[發(fā)明專利]基于SVM的雷達(dá)RD圖像弱目標(biāo)檢測方法、系統(tǒng)、存儲介質(zhì)和電子終端

在審

• 申請?zhí)枺?/td>: 202110785957.1
• 申請日: 2021-07-12
• 公開（公告）號: CN113408538A
• 公開（公告）日: 2021-09-17
• 發(fā)明（設(shè)計）人: 周楊磊;周著佩;查志賢;劉子健;陳宇;徐忠祥
• 申請（專利權(quán)）人: 安徽耀峰雷達(dá)科技有限公司
• 主分類號: G06K9/36
• 分類號: G06K9/36;G06K9/62
• 代理公司: 昆明合眾智信知識產(chǎn)權(quán)事務(wù)所 53113
• 代理人: 甘善甜

1.一種基于SVM的雷達(dá)RD圖像弱目標(biāo)檢測方法，其特征在于，包括以下步驟：

S1:獲取雷達(dá)回波數(shù)據(jù)，對數(shù)據(jù)進(jìn)行預(yù)處理后，生成雷達(dá)距離多普勒維圖像；

S2:對原始圖像進(jìn)行預(yù)處理并進(jìn)行標(biāo)簽，得到數(shù)據(jù)集；

S3:構(gòu)建針對低信噪比下弱目標(biāo)檢測的支持向量機(SVM)網(wǎng)絡(luò)；

S4:對構(gòu)建的支持向量機(SVM)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測并交叉驗證；

S5:獲得測試集目標(biāo)檢測準(zhǔn)確率結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于SVM的雷達(dá)RD圖像弱目標(biāo)檢測方法，其特征在于：所述步驟S1中對雷達(dá)回波數(shù)據(jù)進(jìn)行預(yù)處理的具體步驟為：

S101:通過仿真生成雷達(dá)回波數(shù)據(jù)，并在數(shù)據(jù)中加入不同信噪比的隨機噪聲；

S102:將雷達(dá)回波數(shù)據(jù)中目標(biāo)數(shù)目、位置與速度一定范圍內(nèi)隨機生成。

3.根據(jù)權(quán)利要求1所述的一種基于SVM的雷達(dá)RD圖像弱目標(biāo)檢測方法，其特征在于：所述步驟S2中原始圖像進(jìn)行預(yù)處理并進(jìn)行標(biāo)簽的具體步驟為：

S201:將原始圖像標(biāo)準(zhǔn)化，并調(diào)整分辨率為適合支持向量機(SVM)學(xué)習(xí)的大小；

S202:獲取目標(biāo)所在位置的具體坐標(biāo)值；

S203:針對目標(biāo)所在位置的坐標(biāo)值進(jìn)行標(biāo)簽設(shè)置，生成標(biāo)準(zhǔn)標(biāo)簽數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的一種基于SVM的雷達(dá)RD圖像弱目標(biāo)檢測方法，其特征在于：所述步驟S3中支持向量機(SVM)網(wǎng)絡(luò)包括SVM網(wǎng)絡(luò)的傳輸形式、網(wǎng)絡(luò)架構(gòu)模式、所采用的激勵函數(shù)和檢測參數(shù)。

5.根據(jù)權(quán)利要求1所述的一種基于SVM的雷達(dá)RD圖像弱目標(biāo)檢測方法，其特征在于：所述步驟S3中目標(biāo)檢測具體為對不同背景下的不同目標(biāo)進(jìn)行分類檢測、對目標(biāo)與雜波之間的特征區(qū)別進(jìn)行檢測。

6.根據(jù)權(quán)利要求1所述的一種基于SVM的雷達(dá)RD圖像弱目標(biāo)檢測方法，其特征在于：所述步驟S3中交叉驗證的具體步驟為：

S501:將訓(xùn)練樣本集分為n個大小相同的子樣本集；

S502:選擇其中n-1個子樣本集用來訓(xùn)練支持向量機，剩余的一個子樣本集作為驗證模型的子集；

S503:把訓(xùn)練得到的模型在驗證子集上進(jìn)行校驗，記錄校驗誤差；

S504:重復(fù)以上過程直到每個子集都只作為一次驗證子集；

S505:統(tǒng)計每次實驗的校驗誤差，將此誤差作為評估支持向量機泛化能力的標(biāo)準(zhǔn)，也即支持向量機參數(shù)選擇的標(biāo)準(zhǔn)。

7.根據(jù)權(quán)利要求1所述的一種基于SVM的雷達(dá)RD圖像弱目標(biāo)檢測方法，其特征在于：所述步驟S5中準(zhǔn)確率包括檢測率和虛警率，計算公式如下：

式中P_d為檢測率，P_f為虛警率，TP為真正例，F(xiàn)N為假正例，F(xiàn)P為假反例。

8.一種基于SVM的雷達(dá)RD圖像弱目標(biāo)檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括：

圖像生成模塊，用于獲取雷達(dá)回波數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行預(yù)處理，生成雷達(dá)距離多普勒維圖像；

圖像處理模塊，用于對原始圖像進(jìn)行預(yù)處理并進(jìn)行標(biāo)簽，然后得到數(shù)據(jù)集；

網(wǎng)絡(luò)構(gòu)建模塊，用于構(gòu)建針對低信噪比下弱目標(biāo)檢測的支持向量機(SVM)網(wǎng)絡(luò)；

檢測驗證模塊，用于對構(gòu)建的支持向量機(SVM)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測并交叉驗證；以及；

準(zhǔn)確率模塊，用于獲得測試集目標(biāo)檢測準(zhǔn)確率結(jié)果。

9.一種基于SVM的雷達(dá)RD圖像弱目標(biāo)檢測存儲介質(zhì)，其特征在于：所述存儲介質(zhì)內(nèi)部存儲計算機指令，當(dāng)所述計算機指令在電子終端上運行時，使得所述電子終端執(zhí)行如權(quán)利要求1-7中任一項所述的弱目標(biāo)檢測方法。

10.一種基于SVM的雷達(dá)RD圖像弱目標(biāo)檢測電子終端，其特征在于：所述電子終端包括處理器和存儲器，所述存儲器用于存儲指令，所述處理器用于調(diào)用所述存儲器中的指令，使得所述電子設(shè)備執(zhí)行權(quán)利要求1-7中任一項所述的弱目標(biāo)檢測方法。