基于深度时频矩阵流形网络的雷达目标检测方法和装置

本申请涉及雷达目标检测，特别是涉及一种基于深度时频矩阵流形网络的雷达目标检测方法和装置。

背景技术：

1、雷达系统是现代监控和防御系统的核心部分，它广泛应用于航空、航天和天气预报等领域。雷达目标检测的主要挑战在于在复杂的环境噪声和干扰中准确地检测和识别目标。杂波，即雷达系统接收到的非目标反射信号，是影响雷达检测性能的主要干扰源。不同的环境，如海面、山区、城市等，会产生不同类型的杂波，对雷达目标检测造成不同程度的影响。

2、传统的基于统计特性的检测技术对目标信噪比要求高，检测速度慢，存在较多虚警和模型失配问题，检测性能无法满足现代复杂多样感知环境。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于深度时频矩阵流形网络的雷达目标检测方法和装置。

2、一种基于深度时频矩阵流形网络的雷达目标检测方法，所述方法包括：

3、在预先获取的海杂波数据中使用多普勒导向矢量驱动的仿真目标信号，以获取包含不同信噪比的仿真目标的回波数据；所述多普勒导向矢量由目标信号幅值参量表示，所述目标信号幅值参量的大小与海杂波数据平均大小、信噪比、初始相位和散射系数相关；

4、利用时频分析方式获取所述回波数据的时频特征图，根据所述回波时频特征图，构建时频特征矩阵；

5、以所述时频特征矩阵为样本，训练预先构建的深度流形网络，以使所述深度流形网络对待检测的回波数据中的目标进行检测。

6、在其中一个实施例中，还包括：在预先获取的海杂波数据中使用多普勒导向矢量驱动的仿真目标信号为：

7、

8、α＝β×mean(s)cosθ

9、其中，s是海杂波数据，s是多普勒导向矢量，α是目标信号幅值参量，θ表示初始相位，β表示散射系数，n表示目标信号脉冲数，fd表示归一化多普勒频率。

10、在其中一个实施例中，还包括：分别采用stft时频分析方式和wvd时频分析方式获取回波数据的回波时频特征。

11、在其中一个实施例中，还包括：根据所述回波时频特征图，构建时频特征矩阵为：

12、

13、其中，x0表示回波时频特征图，x2表示时频特征矩阵，ε表示校正阈值，i是单位矩阵，u1表示正交矩阵。

14、在其中一个实施例中，还包括：采用标准分数z-score规范对所述时频特征矩阵进行归一化处理为：

15、

16、其中，x3表示规范后的图像样本矩阵，μ表示原始数据集的均值，σ是原始数据集的标准差。

17、在其中一个实施例中，还包括：以所述时频特征矩阵为样本；所述时频特征矩阵中含有目标和无目标的数量各一半；

18、以所述样本设计训练样本、验证样本和测试样本；其中，所述训练样本用于进行深度流形网络传播训练；所述验证样本用于检验深度流形网络的状态和收敛情况；所述测试样本用于最终评估深度流形网络的网络性能。

19、在其中一个实施例中，还包括：当采用stft时频分析方式获取回波数据的回波时频特征时，所述深度流形网络的检测性能随着深度流形网络的网络层数提升而提升，当采用wvd时频分析方式获取回波数据的回波时频特征时，所述深度流形网络的检测性能在特定信噪比附近存在最优的网络层数。

20、一种基于深度时频矩阵流形网络的雷达目标检测装置，所述装置包括：

21、数据获取模块，用于在预先获取的海杂波数据中使用多普勒导向矢量驱动的仿真目标信号，以获取包含不同信噪比的仿真目标的回波数据；所述多普勒导向矢量由目标信号幅值参量表示，所述目标信号幅值参量的大小与海杂波数据平均大小、信噪比、初始相位和散射系数相关；

22、时频特征矩阵构建模块，用于利用时频分析方式获取所述回波数据的时频特征图，根据所述回波时频特征图，构建时频特征矩阵；

23、目标检测模块，用于以所述时频特征矩阵为样本，训练预先构建的深度流形网络，以使所述深度流形网络对待检测的回波数据中的目标进行检测。

24、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

25、在预先获取的海杂波数据中使用多普勒导向矢量驱动的仿真目标信号，以获取包含不同信噪比的仿真目标的回波数据；所述多普勒导向矢量由目标信号幅值参量表示，所述目标信号幅值参量的大小与海杂波数据平均大小、信噪比、初始相位和散射系数相关；

26、利用时频分析方式获取所述回波数据的时频特征图，根据所述回波时频特征图，构建时频特征矩阵；

27、以所述时频特征矩阵为样本，训练预先构建的深度流形网络，以使所述深度流形网络对待检测的回波数据中的目标进行检测。

28、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

29、在预先获取的海杂波数据中使用多普勒导向矢量驱动的仿真目标信号，以获取包含不同信噪比的仿真目标的回波数据；所述多普勒导向矢量由目标信号幅值参量表示，所述目标信号幅值参量的大小与海杂波数据平均大小、信噪比、初始相位和散射系数相关；

30、利用时频分析方式获取所述回波数据的时频特征图，根据所述回波时频特征图，构建时频特征矩阵；

31、以所述时频特征矩阵为样本，训练预先构建的深度流形网络，以使所述深度流形网络对待检测的回波数据中的目标进行检测。

32、上述基于深度时频矩阵流形网络的雷达目标检测方法和装置，在预先获取的海杂波数据中使用多普勒导向矢量驱动的仿真目标信号，以获取包含不同信噪比的仿真目标的回波数据，利用时频分析方式获取回波数据的时频特征图，根据回波时频特征图，构建时频特征矩阵，以时频特征矩阵为样本，训练预先构建的深度流形网络，以使深度流形网络对待检测的回波数据中的目标进行检测，本发明将包含仿真目标的时频特征图进行正定化处理，构建时频特征矩阵，而深度流形网络对时频特征矩阵降维聚合作用，能够有效去除数据中的冗余信息，相对检测性能上明显优于传统的卷积神经网络检测方法。

技术特征：

1.一种基于深度时频矩阵流形网络的雷达目标检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在预先获取的海杂波数据中使用多普勒导向矢量驱动的仿真目标信号，包括：

3.根据权利要求1所述的方法，其特征在于，所述利用时频分析方式获取所述回波数据的回波时频特征，包括：

4.根据权利要求1所述的方法，其特征在于，根据所述回波时频特征图，构建时频特征矩阵，包括：

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，以所述时频特征矩阵为样本，训练预先构建的深度流形网络，包括：

7.根据权利要求3所述的方法，其特征在于，当采用stft时频分析方式获取回波数据的回波时频特征时，所述深度流形网络的检测性能随着深度流形网络的网络层数提升而提升，当采用wvd时频分析方式获取回波数据的回波时频特征时，所述深度流形网络的检测性能在特定信噪比附近存在最优的网络层数。

8.一种基于深度时频矩阵流形网络的雷达目标检测装置，其特征在于，所述装置包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种基于深度时频矩阵流形网络的雷达目标检测方法和装置。所述方法包括：在预先获取的海杂波数据中使用多普勒导向矢量驱动的仿真目标信号，以获取包含不同信噪比的仿真目标的回波数据，利用时频分析方式获取所述回波数据的时频特征图，根据所述回波时频特征图，构建时频特征矩阵，以所述时频特征矩阵为样本，训练预先构建的深度流形网络，以使所述深度流形网络对待检测的回波数据中的目标进行检测。采用本方法能够提升雷达目标检测性能。

技术研发人员：华小强,万仲豪,程永强,吴昊,邹润明,王宏强
受保护的技术使用者：中国人民解放军国防科技大学
技术研发日：
技术公布日：2024/12/17