[發(fā)明專利]基于RD圖的多分類器半監(jiān)督自訓(xùn)練的雷達(dá)干擾檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211320055.1
• 申請(qǐng)日: 2022-10-26
• 公開（公告）號(hào): CN115713646A
• 公開（公告）日: 2023-02-24
• 發(fā)明（設(shè)計(jì)）人: 羅忠濤;張安安;王濤;曹健
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G06V10/764
• 分類號(hào): G06V10/764;G06V10/774;G06V10/80
• 代理公司: 重慶市恒信知識(shí)產(chǎn)權(quán)代理有限公司 50102
• 代理人: 劉小紅

本發(fā)明請(qǐng)求保護(hù)一種基于距離?多普勒(Range?Doppler，RD)圖的多分類器半監(jiān)督自訓(xùn)練的雷達(dá)干擾檢測(cè)方法，屬于雷達(dá)信號(hào)處理與圖像處理交叉領(lǐng)域。針對(duì)天波超視距雷達(dá)的射頻干擾和瞬態(tài)干擾、將干擾檢測(cè)問題轉(zhuǎn)化為RD圖的圖像分類問題：建設(shè)RD圖庫、設(shè)計(jì)RD圖像分類器、并提出多分類器融合的半監(jiān)督自訓(xùn)練的干擾監(jiān)測(cè)方法。RD圖分類器設(shè)計(jì)包括RD圖庫建設(shè)、紋理特征提取和分類算法設(shè)計(jì)3步。基于不同分類算法設(shè)計(jì)基本分類器，提出基于不同特征視圖和學(xué)習(xí)方法的子分類器組合，給出了多分類器半監(jiān)督自訓(xùn)練的干擾監(jiān)測(cè)算法。實(shí)測(cè)圖庫驗(yàn)證表明，多分類器半監(jiān)督自訓(xùn)練方法能夠有效提高RD圖像識(shí)別率，將弱干擾檢測(cè)準(zhǔn)確率由低于65％提升至80％以上。

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)信號(hào)處理與圖像處理交叉領(lǐng)域，具體是一種雷達(dá)干擾檢測(cè)方法。

背景技術(shù)

天波超視距雷達(dá)(Over-The-Horizon Radar，OTHR)具有特殊的工作方式和超遠(yuǎn)工作距離，受到了包括我國在內(nèi)的世界大國的重視。天波雷達(dá)所在高頻段容易受到射頻干擾和瞬態(tài)干擾的入侵，雷達(dá)工作性能會(huì)受到嚴(yán)重影響。因此，準(zhǔn)確檢測(cè)出干擾并識(shí)別其類型，對(duì)于天波雷達(dá)的干擾處理和選頻工作來說都有重要意義。

人們以往對(duì)射頻干擾和瞬態(tài)干擾的研究，主要集中于干擾基本特性分析及對(duì)應(yīng)抑制算法開發(fā)。針對(duì)射頻干擾的相對(duì)窄帶性，人們提出了接收濾波器設(shè)計(jì)方法、信號(hào)分解抑制法、頻域檢測(cè)消除法等。針對(duì)瞬態(tài)干擾的瞬時(shí)高功率，人們提出了經(jīng)典的檢測(cè)-剔除-重構(gòu)法，也有新近提出的數(shù)據(jù)平滑技術(shù)。由于射頻干擾和瞬態(tài)干擾都有方向性，人們也可利用波束形成抑制射頻干擾和瞬態(tài)干擾。相比之下，人們對(duì)于干擾檢測(cè)問題的討論主要附屬于干擾抑制內(nèi)容，所提方法主要是基于幅度的信號(hào)檢測(cè)，即基于時(shí)域、頻域或特征值設(shè)置一定的檢測(cè)門限，其中海雜波消除主要是通過高通濾波方法。不過，OTHR是基于RD圖完成目標(biāo)觀測(cè)工作，而傳統(tǒng)干擾檢測(cè)方法所在域與目標(biāo)檢測(cè)域不同，二者不是直接相關(guān)，可能導(dǎo)致干擾漏檢或虛警，引起未充分或不必要的干擾處理，導(dǎo)致RD數(shù)據(jù)質(zhì)量下降。

為使干擾檢測(cè)更加準(zhǔn)確、檢測(cè)原理更加多樣，本發(fā)明重點(diǎn)研究基于RD圖識(shí)別干擾的新方法。不同于傳統(tǒng)檢測(cè)基于統(tǒng)計(jì)信號(hào)處理技術(shù)，本發(fā)明采用基于圖像識(shí)別的新思路來研究干擾檢測(cè)分類問題，通過RD圖判斷干擾的有無及其類別，為后續(xù)“是否在時(shí)頻域做干擾處理”作出預(yù)判斷。干擾影響OTHR性能是通過RD圖，而不同干擾的RD圖表現(xiàn)有穩(wěn)定的差異，故此將干擾檢測(cè)問題轉(zhuǎn)化為 RD圖像識(shí)別問題。傳統(tǒng)檢測(cè)原理是基于統(tǒng)計(jì)信號(hào)處理方法，關(guān)注干擾特性所在時(shí)頻域，而非與目標(biāo)檢測(cè)直接相關(guān)的RD圖。相比之下，本發(fā)明基于RD圖識(shí)別干擾的優(yōu)勢(shì)是可以做到只檢測(cè)出那些有破壞影響的干擾，避免對(duì)不影響目標(biāo)觀測(cè)數(shù)據(jù)的無必要檢出或處理，其原理是設(shè)計(jì)RD圖庫并提取紋理特征，再基于 SVM和KNN分類器聯(lián)合的算法，設(shè)計(jì)出了同時(shí)檢測(cè)瞬態(tài)干擾和射頻干擾的RD 圖分類器，采用多分類器融合的半監(jiān)督自訓(xùn)練算法，提升了干擾檢測(cè)的準(zhǔn)確率。

RD圖像分類器基于圖像識(shí)別技術(shù)，設(shè)計(jì)工作主要有建立RD圖庫和設(shè)計(jì)分類算法。本發(fā)明從無到有建設(shè)RD圖庫，基于干擾建模設(shè)計(jì)仿真圖庫，基于實(shí)測(cè)數(shù)據(jù)設(shè)計(jì)實(shí)測(cè)圖庫，分別用作分類器的訓(xùn)練集和測(cè)試集。其次，圖像特征提取采用了經(jīng)典紋理算子，如LBP、HOG。然后，采用了不同的機(jī)器學(xué)習(xí)分類算法，如SVM、KNN。最后，針對(duì)單分類器對(duì)強(qiáng)干擾識(shí)別率高但對(duì)弱干擾識(shí)別率較低的問題，本方案設(shè)計(jì)基于多個(gè)子分類器融合的半監(jiān)督自訓(xùn)練學(xué)習(xí)方法。其設(shè)計(jì)思路是：結(jié)合決策融合和集成學(xué)習(xí)思想，以不同特征或不同學(xué)習(xí)算法的異構(gòu)分類器作為子分類器，將多分類器的預(yù)測(cè)結(jié)果進(jìn)行決策融合；運(yùn)用半監(jiān)督自訓(xùn)練學(xué)習(xí)的思路，以多分類器預(yù)測(cè)結(jié)果為置信度參考，設(shè)計(jì)半監(jiān)督自訓(xùn)練方案。實(shí)測(cè)數(shù)據(jù)實(shí)驗(yàn)表明該方案能夠明顯提升弱干擾識(shí)別率。

發(fā)明內(nèi)容

本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問題。提出了一種基于RD圖的多分類器半監(jiān)督自訓(xùn)練的雷達(dá)干擾檢測(cè)方法。本發(fā)明的技術(shù)方案如下：

一種基于RD圖的多分類器半監(jiān)督自訓(xùn)練的雷達(dá)干擾檢測(cè)方法，其包括以下步驟；