Log-normal分布、Weibull分布、K分布。GIS地圖右下角主要由農(nóng)田構(gòu)成，近似服從瑞利分布，GIS地圖右上角主要由城市、森林以及農(nóng)田構(gòu)成，近似服從Log-normal分布,GIS地圖中間部分主要由城市和森林構(gòu)成,近似服從Weibull分布，GIS地圖左下角主要有城市和鐵路構(gòu)成，近似服從K分布，所有步驟、結(jié)論都在MATLAB-R2010b上驗(yàn)證確認(rèn)。具體實(shí)施步驟如下:
[0038]步驟1、初始化參數(shù)包括:誤差平方和J(O) = O, 二維CFAR參考窗大小LminXLmin =4X4 和 LmaxXLmax = 8X8;
[0039]步驟2、從雷達(dá)接收機(jī)中讀取第i幀回波數(shù)據(jù):
[0040]Z ⑴=Iz1 (m, η)}
[0041]其中，I彡m彡隊(duì)，I彡η彡Na，m和η分別為距離向和方位向的量化狀態(tài)，i為幀數(shù)凡是距離維量化的總單元個(gè)數(shù)，Na是方位向量化的總單元個(gè)數(shù)'Zi (m, η)表示第i幀回波數(shù)據(jù)的量測(cè)單元(m，n)中的量測(cè)值，為回波數(shù)據(jù)的幅度；
[0042]步驟3、設(shè)置聚類數(shù)范圍[kmin = 2，kmax = 20]。
[0043]步驟4、設(shè)定初始聚類中心值。
[0044]石=々.=2開(kāi)始循環(huán)，C (/),j = l,2,……<為第I次聚類的j個(gè)聚類中心，初始化I=1，根據(jù)步驟2中得到的幅度量測(cè)值Z，一般設(shè)定f個(gè)初始聚類中心值為:以所有數(shù)據(jù)幅度的最小值為等差序列的第一項(xiàng)，(max(Z)- min(Z))/《為公差的纟個(gè)等差數(shù)列值。
[0045]步驟5、計(jì)算第I次聚類時(shí)每個(gè)量測(cè)值與聚類中心的距離。
[0046]每個(gè)量測(cè)值與聚類中心的距離為D(Z1i^n), Cj(I)) = | Zi (m，n)-Cj (I) |，其中，D(Z1n, n) ,Cj (I))表示量測(cè)單元(m，η)中的量測(cè)值與第j個(gè)聚類中心的距離，如果滿足
D(Zi(JtUn)X)(I)) = min{/J(Z,(/;/,/7).C,(/)),./ = 1,2,……巧，那么量測(cè)值Z1n, η)屬于f 類中的第I類。
[0047]步驟6、計(jì)算第I次聚類的誤差平方和準(zhǔn)則函數(shù):JU) = Z)'\m,n))q-C1(I)I，
[0048]誤差平方和準(zhǔn)則函數(shù)J(I)是聚類的評(píng)價(jià)標(biāo)準(zhǔn)，表示由步驟5判斷的屬于第I類的雷達(dá)量測(cè)值，H1表示屬于第I類的雷達(dá)量測(cè)值的總個(gè)數(shù)；
[0049]步驟7、如果IJ(I)-J(1-1) |> ε，則I = 1+1，然后計(jì)算f個(gè)新的聚類中心Cj，新的f個(gè)聚類中心的取值為:本次聚類結(jié)果中每類(共纟類)數(shù)據(jù)幅度的平均值，然后返回步驟5，否則進(jìn)入步驟8;
[0050]步驟8、利用評(píng)價(jià)指標(biāo)Sil評(píng)價(jià)聚類數(shù)^下，聚類結(jié)果的好壞:
[0051]Sil- = Σ?-ΣΙ、((>\ _%)/麗{?，、})，alp是第I類的第P個(gè)樣本到第I類內(nèi)其他樣本的平均距離，blp是第I類內(nèi)的第P個(gè)樣本到其他每個(gè)類中樣本平均距離的最小值。然后當(dāng)^ = f+ I^max，返回步驟4 ;若f >&_，則進(jìn)入步驟9 ；
[0052]步驟9、確定最優(yōu)聚類數(shù)I^pt以及最優(yōu)聚類結(jié)果:
[0053]利用公式b= "，kmin+l，......kmax求取最優(yōu)聚類數(shù)，然后對(duì)應(yīng)
<= 下的聚類結(jié)果即為最優(yōu)的聚類結(jié)果；
[0054]步驟10、將屬于第I個(gè)聚類中心的量測(cè)值Ζ)%7Κ/2)的地形編號(hào)為I ;
[0055]步驟11、選取參考單元數(shù)據(jù):
[0056]假設(shè)待檢單元所在地形的編號(hào)為f；ut，雷達(dá)回波數(shù)據(jù)平面所有單元(去除待檢單元外)的地形編號(hào)為fj, j = I, 2,......kopt,當(dāng)fj = fcut時(shí),記A(t) = I,否則A(t) = O ；
[0057]如果[,Y' '.4(/) >64，參考單元選取距離feut位置最近的A (t) = I的64個(gè)分辨單元的數(shù)據(jù)做參考單元數(shù)據(jù)；
[0058]如果、⑴<64，則參考單元選取所有A (t) = I的分辨單元的數(shù)據(jù)；
[0059]如果廣0^16，則參考單元選取所有A(t) = I的分辨單元的數(shù)據(jù)，以及距離fcut位置最近的16-Σ:' iAO個(gè)分辨單元的數(shù)據(jù)；
[0060]步驟12、利用選取的參考單元數(shù)據(jù)及與待檢單元雜波統(tǒng)計(jì)特性匹配的傳統(tǒng)CFAR檢測(cè)器進(jìn)行目標(biāo)檢測(cè)。
[0061]通過(guò)上面的步驟，就可以在盲背景下，自適應(yīng)選擇地形分類數(shù)，實(shí)現(xiàn)地形的準(zhǔn)確劃分，提升非均勻背景下的恒虛警檢測(cè)能力。
[0062]對(duì)GIS地形圖分類的結(jié)果如圖2(b)所示，對(duì)MSTAR二維雜波公開(kāi)數(shù)據(jù)的地形分類的結(jié)果如圖2(d)所示。分別與原圖對(duì)比可知，本發(fā)明所提的地形分類方法能夠?qū)走_(dá)監(jiān)測(cè)地形進(jìn)行有效的地形劃分。
[0063]在上述仿真中，沒(méi)有執(zhí)行地形分類步驟與執(zhí)行了該步驟的仿真對(duì)比結(jié)果如圖3所示。由圖3可知，在未知非均勻背景下，本發(fā)明提出的基于地形分類的的恒虛警檢測(cè)性能，在四種常見(jiàn)雜波分布類型下都有一定程度的提升。
[0064]由圖4的結(jié)果可知，對(duì)這一幀IPIX實(shí)測(cè)數(shù)據(jù)而言，本發(fā)明所提CFAR檢測(cè)算法虛警點(diǎn)個(gè)數(shù)341個(gè)，實(shí)際虛警率P' fa= 1.2X10_3，滿足設(shè)定虛警概率Pfa= 1X10_3的要求。而傳統(tǒng)CFAR在目標(biāo)信雜比虛警點(diǎn)個(gè)數(shù)為3979個(gè)，實(shí)際虛警率P' fa = 1.4X 10_2，虛警概率大大超出設(shè)定值。即本發(fā)明所提地形分類CFAR算法實(shí)際的虛警點(diǎn)數(shù)相比傳統(tǒng)CFAR減少了91.43%，更好的抑制了雜波虛警點(diǎn)。在目標(biāo)信雜比(SCR)為12dB時(shí)，地形分類CFAR檢測(cè)算法開(kāi)始檢測(cè)到目標(biāo)，而傳統(tǒng)二維CA-CFAR在目標(biāo)信雜比(SCR)為26dB時(shí)，才開(kāi)始檢測(cè)到目標(biāo)，可見(jiàn)，對(duì)這一幀IPIX實(shí)測(cè)數(shù)據(jù)而言，本發(fā)明所提出的地形分類CFAR檢測(cè)算法與傳統(tǒng)CFAR檢測(cè)算法相比輸入信雜比有14dB的改善。
[0065]通過(guò)本發(fā)明的具體實(shí)施可以看出，本發(fā)明在盲背景下，能夠自適應(yīng)的確定分類數(shù)目，實(shí)現(xiàn)對(duì)地形的有效正確劃分，準(zhǔn)確篩選均勻參考單元，實(shí)現(xiàn)在地形快速變化、復(fù)雜未知非均勻場(chǎng)景下目標(biāo)的有效檢測(cè)。
[0066]本領(lǐng)域的普通技術(shù)人員將會(huì)意識(shí)到，這里所述的實(shí)施例是為了幫助讀者理解本發(fā)明的原理，應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于這樣的特別陳述和實(shí)施例。本領(lǐng)域的普通技術(shù)人員可以根據(jù)本發(fā)明公開(kāi)的這些技術(shù)啟示做出各種不脫離本發(fā)明實(shí)質(zhì)的其它各種具體變形和組合，這些變形和組合仍然在本發(fā)明的保護(hù)范圍內(nèi)。
【權(quán)利要求】
1.非均勻背景下基于聚類處理的恒虛警檢測(cè)方法，該方法包括: 步驟1、初始化參數(shù)包括:誤差平方和J，二維CFAR參考窗大小LminXLmin和LmaxXLmax ； 步驟2、從雷達(dá)接收機(jī)中讀取第i幀回波數(shù)據(jù):
Z(i) = Iz1 (m, η)} 其中，I彡m彡隊(duì)，I彡η彡Na，m和η分別為距離向和方位向的量化狀態(tài)，i為幀數(shù)凡是距離維量化的總單元個(gè)數(shù)，Na是方位向量化的總單元個(gè)數(shù)；Zi(m，n)表示第i幀回波數(shù)據(jù)的量測(cè)單元(m，n)中的量測(cè)值，為回波數(shù)據(jù)的幅度； 步驟3、設(shè)置聚類數(shù)范圍[kmin，kmax]，其中，kmin為設(shè)定的聚類數(shù)的最小值，kmax為設(shè)定的聚類數(shù)的最大值； 步驟4、初始各聚類中心值?(/) = (7χη1&Χ(Ζ))/(/? + 1),7=1,2,……L初始化/ = I, k=km[n， 其中C,.(/)，./= 1,2,……《為第I次聚類的f個(gè)聚類中心； 步驟5、計(jì)算第I次聚類時(shí)每個(gè)量測(cè)值與聚類中心的距離D(Z1i^nhCdI))=Iz1n, n) -Cj(I) I, 其中，D(Z1i^nhqa))表示第I次聚類時(shí)量測(cè)單元(m，n)中的量測(cè)值與第j個(gè)聚類中心的距離，如果滿足 /-)(Z,(/?,n),C(/)) = min{/_)(Z (m，n),C,(/)),./=1,2,……^，那么量測(cè)值Zi (m, η)屬于{類中的第I類； 步驟6、計(jì)算第I次聚類的誤差平方和準(zhǔn)則函數(shù):/(/)=， 其中誤差平方和準(zhǔn)則函數(shù)J(I)是聚類的評(píng)價(jià)標(biāo)準(zhǔn)，Z廣(/?,?)表示由步驟5判斷的屬于第I類的雷達(dá)量測(cè)值，H1表示屬于第I類的雷達(dá)量測(cè)值的總個(gè)數(shù)； 步驟7、如果IJ(I)-J(1-1) |> ε，則I = 1+1，然后計(jì)算A個(gè)新的聚類中心Cj，新的f個(gè)聚類中心的取值為:本次聚類結(jié)果中每類(共I類)數(shù)據(jù)幅度的平均值，然后返回步驟5，否則進(jìn)入步驟8 ； 步驟8、當(dāng)步驟7完成后，計(jì)算出該聚類結(jié)果的評(píng)價(jià)指標(biāo)Si I，然后當(dāng)= Z +1 < k.，返回步驟4 -Mk>kimx，則進(jìn)入步驟9 ； 步驟9、確定最優(yōu)聚類數(shù)I^pt以及最優(yōu)聚類結(jié)果: 利用公式L =，丨= 々_’ kmin+l，......kmax求取最優(yōu)聚類數(shù)，然后對(duì)應(yīng)

^min — max石下的聚類結(jié)果即為最優(yōu)的聚類結(jié)果； 步驟10、將屬于第I個(gè)聚類中心的量測(cè)值Zf(AH)的地形編號(hào)I; 步驟11、選取參考單元數(shù)據(jù)。若待檢測(cè)單元所在地形面積小于參考單元要求的最小面積，則首先選取與待檢測(cè)單元具有相同地形的所有分辨單元作為參考單元的一部分，然后選取與待檢測(cè)單元所在位置距離最近的分辨單元來(lái)補(bǔ)充參考單元；若待檢測(cè)單元所在地形面積大于參考單元要求的最大面積，則選取與待檢測(cè)單元所在位置距離最近的分辨單元作為參考單元；若待檢測(cè)單元所在地形面積小于參考單元要求的最大面積且大于最小面積，則選取與待檢測(cè)單元具有相同地形的所有分辨單元作為參考單元； 步驟12、利用選取的參考單元數(shù)據(jù)及與待檢單元雜波統(tǒng)計(jì)特性匹配的傳統(tǒng)CFAR檢測(cè)器進(jìn)行目標(biāo)檢測(cè)。
2.如權(quán)利要求1所述的非均勻背景下基于聚類處理的恒虛警檢測(cè)方法，其特征在于步驟8中評(píng)價(jià)指標(biāo)％ = Σ?,Σ?，alp是第I類的第P個(gè)樣本到第I類內(nèi)其他樣本的平均距離，blp是第I類內(nèi)的第P個(gè)樣本到其他每個(gè)類中樣本平均距離的最小值。
3.如權(quán)利要求1所述的非均勻背景下基于聚類處理的恒虛警檢測(cè)方法，其特征在于步驟11中首先假設(shè)待檢單元所在地形的編號(hào)為f；ut，雷達(dá)回波數(shù)據(jù)平面所有單元(除待檢單元外)的地形編號(hào)為fj, j = I, 2,......kopt,當(dāng)fj = fcut時(shí),記A(t) = I,否則A(t) = O ； 如果ΣΓ—，參考單元選取距離U位置最近的A(t) = I的LmaxXLmax個(gè)分辨單元的數(shù)據(jù)，LmaxXLmax為參考單元的最大尺寸； 如果1，則參考單元選取所有A(t) = I的分辨單元的數(shù)據(jù)，其中LminXLmin為參考單元的最小尺寸； 如果鄧K，則參考單元選取所有八⑴=I的分辨單元的數(shù)據(jù)，以及距離f；ut位置最近的AranXAmn -ΣΓ: J⑴個(gè)分辨單元的數(shù)據(jù)。
【文檔編號(hào)】G01S7/292GK104198998SQ201410337898
【公開(kāi)日】2014年12月10日 申請(qǐng)日期:2014年7月16日 優(yōu)先權(quán)日:2014年7月16日
【發(fā)明者】易偉, 郝凱利, 夏玫, 董天發(fā), 崔國(guó)龍, 孔令講, 楊曉波, 楊建宇 申請(qǐng)人:電子科技大學(xué)