一种雷达回波的自适应聚类方法

    公开(公告)号:CN118568525B

    公开(公告)日:2024-11-12

    申请号:CN202411016830.3

    申请日:2024-07-29

    摘要: 本发明公开了一种雷达回波的自适应聚类方法,涉及雷达信号处理领域,包括以下步骤:步骤一:频域CFAR初步检测;步骤二:点迹筛选;步骤三:点迹聚类;所述步骤一利用已有的频域CFAR检测技术分析待检测的雷达回波,得到包含一系列点迹的二值检测结果;所述步骤二在检测结果中,剔除一些占据面积较小的点迹。本发明通过目标特性挖掘信息辅助判定雷达点迹的类别,使得点迹凝聚结果更加稳定可靠,并将两个点迹的特征值分布区间的重叠程度作为衡量点迹相似性的指标,在目标检测的基础上,合理利用目标特征的相似性,对不同强散射点是否属于同一目标进行判断,从而有效解决存在能量断开区域情况下目标聚类问题。

    一种分数阶域特征目标检测方法、装置及介质

    公开(公告)号:CN118409293B

    公开(公告)日:2024-10-22

    申请号:CN202410840222.8

    申请日:2024-06-27

    IPC分类号: G01S7/41

    摘要: 本发明涉及一种分数阶域特征目标检测方法、装置及介质,属于雷达检测算法技术领域。为了解决现有归一化操作中的标准差估计不准确,导致显著的系统误差,降低其在现实世界场景中的有效性的问题,该方法,包括以下步骤:S1、计算待检测单元的特征;S2、将步骤S1中得到的待检测单元的三个特征与相同场景下该特征的门限进行比较;S3、通过步骤S2的比较结果,判断是否存在目标。该方法可以减少非正态分布模型引起的归一化过程的不稳定性;在各种虚警概率条件下,具有更好的杂波抑制效果和优越的检测性能。

    基于边缘特征的海上船只目标匹配方法

    公开(公告)号:CN118570511A

    公开(公告)日:2024-08-30

    申请号:CN202411059728.1

    申请日:2024-08-05

    摘要: 本发明公开了基于边缘特征的海上船只目标匹配方法,涉及海上船只目标图像匹配技术领域,该基于边缘特征的海上船只目标匹配方法包括以下步骤:步骤一:改进的Canny算法进行边缘检测;步骤二:在边缘检测后的图像上使用SURF算法提取特征点及其描述符;步骤三:使用欧氏距离和最近邻比率测试从两个图像的特征描述符中找出匹配对;步骤四:使用改进后的自适应RANSAC算法估计匹配点之间的几何变换,进行变换模型估计,分离内外点,对匹配结果进行提纯,消除误匹配;步骤五:完成匹配后,提取特征点集合的坐标,计算外接矩形坐标,并在图像上绘制矩形框框选相同船只目标连通域,得到船只检测结果船只。

    海面慢速目标检测方法及设备、存储介质和程序产品

    公开(公告)号:CN114002657B

    公开(公告)日:2024-06-21

    申请号:CN202111275142.5

    申请日:2021-10-29

    IPC分类号: G01S7/41 G01S13/91

    摘要: 本发明提供一种海面慢速目标检测方法及设备、存储介质和程序产品,其中方法包括:确定雷达回波信号的预设帧节点,所述预设帧节点表征滑窗在所述雷达回波信号滑动的步长与所述滑窗的长度满足预设规则时滑取的预设帧数据的中点;确定所述滑窗在所述雷达回波信号上滑动至所述预设帧节点时提取的历史特征值;根据所述历史特征值,确定所述预设帧节点的目标特征估计值;根据所述目标特征估计值与预设门限范围之间的关系,确定所述预设帧数据为海面慢速目标。本发明方法不仅充分利用了更大尺度上的历史特征信息,也无需改变雷达驻留时间,有效提高了海面慢速目标的检测性能。

    基于参考单元筛选的POSGLT-CFAR检测算法

    公开(公告)号:CN118091593A

    公开(公告)日:2024-05-28

    申请号:CN202410502357.3

    申请日:2024-04-25

    IPC分类号: G01S7/41 G06F18/10 G06F18/21

    摘要: 本发明涉及一种基于参考单元筛选的POSGLT‑CFAR检测算法,属于雷达检测算法技术领域。为了解决实际海杂波背景下同时存在大小目标导致难以通过单一CFAR完全检测的问题,该算法包括对雷达回波信号预处理,对预处理过的信号同时进行大目标检测和小目标检测,其中大目标检测采用大目标检测算法POS‑CFAR,小目标检测采用小目标检测算法GLT‑CFAR;将OS‑CFAR与Log‑t CFAR结合,分别利用相位线性度特征及Grubbs准则对参考单元筛选,选取不同的参考单元及保护单元,得到准确的背景杂波水平估计调整检测门限,在仿真和实测数据上验证,结果表明检测性能明显提升。

    基于双谱三特征的海面目标检测方法及系统

    公开(公告)号:CN113569695B

    公开(公告)日:2024-04-30

    申请号:CN202110831185.0

    申请日:2021-07-22

    摘要: 本发明提供一种基于双谱三特征的海面目标检测方法及系统,方法包括:获取待检测信号,构造待检测信号的对角积分双谱;从对角积分双谱中提取谱特征并进行累积得到双谱三特征,构建三特征空间,得到待检测信号的特征点;其中,双谱三特征包括累积峰值、累积谱宽以及全变差;对待检测信号的特征点进行检测分类,得到目标检测结果。本发明提供的基于双谱三特征的海面目标检测方法及系统,通过构造待检测信号的对角积分双谱,便于提取累积峰值、累积谱宽以及全变差这三个特征,利用融合上述三个特征的特征点进行目标检测,可以更好的区分目标单元与杂波单元,得到的目标检测结果更加准确可靠。

    一种基于RDPH特征的改进OS-CFAR检测算法、装置及介质

    公开(公告)号:CN117724048A

    公开(公告)日:2024-03-19

    申请号:CN202410172237.1

    申请日:2024-02-07

    IPC分类号: G01S7/02 G01S13/88

    摘要: 本发明涉及一种基于RDPH特征的改进OS‑CFAR检测算法、装置及介质,属于雷达检测算法技术领域。为了解决高海况低信杂比条件下目标能量弱导致目标难以检测的问题,提供一种基于RDPH特征的改进OS‑CFAR检测算法,包括以下步骤:S1、对雷达回波数据进行矩阵划分,进行相对多普勒峰高计算;S2、将上一步得到的脉冲矩阵RDPH取均值;S3、将上一步得到的RDPH数据进行排序并选出第k个数值,得到新的背景RDPH估计值Z=RDPH(k);S4、将新的背景RDPH估计值与门限系数的乘积作为检测门限,比较待检测统计量与检测门限的大小;若检测统计量大于检测门限,则海杂波中存在目标;若检测统计量小于或等于检测门限,则海杂波中无目标。在实测海雷达数据高海况场景下能够达到更好的检测概率。

    基于MSE准则的MIMO雷达空-时-距三维联合自适应聚焦与检测方法

    公开(公告)号:CN117406177A

    公开(公告)日:2024-01-16

    申请号:CN202311272094.3

    申请日:2023-09-28

    摘要: 本发明涉及一种基于MSE准则的MIMO雷达空‑时‑距三维联合自适应聚焦与检测方法。本发明先将接收到MIMO雷达的阵元‑脉冲‑距离三维回波数据,按照波形长度拆解为多个“空‑时‑波形”三维数据矩阵,然后将每个三维数据矩阵都转换为一维向量数据;遍历所有的角度分辨单元和多普勒分辨单元,计算自适应迭代处理所需的初始滤波结果;对回波数据进行迭代自适应聚焦处理;最后,针对每个参数组,用迭代自适应聚焦处理的输出结果作为检测统计量,实施过门限检测。与“匹配滤波+波束形成+多普勒域检测”的传统级联处理方式相比,本发明能够抑制强目标产生的多维旁瓣,避免了对邻近微弱目标的遮挡,能够抑制杂波并改善多普勒频移引起的失配问题。

    一种面向目标检测的差异特征筛选方法

    公开(公告)号:CN117390421A

    公开(公告)日:2024-01-12

    申请号:CN202311190984.X

    申请日:2023-09-15

    摘要: 本发明涉及一种面向目标检测的差异特征筛选方法。本发明提出量化特征之间差异性的度量标准重叠系数,通过开展对海探测试验获取2~5级海况实测数据,分别提取时域特征RAA、RPH、TEM,频域特征RDPH、RVE、SOFE,计算出重叠系数。通过特征检测器进行检测性能对比,低海况下,RAA、RPH、TEM、RDPH、SOFE特征之间重叠系数均在0.3以下,对应特征检测器的检测概率均在85%以上;高海况下其特征之间重叠系数均在0.7以上,对应特征检测器的检测概率均在50%以下,RVE在4种海况下差异较小,对应的特征检测器性能较差。本发明验证了重叠系数在特征选择的应用可行性,为多特征融合目标检测奠定基础。

    基于改进YOLOv7的可见光红外图像匹配目标检测方法

    公开(公告)号:CN117292258A

    公开(公告)日:2023-12-26

    申请号:CN202311258367.9

    申请日:2023-09-27

    摘要: 本发明涉及一种基于改进YOLOv7的可见光红外图像匹配目标检测方法。该方法包括:首先,制作海上目标可见光与红外图像数据集;其次,在Neck部分的Concat操作之后引入CBAM模块,帮助网络更好地利用连接的特征图,并自动选择性地关注重要的特征,从而提升网络性能,增强目标舰船的特征表达。最后,将RepConv模块中的激活函数改为LeakyReLU函数,有助于缓解梯度消失问题,使得网络在训练过程中更具有鲁棒性;改进后的YOLOv7的mAP达到了94.18%,相比于原始模型的mAP提升了1.91%,验证了本方法能够实现实验目的,并进一步提高舰船目标的检测性能,降低漏检率。