CN110208767B - 一种基于拟合相关系数的雷达目标快速检测方法 - Google Patents
一种基于拟合相关系数的雷达目标快速检测方法 Download PDFInfo
- Publication number
- CN110208767B CN110208767B CN201910483636.9A CN201910483636A CN110208767B CN 110208767 B CN110208767 B CN 110208767B CN 201910483636 A CN201910483636 A CN 201910483636A CN 110208767 B CN110208767 B CN 110208767B
- Authority
- CN
- China
- Prior art keywords
- radar
- radial
- echo
- target
- samples
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
- G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
Abstract
本发明公开了一种基于拟合相关系数的雷达目标快速检测方法,步骤1:确定检测阈值T:离线开展现场观测试验,选取单一扫描线上的两类径向回波样本,一类为含有目标雷达回波的样本,另一类为不含目标的纯海杂波雷达回波的样本,计算出以拟合相关系数为特征的两类样本概率密度曲线,并得到能够对两类样本进行区分的阈值T;步骤2:雷达回波的特征提取:收集雷达单一扫描线上的数据,计算得到每条线上的雷达回波强度的拟合相关系数K;步骤3:判断有无目标:将得到的拟合相关系数和检测阈值T进行比较,判断该扫描线上是否存在目标。本发明采取了新的特征参数‑拟合相关系数,相比传统的均值、方差为特征的方法,有效提升了目标检测的性能。
Description
技术领域
本发明涉及一种雷达目标快速检测方法,特别是一种基于拟合相关系数的雷达目标快速检测方法,属于海洋环境条件下舰船目标探测技术领域。
背景技术
几十年来,随着科技的发展与进步,雷达技术得到了迅速发展,已经在船舶导航、目标搜索等领域被广泛应用。在船舶导航领域中,海杂波背景下的目标检测问题一直都是研究中的热点,它对船舶安全的保障有着至关重要的作用。
目前常用的目标检测技术为恒虚警率(CFAR,constant false alarm rate)检测技术。根据检测种类的不同一般可以分为均值类CFAR检测与有序统计类CFAR检测。1968年,Finn等人首次提出了基于单元平均的CA-CFAR检测器。在此之后,国外学者相继提出了基于选大单元的GO-CFAR检测器[1]与基于选小单元的SO-CFAR检测器[2]。2000年Smith与Varshney等人提出了一种基于可变标识的VI-CFAR检测器。但是均值类CFAR检测器在多目标环境与非均匀环境下的检测性能会有下降,针对这种问题,1983年Rohling等人根据中值滤波的思想,提出了一种有序统计类CFAR检测器[3]。1988年,Gandhi等人在其基础上,提出了一种基于剔除平均的TM-CFAR检测器,进一步提高了其在均匀环境中检测的性能,但计算方法却比较复杂,检测耗时严重[4]。1993年,Barkat等人使用一种移动有序统计处理的方式进一步提高了有序统计类CFAR检测器在非均匀环境中的检测性能[5]。2007年,胡文琳等人结合有序统计的思想,使用有序统计类算法对VI-CFAR检测器中的均值类算法进行替换,大幅提高了VI-CFAR检测器在多目标环境中的抗干扰能力,却也提高了检测器在均匀环境中的损失[6]。2014年姜劼等人改善了VI-CFAR检测器的判定条件,提出了一种EOSVI-CFAR检测器,进一步提高了检测器的抗干扰能力[7]。2016年,芮义斌等人在其基础上,进一步提出了一种多策略CFAR检测器,通过仿真实验证明了检测性能的提升[8]。见参考文献[1-8](Amoozegar F,Sundareshan M K.Constant false alarm rate Target detection inclutter:a neural processing algorithm[C]Applications of Artificial NeuralNetworks V.International Society for Optics and Photonics,1994.Trunk,G.V.Range Resolution of Targets Using Automatic Detectors[J].IEEEtransactions on Aerospace and Electronic Systems,1978,AES-14(5):750-755.Rohling H.Radar CFARThresholding in Clutter and Multiple TargetSituations[J].IEEE Transactions on Aerospace and Electronic Systems,1983,19(4):608-621.Gandhi P P,Kassam S A,Gandhi P,et al.Analysis of CFAR Processorsin Non-homogenous Background[J].IEEE Trans.aero.electron.syst,1988,24(4):427-445.HimonasSD,Barkat M.Automatic censored CFAR detection for nonhomogeneousenvironments[J].IEEE Transactions on Aerospace and Electronic Systems,1992,28(1):286-304.胡文琳,王永良,王首勇.一种基于有序统计的鲁棒CFAR检测器[J].电子学报,2007,35(3):530-533.姜劼.EOSVI-CFAR算法研究及硬件设计与实现[D].西安电子科技大学,2014芮义斌,魏知寒,Khoasang N,et al.一种非均匀背景下的多策略CFAR检测器[J].南京理工大学学报(自然科学版),2016,40(02))
在检测效率上,目前文献公布的CFAR类检测器均采用逐点扫描检测的方式进行目标检测,随着CFAR类算法复杂度的增长,以及雷达分辨率的细化,目标检测速度对于雷达系统的影响已经不能忽略。为了实现检测的快速性,可将检测算法优化为2个步骤:第一步是对雷达回波中每根扫描线的径向数据集合进行整体检测,筛选出存在目标的扫描线,即粗检测阶段;第二步只针对筛选出存在目标的扫描线进行逐点检测,即精检测阶段。本专利涉及的算法属于上述粗检测阶段,用于筛选出存在目标的扫描线。
为了实现雷达一维距离像(单根扫描线上的径向数据集合)是否存在目标的整体检测,需要从雷达一位距离像中提取某些稳定并具有标识性的特征,通过离线现场试验确定检测阈值后,可将实测的雷达一维扫描线特征值和检测阈值做对比,能够预先剔除大量不含目标的雷达一维距离像数据,从而提高检测效率,满足雷达系统对目标检测的实时性的要求,以此作为目标快速检测的第一步。目前,第一步待选择的特征主要包括多重分型关联谱、去相关时间、均值、方差系数、峰度等。
发明内容
针对上述现有技术,本发明要解决的技术问题是提供一种基于新的特征参数-拟合相关系数的单特征参数雷达目标快速检测方法。
为解决上述技术问题,本发明的一种基于拟合相关系数的雷达目标快速检测方法,包括以下步骤:
步骤1:确定检测阈值T:
离线开展现场观测试验,选取单一扫描线上的两类径向回波样本,一类为含有目标雷达回波的样本,另一类为不含目标的纯海杂波雷达回波的样本;计算出全部样本的拟合相关系数,分别确定以拟合相关系数为特征的两类样本的概率密度曲线,并得到能够对两类样本进行区分的阈值T,样本数量应满足确定概率密度曲线和阈值T的要求;
步骤2:雷达回波的特征提取:
收集雷达单一扫描线上的数据,数据包含径向距离、回波强度,计算得到每条线上的雷达回波强度的拟合相关系数K;
步骤3:判断有无目标:
将得到的拟合相关系数和检测阈值T进行比较,当K≤T时,目标存在;否则目标不存在。
本发明还包括:
1.雷达为X波段航海雷达。
2.步骤1所述两类径向回波样本满足:径向回波数据长度大于离线开展现场观测试验中的最大的船只目标尺寸;含目标的径向回波需包含离线开展现场观测试验中不同尺寸的船只目标,纯海杂波的径向回波包含不同情况下的杂波区域,包括海天背景、人为干扰、自然干扰;样本为离线开展现场观测试验中能够准确表示有无目标的数据。
3.步骤1的拟合相关系数的计算方法包括:
对于单一扫描线上获取的径向雷达回波数据采样点(xi,yi)(i=1,2,…,m),给出以最小二乘拟合多项式得出的拟合径向雷达回波数据和拟合相关系数:
拟合径向雷达回波数据的计算公式为:
式中:ak(k=0,2,…,n)表示多元函数的系数,xi表示径向距离,yi表示原始径向雷达回波强度,m表示单一扫描线上径向采样点的总数,n表示多项式中x的最高次,φ为所有次数不超过n的多项式所构成的函数;
拟合相关系数为:
本发明有益效果:根据X波段航海雷达径向回波中远近效应的特点,本发明提出了一种新的特征参数-拟合相关系数,本发明首次将该特征参数应用在航海雷达目标快速检测领域,目前没有检索到类似文献记载。本发明的设计采取以拟合相关系数为特征的单特征参数检测算法,并以X波段导航雷达的实测数据为依托实现了算法性能评估,使用大量雷达实测数据,分别使用本文提出的拟合相关系数为特征参数和以均值、方差为特征参数的情况进行了对比实验。结果表明相比传统的均值、方差为特征的方法,本文方法有效提升了目标检测的性能。
附图说明
图1为含有目标雷达回波拟合相关系数;
图2为不含有目标的纯海杂波雷达回波拟合相关系数;
图3为以拟合相关系数为特征的样本概率密度曲线;
图4为实施方式流程图。
具体实施方式
下面结合附图对本发明具体实施方式进一步说明。
如图4所示,本发明包含了确定检测阈值T,雷达回波的特征提取,判断有无目标等三个步骤,具体步骤如下:
步骤1,确定检测阈值T:
离线开展现场观测试验,选取大量的(至少3000条)单一扫描线上的两类径向回波样本,一类为含有目标雷达回波的样本,另一类为不含目标的纯海杂波雷达回波的样本。计算出以拟合相关系数为特征的两类样本概率密度曲线,并得到能够对两类样本进行区分的阈值T。
步骤2,雷达回波的特征提取:
收集X波段导航雷达单一扫描线上的数据(包含角度方向,径向距离,回波强度等),计算得到每条线上的雷达回波强度的拟合相关系数K。
步骤3,判断有无目标:
将得到的拟合相关系数和检测阈值T进行比较,判断该扫描线上是否存在目标;
步骤1包括以下步骤:
步骤1.1,离线开展现场观测试验,选取大量的(至少3000条)单一扫描线上两类雷达径向回波样本,分为含目标雷达回波样本和纯海杂波雷达回波样本,其中样本的选择满足以下三点要求:
①径向回波数据长度必须大于离线开展现场观测试验中最大的船只目标尺寸。
②含目标的径向回波需包含离线开展现场观测试验中多种尺寸(大、中、小)的船只目标,纯海杂波的径向回波需包含海天背景、人为干扰、自然干扰等不同情况下的杂波区域。
③样本必须具有代表性,所选样本为离线开展现场观测试验中能够准确表示有无目标的数据;
步骤1.2,计算出所有样本的拟合相关系数,对于单一扫描上获取的一组给定径向雷达回波数据采样点(xi,yi)(i=1,2,…,m),给出以最小二乘拟合多项式得出的拟合径向雷达回波数据和拟合相关系数;
拟合径向雷达回拨数据的计算公式为:
式中:ak(k=0,1,2,…,n)表示多元函数的系数,xi表示径向距离,yi表示原始径向雷达回波强度,m表示单一扫描线上径向采样点的总数,n表示多项式中x的最高次,φ为所有次数不超过n的多项式所构成的函数;
拟合相关系数的计算公式:
步骤1.3,通过步骤1.2得到的大量的两类回波的拟合相关系数,分别画出含目标雷达回波和纯海杂波雷达回波的拟合相关系数的概率密度曲线;
步骤1.4利用两条概率密度曲线,采用一种选取策略求取拟合相关系数的检测阈值T。
步骤2包括以下步骤:
步骤2.1,获得雷达单一扫描线上的回波强度;
步骤2.2,按照步骤1中的步骤1.2所述,计算出雷达单一扫描线上回波强度的拟合相关系数K。
步骤3包括以下步骤:
步骤3.1,当雷达单一扫描线上回波强度的拟合相关系数K大于检测与阈值T时,判定为没有目标;
步骤3.2,当雷达单一扫描线上回波强度的拟合相关系数K小于检测与阈值T时,判定为有目标。
本发明实施例所用为实验船只装备的X波段导航雷达,实验雷达以旋转周期性扫描观测为观测方式,雷达图像的时间分辨率为2.7s,径向分辨率为7.5m,雷达的监测范围为半径0.5~4.3Km的圆。
上述X波段导航雷达的主要技术参数如表一所示:
表一X波段导航雷达的技术参数
结合附图1~4,适用的导航雷达类型为:其工作原理是单脉冲体制的X波段航海雷达,本发明具体实施步骤为:
第一步为确定检测阈值T。包括以下步骤:
步骤1.1,各选取2750组单一扫描线上两类雷达径向回波样本,一类为含有目标雷达回波样本,另一类为不含目标的纯海杂波雷达回波样本,其中样本的选择满足以下三点要求:
①径向回波数据长度必须大于离线开展现场观测试验中最大的船只目标尺寸。
②含目标的径向回波需包含离线开展现场观测实验中的多种尺寸(大、中、小)的船只目标,纯海杂波的径向回波需包含海天背景、人为干扰、自然干扰等不同情况下的杂波区域。
③样本必须具有代表性,所选样本为离线开展现场观测试验中能够准确表示有无目标的数据;
步骤1.2,根据步骤1.1的数据,对于一组给定的径向雷达回波数据采样点(xi,yi)(i=1,2,…,m),给出以最小二乘拟合多项式得出的拟合径向雷达回波数据和拟合相关系数,附图1,附图2为两类回波信号的拟合相关系数;
拟合径向雷达回波数据的计算公式为:
式中:ak(k=0,1,2,…,n)表示多元函数的系数,为所有次数不超过n的多项式所构成的函数,xi表示径向距离,yi表示原始径向雷达回波强度,m表示单一扫描线上径向采样点的总数,具体取值为2048,n表示多项式中x的最高次,具体取值为2;
求取ak(k=0,1,2,…,n)时使:
则有:
拟合相关系数的计算公式:
步骤1.3,通过步骤1.2得到的2750组两类回波的拟合相关系数,分别画出含目标雷达回波和纯海杂波雷达回波的拟合相关系数的概率密度曲线,附图3为以拟合相关系数为特征的样本概率密度曲线;
步骤1.4,本次选取策略为将两条概率密度曲线的交点处对应的拟合相关系数0.654作为检测阈值T。(除此选取策略还可采取其它的选取策略,如恒虚警,恒漏警率等)
第二步为雷达回波的特征提取。包括以下步骤:
步骤2.1,得到雷达单一扫描线上的回波强度;
步骤2.2,按照步骤1中的步骤1.2所述,计算出雷达单一扫描线上回波强度的拟合相关系数K。
第三步为判断有无目标。包括以下步骤:
步骤3.1,当雷达单一扫描线上回波强度的拟合相关系数K大于检测与阈值0.654时,判定为没有目标;
步骤3.2,当当雷达单一扫描线上回波强度的拟合相关系数K小于检测与阈值0.654时,判定为有目标。
在2016-2018年间,实验船在东海海域航行的过程中获取了大量雷达数据及相关时段的海况信息。分别使用本文提出的拟合相关系数为特征参数和以均值、方差为特征参数的情况进行了对比实验,来对比本发明的检测器的性能。
对两种检测方法的检测性能进行对比,使用卡方检验,通过计算CHI值来衡量各特征项与类别之间的相关性,其值越大表明该特征越能表征样本的特性。只需对比各特征CHI值的相对大小便可得到最优的特征策略。其评估函数如下:
式中:T表示特征,Ct表示样本类别,为了便于说明,式中其余变量含义如表二所示:
表二卡方检验公式含义
根据确定的检测阈值来统计实验数据,结果如表三,表四,表五,表六所示。
表三以均值为特征的样本表现
表四以方差系数为特征的样本表现
表五以拟合相关系数为特征的样本表现
表六三种特征的CHI值对比
实验结果表明,以方差系数或拟合相关系数为特征的CHI值远远大于以回波均值为特征的CHI值。这充分说明了相比回波均值,方差系数与本文提出的拟合相关系数更能表征X波段导航雷达径向回波的特性。若以合相关系数为特征进行目标快速检测可以获得更好的效果。
本发明所提出的基于拟合相关系数的航海雷达目标快速检测技术,不仅在实际测量中有效,与实测结果吻合度更高,且在虚警率和总检测耗时上优于传统的均值方差检测技术,可在海洋观测设备中进行广泛的推广和应用。
Claims (3)
1.一种基于拟合相关系数的雷达目标快速检测方法,其特征在于,包括以下步骤:
步骤1:确定检测阈值T:
离线开展现场观测试验,选取单一扫描线上的两类径向回波样本,一类为含有目标雷达回波的样本,另一类为不含目标的纯海杂波雷达回波的样本;计算出全部样本的拟合相关系数,分别确定以拟合相关系数为特征的两类样本的概率密度曲线,并得到能够对两类样本进行区分的阈值T,样本数量应满足确定概率密度曲线和阈值T的要求;所述拟合相关系数的计算方法包括:
对于单一扫描线上获取的径向雷达回波数据采样点(xi,yi),i=1,2,…,m,给出以最小二乘拟合多项式得出的拟合径向雷达回波数据和拟合相关系数:
拟合径向雷达回波数据的计算公式为:
式中:ak表示多元函数的系数,k=0,2,...,n,xi表示径向距离,yi表示原始径向雷达回波强度,m表示单一扫描线上径向采样点的总数,n表示多项式中x的最高次,φ为所有次数不超过n的多项式所构成的函数;
拟合相关系数为:
步骤2:雷达回波的特征提取:
收集雷达单一扫描线上的数据,数据包含径向距离、回波强度,计算得到每条线上的雷达回波强度的拟合相关系数K;
步骤3:判断有无目标:
将得到的拟合相关系数和检测阈值T进行比较,当K≤T时,目标存在;否则目标不存在。
2.根据权利要求1所述的一种基于拟合相关系数的雷达目标快速检测方法,其特征在于:所述雷达为X波段航海雷达。
3.根据权利要求1所述的一种基于拟合相关系数的雷达目标快速检测方法,其特征在于:步骤1所述两类径向回波样本满足:径向回波数据长度大于离线开展现场观测试验中的最大的船只目标尺寸;含目标的径向回波需包含离线开展现场观测试验中不同尺寸的船只目标,纯海杂波的径向回波包含不同情况下的杂波区域,包括海天背景、人为干扰、自然干扰;样本为离线开展现场观测试验中能够准确表示有无目标的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910483636.9A CN110208767B (zh) | 2019-06-05 | 2019-06-05 | 一种基于拟合相关系数的雷达目标快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910483636.9A CN110208767B (zh) | 2019-06-05 | 2019-06-05 | 一种基于拟合相关系数的雷达目标快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110208767A CN110208767A (zh) | 2019-09-06 |
CN110208767B true CN110208767B (zh) | 2022-12-13 |
Family
ID=67790785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910483636.9A Active CN110208767B (zh) | 2019-06-05 | 2019-06-05 | 一种基于拟合相关系数的雷达目标快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110208767B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111257905B (zh) * | 2020-02-07 | 2022-03-04 | 中国地质大学(武汉) | 一种基于单光子激光点云密度分割的切片自适应滤波算法 |
CN111624605B (zh) * | 2020-05-27 | 2022-07-15 | 哈尔滨工程大学 | 一种基于角度维回波特征的航海雷达目标检测方法 |
CN113253262B (zh) * | 2021-05-27 | 2021-12-17 | 长沙莫之比智能科技有限公司 | 一种基于一维距离像记录背景对比检测目标方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5504487A (en) * | 1995-05-17 | 1996-04-02 | Fastman, Inc. | System for extracting targets from radar signatures |
GB0017989D0 (en) * | 2000-07-24 | 2001-08-08 | Secr Defence | Target recognition system |
EP1712931A1 (en) * | 2005-04-14 | 2006-10-18 | Qinetiq Limited | Method and apparatus for detecting a target in a scene |
CN102914769A (zh) * | 2012-10-19 | 2013-02-06 | 南京信息工程大学 | 基于联合分形的海杂波背景下小目标检测方法 |
CN103344949B (zh) * | 2013-06-18 | 2015-03-18 | 中国人民解放军海军航空工程学院 | 基于Radon-线性正则模糊函数的雷达微弱动目标检测方法 |
CN104199007B (zh) * | 2014-09-09 | 2016-10-12 | 西安电子科技大学 | 基于最近邻一类分类器的雷达分布式地面目标鉴别方法 |
CN106443622B (zh) * | 2016-09-13 | 2018-12-07 | 哈尔滨工程大学 | 一种基于改进联合概率数据关联的分布式目标跟踪方法 |
JP6924066B2 (ja) * | 2017-04-27 | 2021-08-25 | 株式会社デンソーテン | レーダ装置および物標検出方法 |
WO2018207234A1 (ja) * | 2017-05-08 | 2018-11-15 | 三菱電機株式会社 | 目標検出装置及び目標検出方法 |
US10809361B2 (en) * | 2017-05-31 | 2020-10-20 | Uatc, Llc | Hybrid-view LIDAR-based object detection |
CN107153180B (zh) * | 2017-06-15 | 2020-02-07 | 中国科学院声学研究所 | 一种目标信号检测方法及系统 |
CN108845313A (zh) * | 2018-05-02 | 2018-11-20 | 中国民航大学 | 有限训练样本下基于子空间正交投影的动目标检测方法 |
CN109239669B (zh) * | 2018-08-16 | 2020-11-03 | 厦门大学 | 一种基于深度学习的自进化雷达目标检测算法 |
CN109298414B (zh) * | 2018-09-29 | 2020-11-20 | 中国科学院电子学研究所 | 雷达多运动目标实时跟踪方法 |
CN109827553B (zh) * | 2019-03-14 | 2021-05-11 | 哈尔滨工程大学 | 一种基于波高加权和矢量平均的波浪浮标主波向计算方法 |
-
2019
- 2019-06-05 CN CN201910483636.9A patent/CN110208767B/zh active Active
Non-Patent Citations (5)
Title |
---|
An Improved Method to Calculate Principal Wave Direction from Buoy Data;baotian wen;《2019 4th International Conference on Control and Robotics Engineering (ICCRE)》;20190530;全文 * |
Hidden target detection from the multi-echo small-footprint LiDAR point clouds;Yiping chen;《2015 IEEE 17th International Workshop on Multimedia Signal Processing (MMSP)》;20151203;全文 * |
Ka波段—多模式亳米波雷达功率谱数椐处理方法及云内大气垂直速度反演研究;郑佳锋;《中国博士学位论文全文数据库基础科学辑》;20170215(第2期);全文 * |
地杂波背景下雷达目标检测方法的研究;刘宁;《中国优秀硕士学位论文全文数据库信息科技辑》;20190215(第2期);全文 * |
复杂异质分布下的雷达目标检测技术研究;郭美玲;《中国优秀硕士学位论文全文数据库信息科技辑》;20170215(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110208767A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110208767B (zh) | 一种基于拟合相关系数的雷达目标快速检测方法 | |
CN110221266B (zh) | 一种基于支持向量机的航海雷达目标快速检测方法 | |
CN107861107B (zh) | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 | |
US20060132354A1 (en) | Method of detecting a target | |
CN107992818B (zh) | 一种光学遥感图像海面船只目标的检测方法 | |
CN110208806B (zh) | 一种航海雷达图像降雨识别方法 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN103995259A (zh) | 密集干扰环境下雷达目标自适应滤波融合检测方法 | |
CN115061113B (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
CN103020592A (zh) | 一种基于局部上下文的遥感图像舰船检测虚警剔除方法 | |
CN111505598B (zh) | 一种基于frft域三特征联合检测装置及方法 | |
CN108318881A (zh) | 基于k参数的航海雷达图像降雨识别方法 | |
CN111736156B (zh) | 一种基于天气雷达的逆风区识别方法与装置 | |
Xiangwei et al. | A fast ship detection algorithm in SAR imagery for wide area ocean surveillance | |
US5689444A (en) | Statistical quality control of wind profiler data | |
Du et al. | Hrrp clutter rejection via one-class classifier with hausdorff distance | |
CN111624605B (zh) | 一种基于角度维回波特征的航海雷达目标检测方法 | |
CN112327265A (zh) | 一种基于语义分割网络的分治检测方法 | |
CN115546526A (zh) | 三维点云聚类方法、装置及存储介质 | |
CN114739669A (zh) | 基于太赫兹雷达的滚动轴承状态监测方法及装置 | |
Zhou et al. | Research on autonomous detection method of underwater unmanned vehicle | |
Lu et al. | A Novel Target Detector of Marine Radar Based on HOG Feature | |
CN117849753B (zh) | 一种基于车载毫米波雷达的目标泛特征提取方法 | |
CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 | |
CN116699590B (zh) | 一种基于5.8g微波雷达的fmcw多目标测距方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |