[發(fā)明專利]一種基于深度神經(jīng)網(wǎng)絡(luò)的多目標恒虛警率檢測方法

有效

• 申請?zhí)枺?/td>: 202110793105.7
• 申請日: 2021-07-14
• 公開（公告）號: CN113534120B
• 公開（公告）日: 2023-06-30
• 發(fā)明（設(shè)計）人: 宋春毅;曹智輝;宋鈺瑩;艾福元;吳京軒;徐志偉
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G01S13/02
• 分類號: G01S13/02;G01S7/41;G06N3/04;G06N3/084;G06F18/214;G06F18/2415;G06F18/2413
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 賈玉霞

1.一種基于深度神經(jīng)網(wǎng)絡(luò)的多目標恒虛警率檢測方法，其特征在于，該方法包括以下步驟：

S1：通過數(shù)據(jù)增強技術(shù)建立具有動態(tài)信雜比和動態(tài)目標數(shù)的雷達中頻信號的仿真數(shù)據(jù)集其中，n為訓(xùn)練樣本的個數(shù)，K_n為第n個樣本的距離序列長度；L_K為真實標簽，目標被標記為1，雜波被標記為0；R_K＝[r₁，r₂，...，r_K]為峰值距離序列，I_K＝[i₁，i₂，...，i_K]是與R_K對應(yīng)的峰值強度序列；峰值序列P_K＝(R_K，I_K)，其是先將雷達中頻信號作傅里葉變換后取模得到雷達頻率強度測量X，再對X取峰值得到的；

S2：構(gòu)建能夠?qū)Ψ逯敌蛄蠵_K進行分類的深度神經(jīng)網(wǎng)絡(luò)檢測器，并利用所述仿真數(shù)據(jù)集對其進行訓(xùn)練，得到訓(xùn)練后的深度神經(jīng)網(wǎng)絡(luò)檢測器；

S3：將待檢測的雷達頻率強度測量X取峰值，得到的峰值序列P_K輸入訓(xùn)練后的深度神經(jīng)網(wǎng)絡(luò)檢測器，輸出目標檢測結(jié)果Y；

S4：假設(shè)X中的雜波服從瑞利分布，從X中移除目標檢測結(jié)果Y后形成縮減樣本并用截斷的瑞利分布對中的雜波建模；

S5：設(shè)計基于泰勒級數(shù)的近似最大似然估計器，確定比例參數(shù)σ的近似最大似然估計；根據(jù)指定的虛警率P_FA和比例參數(shù)σ的近似最大似然估計計算得到虛警調(diào)節(jié)門限T_fa，剔除檢測結(jié)果Y中低于T_fa的目標，輸出恒虛警檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)的多目標恒虛警率檢測方法，其特征在于，所述S1中仿真數(shù)據(jù)集的增強按照以下方式進行：

(1)使雷達中頻信號具有動態(tài)信雜比

將所述仿真數(shù)據(jù)集對應(yīng)的雷達中頻信號的第k個目標的回波信號乘上其對應(yīng)的回波功率

其中，P_c為雜波功率，SCR_k為第k個目標設(shè)置的動態(tài)信雜比

其中，為指定的平均SCR，為隨機數(shù)，目的為使訓(xùn)練樣本具有動態(tài)的SCR；u為SCR變化因子且服從高斯分布N(0，u²)；

(2)采用加性隨機采樣方法生成距離序列的方式使雷達中頻信號具有動態(tài)目標數(shù)

其中，為第k個目標的距離，τ_k為采樣距離間隔，表示為：

其中，D_W為采樣距離窗口，與雷達測距范圍一致；μ為縮放因子；s為距離變化因子，且服從高斯分布N(0，s²)；m為目標數(shù)，其為隨機數(shù)，目的為使訓(xùn)練樣本具有動態(tài)的目標數(shù)。

3.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)的多目標恒虛警率檢測方法，其特征在于，所述深度神經(jīng)網(wǎng)絡(luò)檢測器采用全連接神經(jīng)網(wǎng)絡(luò)。

4.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)的多目標恒虛警率檢測方法，其特征在于，所述S5中基于泰勒級數(shù)的近似最大似然估計器為：

其中，

b^*＝Nα[g′(a)a-g(a)]

g(a)＝aexp(-a²/2)/[1-exp(-a²/2)]

a＝α/2

其中，α為截斷深度。

5.根據(jù)權(quán)利要求4所述的基于深度神經(jīng)網(wǎng)絡(luò)的多目標恒虛警率檢測方法，其特征在于，所述虛警調(diào)節(jié)門限T_fa為：