多維特征檢測技術(shù)是提高海面小目標檢測的有效途徑。為了進一步提升海面小目標檢測性能,本文提出基于多域多維特征融合的檢測方法。首先,從時域、頻域、時頻域、極化域等多域,充分挖掘海雜波和含目標回波的差異性,并將這些差異性表征為多維特征,構(gòu)建高維特征空間。其次,通過極化域和特征域的多維特征線性融合,將多維特征壓縮到3D特征空間中,獲得高維度信息的同時減少維度計算代價。然后,結(jié)合凸包學(xué)習算法獲得3D判決區(qū)域,實現(xiàn)異常檢測。最后,基于IPIX實測數(shù)據(jù)的實驗結(jié)果表明:相對現(xiàn)有的極化檢測器,提出的檢測器具有25%以上的顯著性能提升。 

【文章來源】：信號處理. 2020,36(12)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

多維特征的相關(guān)系數(shù)

圖2給出了基于多域多維特征融合(Multi-domain and Multi-dimensional Feature Fusion, MMFF)檢測器的流程圖。不同于傳統(tǒng)的特征檢測器,將四種極化下的回波數(shù)據(jù)進行聯(lián)合處理,提取了時域、頻域、時頻域、極化域的多維特征。并且,聯(lián)合極化域和特征域的線性融合,將高維特征空間降到3D特征空間中,保證維度信息量的同時解決高維分類器設(shè)計問題。在3D特征空間中,采用快速凸包算法[10-13]獲得虛警可控的判決區(qū)域。整個檢測框架是一個開放式的特征架構(gòu),可以進一步提取其他維度的特征或者改變?nèi)诤戏绞?甚至可以直接進行高維特征域的單分類器設(shè)計。在3D特征空間中,雙重融合后的3個特征受到信雜比、雷達工作參數(shù)、海洋環(huán)境等多個因素影響。圖3演示了判決區(qū)域獲取過程的示意圖,紅色圓圈代表含目標回波,藍色方塊代表海雜波,判決區(qū)域由多面體凸包構(gòu)成。從圖3中可知,判決區(qū)域?qū)⒋罅康暮ｋs波包圍,在判決區(qū)域外面的海雜波為虛警樣本。檢測時,當CUT的融合特征向量處于判決區(qū)域之外時,則判定為含目標回波;否則,判定為無目標。

在3D特征空間中,雙重融合后的3個特征受到信雜比、雷達工作參數(shù)、海洋環(huán)境等多個因素影響。圖3演示了判決區(qū)域獲取過程的示意圖,紅色圓圈代表含目標回波,藍色方塊代表海雜波,判決區(qū)域由多面體凸包構(gòu)成。從圖3中可知,判決區(qū)域?qū)⒋罅康暮ｋs波包圍,在判決區(qū)域外面的海雜波為虛警樣本。檢測時,當CUT的融合特征向量處于判決區(qū)域之外時,則判定為含目標回波;否則,判定為無目標。在進行極化域線性加權(quán)特征融合時,需要確定最優(yōu)的加權(quán)系數(shù)。在給定虛警率Pfa=10-3下,MMFF檢測器的最優(yōu)加權(quán)系數(shù)將獲得最大檢測概率Pd,即滿足如下的優(yōu)化問題

【參考文獻】：
期刊論文
[1]基于實測數(shù)據(jù)的Ka波段海雜波極化特性研究[J]. 劉玉靜,張曉峰,金威,蘇宏艷,樊潤東,陳展野.  電波科學(xué)學(xué)報. 2019(06)
[2]采用卷積神經(jīng)網(wǎng)絡(luò)的海面多目標檢測研究[J]. 樓奇哲,劉樂,姚元.  信號處理. 2018(09)
[3]基于四極化通道融合的海面漂浮微弱目標特征檢測[J]. 許述文,蒲佳.  信號處理. 2017(03)
[4]L波段小擦地角海雜波幅度統(tǒng)計特性研究[J]. 張玉石,許心瑜,尹雅磊,李慧明,吳振森.  電子與信息學(xué)報. 2014(05)



本文編號：3491900