[發明專利]一種基于LSTM的雷達序列信號檢測方法及系統

在審

• 申請號: 202010785827.3
• 申請日: 2020-08-06
• 公開（公告）號: CN111880159A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 陳小龍;蘇寧遠;關鍵;宋偉健;董云龍;薛永華;張林
• 申請（專利權）人: 中國人民解放軍海軍航空大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于LSTM的雷達序列信號檢測方法及系統。該方法包括：獲取待檢測區域雷達信號數據；計算所述雷達信號數據的幅度；將所述雷達信號數據分為訓練數據集和測試數據集；構建LSTM模型；通過所述訓練數據集對所述LSTM模型進行訓練，得到訓練后的LSTM模型；通過所述訓練后的LSTM模型對所述測試集進行預測，得到預測值；計算所述預測值與實際值之間的相對誤差；所述實際值為雷達信號數據的幅度；根據所述相對誤差實現雷達序列信號的檢測。本發明通過訓練好的LSTM模型對后續時刻信號進行預測，通過比較預測值與實際值的相對誤差，將相對誤差較大的點視為異常值，可實現雷達目標檢測，并可減少雜波影響。

技術領域

本發明涉及目標檢測領域，特別是涉及一種基于LSTM的雷達序列信號檢測方法及系統。

背景技術

雷達目標檢測在國防海上監視、交通運輸和資源環境保護等諸多領域都有重要價值。由于探測環境復雜、雜波和目標信號模型多樣化等原因，可靠和穩健的目標檢測和分類技術一直是關鍵技術。目前雷達微弱目標的檢測與識別的難點主要在于雜波抑制、目標高分辨特征提取、復雜特征分類等。現有檢測方法多以統計理論為基礎，即將雜波視為隨機過程，假設其服從特定的分布模型，例如：K分布、瑞利分布、對數正態分布等，對于服從不同的統計模型的雜波信號采用不同檢測算法。然而，在實際應用場景中，目標類型復雜，既存在靜止、慢速目標，又存在運動目標，如，海面漂浮目標多普勒頻移與海雜波相近，容易淹沒在雜波中，運動目標不固定出現在同一距離單元內，積累時間短，且雜波模型類別日益增多，在復雜環境中現有的雜波分布模型常常難以與實際信號匹配，導致經典目標檢測方法性能受環境影響嚴重，難以實現高性能檢測。

此外，由于復雜環境下雜波的非均勻性、非平穩特性，如海雜波，其無法完全被抑制，檢測性能不穩定。Haykin等人采用基于混沌和分形方法，將關聯維數和盒維數等特征量用于海雜波背景下弱目標的檢測，該方法仍存在低SCR下檢測性能較弱的問題，且對運動目標檢測的能力較低。

發明內容

本發明的目的是提供一種基于LSTM的雷達序列信號檢測方法及系統，用以對雷達目標進行準確的檢測，并減少雜波影響。

為實現上述目的，本發明提供了如下方案：

一種基于LSTM的雷達序列信號檢測方法，包括：

獲取待檢測區域雷達信號數據；

計算所述雷達信號數據的幅度；

將所述雷達信號數據分為訓練數據集和測試數據集；

構建LSTM模型；

通過所述訓練數據集對所述LSTM模型進行訓練，得到訓練后的LSTM模型；

通過所述訓練后的LSTM模型對所述測試集進行預測，得到預測值；

計算所述預測值與實際值之間的相對誤差；所述實際值為雷達信號數據的幅度；

根據所述相對誤差實現雷達序列信號的檢測。

可選的，所述將雷達數據分為訓練數據集和測試數據集，具體包括：

對所述雷達數據進行壓縮，得到壓縮后的信號序列；

將所述壓縮后的信號序列分為訓練數據集和測試數據集。

可選的，所述構建LSTM模型，具體包括：

LSTM模型的輸入維數為2，時間步為15，隱藏節點數為4。

可選的，所述通過所述訓練數據集對所述LSTM模型進行訓練，得到訓練后的LSTM模型，具體包括：

將所述訓練數據集輸入至所述LSTM模型中，得到輸出值；

根據所述輸出值與所述實際值，計算損失函數值；