[發明專利]基于關聯性特征的全局虛警可控自適應提升樹的檢測方法及其裝置

在審

• 申請號: 202310170895.2
• 申請日: 2023-02-27
• 公開（公告）號: CN116413711A
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 時艷玲;陳偉生;胡悅鳳;閆懷豹
• 申請（專利權）人: 南京郵電大學
• 主分類號: G01S13/04
• 分類號: G01S13/04;G01S7/41
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 周科技

1.基于關聯性特征的全局虛警可控自適應提升樹的海面目標檢測方法，其特征在于，包括如下步驟：

獲取海面雷達回波數據，將海面雷達回波數據分為訓練集、驗證集和測試集；

利用海面雷達回波數據的頻域幅度特性，基于目標和海雜波在頻譜幅度上的關聯性差異，在頻域角度對海面雷達回波數據進行處理，構建連通圖數據集；

利用海雜波的非線性遞歸時間序列特性，基于目標和海雜波在時域上的關聯性特性差異，在時域角度對海面雷達回波數據進行處理，構建遞歸圖數據集；

利用雙通道卷積神經網絡分別對連通圖數據集和遞歸圖數據集提取特征，融合特征并進行特征降維；

將訓練集中融合并降維后的特征向量送入到全局虛警可控自適應提升樹分類器中訓練，并利用驗證集進行參數調優，得到分類器模型；

將測試集數據輸入獲得的分類器模型中，模型依據訓練好的網絡參數，給出海面目標分類結果。

2.根據權利要求1所述的基于關聯性特征的全局虛警可控自適應提升樹的海面目標檢測方法，其特征在于，頻域角度的數據處理包括海面雷達回波數據的快速傅里葉變換、歸一化操作、量化操作、圖的構建；所述圖的構建包括：

圖的轉換，把量化處理后的描述海面雷達回波數據不同頻點的頻譜幅度之間關聯性的每段序列轉換成相對應的圖，圖由頂點集V和邊集E構成，記為：

G＝(V,E)

其中，頂點集V＝{v₀,v₁,...,v_γ-1}由量化級為N_γ＝{1,2,...,γ}的元素映射形成，γ為一個確定量化間隔的常數，v_γ-1是映射的某個頂點；然后，根據頂點之間的關系建立邊集E；若頂點v_δ相對應的量化值是Q(k)，其下一個量化數據為Q(k+1)且對應的頂點為v_β，則表示頂點v_δ與v_β之間是連接的且方向從v_δ指向v_β，記為有向邊e_δβ；否則，頂點v_δ與v_β之間沒有連接；圖的邊集E表示如下：

E＝{e_δβ|δ,β∈N_γ×N_γ}

將e_δβ出現的次數累加，累加值為頂點v_δ與v_β之間的連通密度d_δβ＝∑e_δβ；若頂點v_δ與v_β不連通，則d_δβ＝0；將d_δβ作為圖G的鄰接矩陣A的元素：

根據鄰接矩陣構建有向圖，構建連通圖數據集。

3.根據權利要求1所述的基于關聯性特征的全局虛警可控自適應提升樹的海面目標檢測方法，其特征在于，時域角度的數據處理包括海面雷達回波數據切分，相空間重構以及灰度歸一化，具體包括：

對數據切分所得的時間序列進行相空間重構，獲得相空間重構后的嵌入向量，公式如下：

v(r)＝{x(r),x(r+τ),x(r+2τ),…,x(r+(t-1)τ)}

其中x(r)表示長度為N的時間序列，t表示嵌入維度，τ表示嵌入時延，r表示時間樣本，v(r)表示嵌入向量；基于嵌入向量，獲得遞歸矩陣，遞歸矩陣中的元素表示為：

R_r,s＝||v(r)-v(s)||

其中1≤r,s≤n，n＝N-(t-1)τ表示時間樣本的長度，v(s)表示時間樣本s的嵌入向量；創建遞歸矩陣R為：

對遞歸矩陣進行灰度歸一化處理，灰度歸一化公式為：

其中，R(i,j)和G(i,j)分別為原圖像的灰度值和變換后的灰度值，1≤i,j≤n，min和max分別表示原圖像R(i,j)的最小灰度值和最大灰度值；得到歸一化后的遞歸矩陣后生成二維灰度圖，即為遞歸圖，最終搭建整個遞歸圖數據集。