本發(fā)明屬于自適應(yīng)雷達(dá)目標(biāo)檢測(cè)，尤其涉及一種自適應(yīng)雷達(dá)目標(biāo)檢測(cè)方法、系統(tǒng)、設(shè)備及介質(zhì)。

背景技術(shù)：

1、海上自適應(yīng)雷達(dá)目標(biāo)檢測(cè)在海洋監(jiān)測(cè)等領(lǐng)域廣泛應(yīng)用。然而，在高海況條件下，海浪高度較大、波浪起伏顯著，導(dǎo)致返回雷達(dá)接收端的目標(biāo)信號(hào)常受到強(qiáng)烈海雜波的干擾。這些海雜波不僅呈現(xiàn)復(fù)雜的頻譜擴(kuò)展與多時(shí)空尺度變化，導(dǎo)致目標(biāo)信號(hào)的特征被淹沒或畸變，其統(tǒng)計(jì)特性與分布特征也與平穩(wěn)背景下顯著不同。傳統(tǒng)目標(biāo)檢測(cè)算法在高海況下的性能急劇下降，存在大量漏檢現(xiàn)象。

2、針對(duì)高海況下海雜波抑制，研究人員提出了多種信號(hào)處理方法。現(xiàn)有方法多依賴帶通濾波、脈沖積累或空間濾波等技術(shù)，但其對(duì)海雜波的抑制能力仍然有限。隨后，經(jīng)驗(yàn)?zāi)B(tài)分解（emd）、局部均值分解（lmd）等時(shí)頻自適應(yīng)分析工具被引入信號(hào)處理領(lǐng)域，用于改善海雜波抑制性能。然而，這些方法在處理復(fù)雜多分量信號(hào)時(shí)易出現(xiàn)模態(tài)混疊現(xiàn)象，影響目標(biāo)信號(hào)的提取精度與穩(wěn)定性。

3、因此，如何在劇烈波動(dòng)的海雜波背景中有效提取目標(biāo)信號(hào)特征并實(shí)現(xiàn)穩(wěn)定可靠的檢測(cè)，是雷達(dá)信號(hào)處理領(lǐng)域亟待解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種自適應(yīng)雷達(dá)目標(biāo)檢測(cè)方法，方法針對(duì)高海況下的航道浮標(biāo)檢測(cè)，通過精確制定頻域區(qū)間并篩選目標(biāo)模態(tài)成分，結(jié)合浮標(biāo)的多普勒頻移特性，有效抑制海雜波并增強(qiáng)目標(biāo)信號(hào)。

2、方法包括：

3、獲取雷達(dá)回波信號(hào)，并對(duì)雷達(dá)回波信號(hào)進(jìn)行高分辨率分解；

4、對(duì)雷達(dá)回波信號(hào)中的雜波頻譜進(jìn)行高斯擬合，并分析譜質(zhì)心與譜寬特性，結(jié)合雷達(dá)回波信號(hào)的多普勒頻移特性，確定雷達(dá)回波信號(hào)的頻域區(qū)間；

5、將雷達(dá)回波信號(hào)分解為多個(gè)本征模態(tài)分量，并篩選出落在目標(biāo)頻域區(qū)間內(nèi)的模態(tài)分量進(jìn)行重構(gòu)；

6、從時(shí)域和頻域維度提取重構(gòu)后的雷達(dá)回波信號(hào)中的關(guān)鍵特征，并通過特征篩選方法，保留對(duì)目標(biāo)檢測(cè)具有區(qū)分力的特征；

7、將雷達(dá)回波信號(hào)中的長(zhǎng)時(shí)間信號(hào)分割為若干小窗口，分別進(jìn)行vmd分解與重構(gòu)；

8、將重構(gòu)后的信號(hào)送入ca-cfar檢測(cè)模塊，利用ca-cfar算法對(duì)提取的關(guān)鍵特征進(jìn)行目標(biāo)檢測(cè)。

9、進(jìn)一步需要說明的是，步驟對(duì)雷達(dá)回波信號(hào)進(jìn)行高分辨率分解還包括：

10、將雷達(dá)回波信號(hào)分解為個(gè)模態(tài)分量；

11、每個(gè)模態(tài)分量具有中心頻率；

12、定義高分辨率分解的目標(biāo)函數(shù)為：，約束條件為：

13、

14、其中，表示時(shí)間微分算子；

15、方法中，還構(gòu)建拉格朗日函數(shù)；

16、

17、其中，為頻率約束參數(shù)，為拉格朗日乘子，表示內(nèi)積運(yùn)算；

18、通過交替更新、和，迭代求解優(yōu)化問題；

19、

20、

21、

22、其中，為梯度下降學(xué)習(xí)率；為原始信號(hào)f(t)的傅里葉變換；是第k個(gè)模態(tài)分量的傅里葉變換；是拉格朗日乘子的傅里葉變換；是第k個(gè)模態(tài)分量的傅里葉變換；

23、當(dāng)以下條件滿足時(shí)，迭代過程停止；

24、

25、其中，為迭代次數(shù)，為最大迭代次數(shù)，為預(yù)設(shè)的收斂閾值，經(jīng)過vmd分解后，得到個(gè)模態(tài)分量。

26、進(jìn)一步需要說明的是，步驟結(jié)合雷達(dá)回波信號(hào)的多普勒頻移特性，確定雷達(dá)回波信號(hào)的頻域區(qū)間還包括：

27、通過已知浮標(biāo)的徑向速度，計(jì)算出對(duì)應(yīng)的多普勒頻率范圍，多普勒頻移與徑向速度的關(guān)系如下：

28、

29、

30、其中，為多普勒頻移，為浮標(biāo)的徑向速度，為信號(hào)的波長(zhǎng)，為雷達(dá)發(fā)射頻率。

31、進(jìn)一步需要說明的是，通過以下策略確定目標(biāo)信號(hào)的頻域區(qū)間：

32、

33、方法中，還對(duì)雷達(dá)回波信號(hào)的模態(tài)分量 uk (t)進(jìn)行疊加，實(shí)現(xiàn)目標(biāo)信號(hào)的重構(gòu)；

34、

35、其中，starget(t)為重構(gòu)后的目標(biāo)信號(hào)，fk為第k個(gè)模態(tài)信號(hào)的中心頻率，[flow,fhigh]為頻率區(qū)間。

36、進(jìn)一步需要說明的是，方法通過計(jì)算目標(biāo)距離單元與雜波距離單元的特征相對(duì)值，定量衡量目標(biāo)與背景雜波之間的區(qū)分能力，特征相對(duì)值rx定義如下：

37、

38、其中，和分別表示目標(biāo)單元和雜波單元對(duì)應(yīng)特征值；

39、定義特征相對(duì)值的變化量，以對(duì)數(shù)標(biāo)度表達(dá)原始雷達(dá)回波信號(hào)與vmd重構(gòu)信號(hào)的特征相對(duì)值差異；

40、

41、其中，表示vmd重構(gòu)信號(hào)的特征相對(duì)值，表示原始信號(hào)的特征相對(duì)值。

42、進(jìn)一步需要說明的是，方法中，將長(zhǎng)時(shí)間信號(hào)s(t)劃分為若干個(gè)窗口，每個(gè)窗口長(zhǎng)度為lwin，并以預(yù)設(shè)步長(zhǎng)lstep滑動(dòng)；

43、定義窗口與窗口之間重疊比例為m，則滑動(dòng)步長(zhǎng)和重疊區(qū)域長(zhǎng)度的表達(dá)式為：

44、

45、

46、將所有窗口的結(jié)果拼接成完整信號(hào)，即在重疊區(qū)域內(nèi)，將上一個(gè)窗口和下一個(gè)窗口的重疊部分信號(hào)相加并取平均值：

47、

48、其中，sprev(t)為上一個(gè)窗口的重疊部分信號(hào)，snext(t)為下一個(gè)窗口的重疊部分信號(hào)。

49、進(jìn)一步需要說明的是，ca-cfar算法包括：訓(xùn)練單元數(shù)和保護(hù)單元數(shù)；

50、訓(xùn)練單元數(shù)用于估計(jì)雜波功率的單元數(shù)量，保護(hù)單元數(shù)用于防止檢測(cè)單元附近的目標(biāo)信號(hào)對(duì)雜波估計(jì)的影響；

51、通過前后窗口的參考單元，估計(jì)雜波功率水平，雜波功率水平的計(jì)算方式為：

52、

53、其中，是前窗口中第個(gè)單元的測(cè)量值，是后窗口中第個(gè)單元的測(cè)量值；

54、門限因子為用于調(diào)整檢測(cè)門限的一個(gè)重要參數(shù)，由設(shè)定的虛警概率來決定；

55、

56、檢測(cè)門限通過門限因子和雜波估計(jì)值來計(jì)算；

57、

58、最終，雷達(dá)回波信號(hào)強(qiáng)度與檢測(cè)門限進(jìn)行比較，檢測(cè)判決依據(jù)如下式；

59、

60、若雷達(dá)回波信號(hào)強(qiáng)度大于檢測(cè)門限，則判定為檢測(cè)到目標(biāo)。

61、本技術(shù)還提供一種自適應(yīng)雷達(dá)目標(biāo)檢測(cè)系統(tǒng)，系統(tǒng)包括：

62、信號(hào)分解模塊，用于獲取雷達(dá)回波信號(hào)，并對(duì)雷達(dá)回波信號(hào)進(jìn)行高分辨率分解；

63、頻域區(qū)間選擇模塊，用于對(duì)雷達(dá)回波信號(hào)中的雜波頻譜進(jìn)行高斯擬合，并分析譜質(zhì)心與譜寬特性，結(jié)合雷達(dá)回波信號(hào)的多普勒頻移特性，確定雷達(dá)回波信號(hào)的頻域區(qū)間；

64、分解與重構(gòu)模塊，用于將雷達(dá)回波信號(hào)分解為多個(gè)本征模態(tài)分量，并篩選出落在目標(biāo)頻域區(qū)間內(nèi)的模態(tài)分量進(jìn)行重構(gòu)；

65、特征提取與篩選模塊，用于從時(shí)域和頻域維度提取重構(gòu)后的雷達(dá)回波信號(hào)中的關(guān)鍵特征，并通過特征篩選方法，保留對(duì)目標(biāo)檢測(cè)具有區(qū)分力的特征；

66、分窗處理模塊，用于將雷達(dá)回波信號(hào)中的長(zhǎng)時(shí)間信號(hào)分割為若干小窗口，分別進(jìn)行vmd分解與重構(gòu)；

67、ca-cfar檢測(cè)模塊，用于將重構(gòu)后的信號(hào)送入ca-cfar檢測(cè)模塊，利用ca-cfar算法對(duì)提取的關(guān)鍵特征進(jìn)行目標(biāo)檢測(cè)。

68、根據(jù)本技術(shù)的另一個(gè)實(shí)施例，提供了一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)所述自適應(yīng)雷達(dá)目標(biāo)檢測(cè)方法的步驟。

69、根據(jù)本技術(shù)的又一個(gè)實(shí)施例，還提供了一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述自適應(yīng)雷達(dá)目標(biāo)檢測(cè)方法的步驟。

70、從以上技術(shù)方案可以看出，本發(fā)明具有以下優(yōu)點(diǎn)：

71、本技術(shù)提供的自適應(yīng)雷達(dá)目標(biāo)檢測(cè)方法旨在解決高海況下雷達(dá)目標(biāo)回波信號(hào)被強(qiáng)烈海雜波淹沒的問題。本技術(shù)通過vmd對(duì)雷達(dá)回波信號(hào)進(jìn)行自適應(yīng)分解，將復(fù)雜信號(hào)分解為多個(gè)本征模態(tài)分量，有效分離目標(biāo)信號(hào)與海雜波。隨后，基于高斯擬合的頻域區(qū)間選擇策略，精準(zhǔn)鎖定目標(biāo)模態(tài)成分，實(shí)現(xiàn)目標(biāo)信號(hào)的增強(qiáng)與雜波抑制。在重構(gòu)信號(hào)上，多維度提取關(guān)鍵特征，包括平均幅度、峰高和多普勒峰高，這些特征能夠有效區(qū)分目標(biāo)與背景雜波。最終，采用恒虛警率檢測(cè)算法對(duì)提取的關(guān)鍵特征進(jìn)行目標(biāo)檢測(cè)，顯著提升了目標(biāo)檢測(cè)的準(zhǔn)確性與魯棒性。

72、本技術(shù)的方法主要的實(shí)現(xiàn)方式是基于vmd的高效信號(hào)分解：采用變分模態(tài)分解技術(shù)，對(duì)雷達(dá)回波信號(hào)進(jìn)行高分辨率分解，避免了傳統(tǒng)方法中的模態(tài)混疊現(xiàn)象，確保了目標(biāo)信號(hào)與雜波的有效分離。

73、基于高斯擬合頻域區(qū)間選擇策略：通過對(duì)雜波頻譜進(jìn)行高斯擬合，結(jié)合譜質(zhì)心與譜寬的統(tǒng)計(jì)分析，精準(zhǔn)確定目標(biāo)信號(hào)的頻域區(qū)間，提高了目標(biāo)模態(tài)成分的鎖定精度。

74、基于分窗處理策略：將長(zhǎng)時(shí)間信號(hào)分割為若干小窗口，分別進(jìn)行vmd分解與重構(gòu)，進(jìn)一步提升了目標(biāo)信號(hào)的檢測(cè)能力，尤其在目標(biāo)邊緣單元處表現(xiàn)優(yōu)異。