CN115774248B 基于图多特征的海面小目标检测方法及系统 (电子科技大学长三角研究院(湖州))_第1页
CN115774248B 基于图多特征的海面小目标检测方法及系统 (电子科技大学长三角研究院(湖州))_第2页
CN115774248B 基于图多特征的海面小目标检测方法及系统 (电子科技大学长三角研究院(湖州))_第3页
CN115774248B 基于图多特征的海面小目标检测方法及系统 (电子科技大学长三角研究院(湖州))_第4页
CN115774248B 基于图多特征的海面小目标检测方法及系统 (电子科技大学长三角研究院(湖州))_第5页
已阅读5页,还剩25页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于图多特征的海面小目标检测方法及系统本发明公开一种基于图多特征的海面小目待检测单元的图特征向量构造检测统计量判断纯杂波数据与含有目标的回波数据进行区分以2pppp练单元时间序列zp的每个短序列zp,l的归一化多普勒功率谱都能通过建模得到两个无T表示对矩阵进行转置;将P个训练单元和每个训练单元的N/L个图三特征向区域Ω;;2.如权利要求1所述的基于图多特征的海面小目3k=_[L/2],...,[L/2]_1,2.2根据P个训练单元和每个训练单元的N/L个多普勒功率谱计算均值谱和标准差2.3根据均值谱ic).标准差谱iue)和每一个训练单元的短向量zp,l的多普勒功率谱计算每一个训练单元的短向量zp,l的归一化多普勒功率谱ns。,(k):p3.如权利要求1所述的基于图多特征的海面小p序列zp的短序列zp,l的归一化多普勒功率谱建模成两个无向图和图上的信号,计算得3.1对归一化多普勒功率谱N,进行最大最小归一化:k=_[L/2],...,[L/2]_1,3.2将US,建模成无向图G,定义多普勒单元{_[L/2],...,[L/2]_1}为无向图的顶点,得到无向图的顶点集并认为每个顶点与相邻的d个顶点4的顶点集并定义每个多普勒单元中的量化值对应的顶点与其对无向图s的邻接矩阵Aa的每一行元素求和,得到无向图的入度矩阵Lg=D-Ags3.5根据无向图的拉普拉斯矩阵无向图上的信号无向图的拉普拉斯矩4.如权利要求1所述的基于图多特征的海面小目标检测方法,凸包学习算法计算检测器的决策区域Ω的具体子步骤为:4.1定义一个包含训练样本集合S所有样本的5",","表示组成凸包CH(S)表面的第q4.2根据给定的虚警概率Pf和贪婪凸包4.3根据剩余的训练样本集合S',组成凸包CH(S'),作为检测器的决策区域Ω=CH5.如权利要求1所述的基于图多特征的海面小6.基于图多特征的海面小目标检测系统,包括存6论的方法大量引入到了海杂波背景下的目标检测中。在2019年出版的IEEETransactionsonGeoscienceandRemoteSensing第57卷上,YANKun等提出了一种基于图的海面漂浮pp7pppp中训练单元时间序列zp的每个短序列zp,l的归一化多普勒功率谱都能通过建模得到两P个训练单元和每个训练单元的N/L个图三特决策区域Ω;[0015]步骤5,对待检测单元r计算得到图拉普拉斯正则η1(r)、图拉普拉斯矩阵的迹η2;单元的检测统计量s;根据检测统计量s的大小判断目标是否存在:如果检测统计量s大于[0022]2.2根据P个训练单元和每个训练8[0026]2.3根据均值谱标准差谱iu)和每一个训练单元的短向量zp,l的多普勒功率谱s.,(8)计算每一个训练单元的短向量zp,l的归一化多普勒功率谱ms,(8):ppi,[0032]3.2将U,建模成无向图g,定义多普勒单元{_[L/2],...,[L/2]_1}为无向图的顶点,得到无向图的顶点集并认为每个顶点与相邻的d个顶9无向图的顶点集并定义每个多普勒单元中的量化值对应的顶贪婪凸包学习算法计算检测器的决策区域Ω的具体子步骤为:",","表示组成凸包CH(S)表面[0050]4.2根据给定的虚警概率Pf和贪婪凸包学习算法,依次删除使凸包体积减小最大[0052]进一步,步骤6中根据检测器的决策区域Ω=CH(S')和待检测单元的图三特征向在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方pp量ss根据检测统计量的大小确定目标。[0064]图2为实施例的归一化多普勒功率谱建模为两个无向图和图上信号以及得到三个向量,通过判决区域和待检测单元的图特征向量构造检测统计量判断雷达目标是否存在;pp[0076]2.2根据P个训练单元和每个训练单元的N/it和标[0080]2.3根据均值谱it)、标准差谱iu)和每一个训练单元的短向量zp,l的多普勒功率谱计算每一个训练单元的短向量zp,l的归一化多普勒功率谱ns,(t):[0082]根据每一个训练单元的短向量zp,l的归一化多普勒功率谱得到训练单元时pppp中训练单元时间序列zp的每个短序列zp,l的归一化多普勒功率谱都能通过建模得到两[0084]3.1对归一化多普勒功率谱"i,进行最大最小归一化:[0087]3.2将建模成无向图G,定义多普勒单元{_[L/2],...,[L/2]_1}为无向图的,[0097]3.5根据无向图s的拉普拉斯矩阵无向图上的信号无向图s:的拉普拉T表[0101]将P个训练单元和每个训练单元的N/L个图三特征向量组成一个训练样本集合本实例取训练样本数为10000个;决策区域Ω,其步骤如下:",","表示组成凸包CH(S)表面[0106]4.2根据给定的虚警概率Pf和贪婪凸包学习算法,依次删除使凸包体积减小最大[0108]步骤5,利用待检测单元r的预处理得到待检测单

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论