CN114063055A - 海面强杂波环境的动目标检测方法及实现系统 - Google Patents

海面强杂波环境的动目标检测方法及实现系统 Download PDF

Info

Publication number
CN114063055A
CN114063055A CN202111364476.XA CN202111364476A CN114063055A CN 114063055 A CN114063055 A CN 114063055A CN 202111364476 A CN202111364476 A CN 202111364476A CN 114063055 A CN114063055 A CN 114063055A
Authority
CN
China
Prior art keywords
target
clutter
moving
detection
targets
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.)
Pending
Application number
CN202111364476.XA
Other languages
English (en)
Inventor
林德银
刘进忙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Yingjue Technology Co ltd
Original Assignee
Shanghai Yingjue Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Yingjue Technology Co ltd filed Critical Shanghai Yingjue Technology Co ltd
Priority to CN202111364476.XA priority Critical patent/CN114063055A/zh
Publication of CN114063055A publication Critical patent/CN114063055A/zh
Pending legal-status Critical Current

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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/522—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • 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
    • G01S7/414—Discriminating targets with respect to background clutter
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种海面强杂波环境的动目标检测方法及实现系统，包括如下步骤：步骤S1：对待测雷达回波数据与样本库比较，进行杂波和目标的初步分离；步骤S2：基于杂波和目标的初步分离进行目标的检测。本发明实现慢、小目标的有效检测，在应用中不断的技术改进，经多次实际应用测试，表明了本文方法的有效性；根据雷达目标性能进行了参数自动提取、子图图像卷积、自适应双门限等技术改进，实现了强杂波环境下水域目标动态杂波图的实现和研发运动目标检测处理模块，在应用测试中较大提升了海面养殖区、江上大桥等水域目标检测和跟踪效果。

Description

海面强杂波环境的动目标检测方法及实现系统
技术领域
本发明涉及雷达技术应用的改进的技术领域，具体地，涉及一种海面强杂波环境的动目标检测方法及实现系统。
背景技术
在海面和江河属于雷达的强杂波干扰环境。杂波是人类自己定义的，实际上我们只关心大小船舶和浮标等，对其它的如海面漂浮物、海浪、潮汐、雨雪、台风、岛屿、鸟群、建筑物反射等(可能存在多种交织，不关心的)回波统称为(实际有雷达回波而应用中不关心的回波)杂波。由于各类杂波不同，其特征有较大差别，只看雷达回波无法知道是那种杂波。前面几项形成的海杂波的产生依赖于许多复杂的因素，主要是两大方面的因素：雷达的工作状态以及检测时的海洋环境，具体包括：雷达信号的入射角、发射频率、海面海风的风速和风向等影响较大。采用随机过程(回波幅度分布、恒虚警检测、高阶累积、相关检测等)、混沌模型、分形理论等处理模型，在应用中某些方面有一定的改进。一些理论在仿真时，效果很好。在实际测试时，又发现不是这些问题。强杂波环境和小目标检测是世界性的技术难题。围绕强杂波环境下的小、慢速目标检测的探索一直没有停止。多年的技术改进其进步缓慢，明显感到基于现有的技术方法遇到了瓶颈。
公开号为CN113009444A的中国发明专利文献公开了一种广义高斯纹理海杂波背景下的目标检测方法及装置，获取接收回波信息；基于接收回波信息，分别构建接收回波中海杂波在备择假设和原假设条件下的概率密度函数；根据所述概率密度函数，确定似然比检测函数；根据所述似然比检测函数，确定目标检测函数；利用所述目标检测函数进行目标检测。
针对上述中的相关技术，发明人认为上述方法围绕强杂波环境下的小、慢速目标检测的探索进步缓慢，有效性较差。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种海面强杂波环境的动目标检测方法及实现系统。
根据本发明提供的一种海面强杂波环境的动目标检测方法，包括如下步骤：
步骤S1：对待测雷达回波数据与样本库比较，进行杂波和目标的初步分离；
步骤S2：基于杂波和目标的初步分离进行目标的检测。
优选的，在所述步骤S1中，利用光学检测VIBE实现雷达目标与杂波的分离，依据雷达数据特征，结合光学检测，通过雷达的多帧扫描，待测雷达数据经过与样本库的比较，初步分离目标或者更新样本库。
优选的，在所述步骤S2中，引进目标的运动和外形特性，采取大区域子图卷积统计门限判别，依据前后、帧目标运动特性进行动目标的检测；选择多帧回波积累和小区域，积累后进行子图卷积统计门限判断静止目标；
采用运动目标、静止目标的双通道处理，进行运动目标、静止目标的检测。
优选的，该方法还包括步骤S3：基于杂波背景和各类目标特征进行统计分析，自适应调整有关门限和参数，进行各类目标的检测和跟踪。
优选的，在所述步骤S3中，自适应门限和参数处理：对杂波环境按区域、运动目标按运动特性进行参数统计，对静止目标按历史及回波特性进行参数统计，对应调整有关目标的判别门限和设置有关参数，进行各类目标的检测和跟踪。
根据本发明提供的一种海面强杂波环境的动目标检测实现系统，包括如下模块：
模块M1：对待测雷达回波数据与样本库比较，进行杂波和目标的初步分离；
模块M2：基于杂波和目标的初步分离进行目标的检测。
优选的，在所述模块M1中，利用光学检测VIBE实现雷达目标与杂波的分离，依据雷达数据特征，结合光学检测，通过雷达的多帧扫描，待测雷达数据经过与样本库的比较，初步分离目标或者更新样本库。
优选的，在所述模块M2中，引进目标的运动和外形特性，采取大区域子图卷积统计门限判别，依据前后帧目标运动特性进行动目标的检测；选择多帧回波积累和小区域，积累后进行子图卷积统计门限判断静止目标；
采用运动目标、静止目标的双通道处理，进行运动目标、静止目标的检测。
优选的，该系统还包括模块M3：基于杂波背景和各类目标特征进行统计分析，自适应调整有关门限和参数，进行各类目标的检测和跟踪。
优选的，在所述模块M3中，自适应门限和参数处理：对杂波环境按区域、运动目标按运动特性进行参数统计，对静止目标按历史及回波特性进行参数统计，对应调整有关目标的判别门限和设置有关参数，进行各类目标的检测和跟踪。
与现有技术相比，本发明具有如下的有益效果：
1、本发明结合雷达回波特征改进VIBE方法和子图卷积相关的方法，实现动(包括慢速)目标、静止(包括小)目标的有效检测，在应用中不断的技术改进，经多次实际应用测试，表明了本文方法的有效性；
2、本发明根据雷达目标性能进行了参数自动提取、子图图像卷积、自适应双门限等技术改进，实现了强杂波环境下水域目标动态杂波图的实现和研发运动目标检测处理模块，在应用测试中较大提升了海面养殖区、江上大桥等水域目标检测和跟踪效果；
3、本发明经初步验证后又进行多次改进方法，实现的模块在多元联合感知系统中应用，达到了较好的动目标检测和静止目标检测的效果。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明方法及系统实现流程图；
图2为某海域养殖区雷达回波图；
图3为动目标检测效果图；
图4为某近海大桥附近雷达回波图；
图5为某河道及两边的反射回波无法实现小目标的检测图；
图6为初步(背景差分的)动目标检测与未应用的效果对比图；
图7为稳定跟踪过大桥的小船效果图；
图8为10km区域船舶的稳定跟踪效果图；
图9为稳定跟踪运动后静止(挂牌)目标效果图；
图10为稳定跟踪慢、小目标效果图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明实施例公开了一种海面强杂波环境的动目标检测方法与系统实现，如图1所示，包括如下步骤：步骤S1：对待测雷达回波数据与样本库比较，进行杂波和目标的初步分离。利用光学检测VIBE实现雷达目标与杂波的分离，依据雷达数据特征，结合光学检测，通过雷达的多帧扫描，待测雷达数据经过与样本库的比较，初步分离目标或者更新样本库。
依据导航雷达回波数据特征，利用光学检测VIBE实现雷达目标与杂波的有效分离算法，结合光学检测的优势，通过雷达的多帧扫描，在样本库中基本是杂波，来点数据经过与样本库的反复比较，若多次大于样本库数据，来点被判为前景候选，初步分离目标。否则，认为来点为背景，更新杂波样本库，其中采用了新的杂波更新方法。依据雷达数据(如方位线、距离分辨力等)特征和回波特性，其视频图像呈圆环(内圆半径较小，外圆半径较大)形状，并以方位角度上的距离采样点序列作为回波输入，再增加方位上的距离回波序列，不停360度循环扫描。利用光学检测VIBE实现雷达目标与杂波的分离，通过雷达的多帧(以正北为起算线，360度为一帧)扫描，待测雷达回波数据经过与(前面若干帧的最小数据，称为背景，可认为是杂波)样本库的比较，若大于某个值，该回波称为前景候选，初步认为是目标。否则更新样本库(背景)。这样实现初步分离目标或更新样本库。由于利用更多的帧回波背景(较小的回波数据)样本库，充分利用了点位置回波的历史知识，使分离可靠性大增。
利用导航雷达检测海面目标有重要作用的意义。在海面和江河属于强杂波环境，由于形成杂波的机理十分复杂，在各种杂波分布假设条件下的小、慢速目标检测一直是世界性的技术难题。基于模型的雷达慢小目标方法需要突破有关技术的瓶颈。考虑光学检测VIBE(英文全称为Visual Background Extractor，中文译文为可视背景抽取器)已经取得一定噪声抑制效果。该2009年Dliver Barnich提出，VIBE是一种基于背景的建模方法，主要由三部分组成：(背景)初始化、前景目标分割操作(判定)、背景模型的更新。目前，运动目标检测算法分为三类：光流法、帧间差分和背景差分法。其中，由Barnich等提出的基于ViBe背景差分法具有计算复杂度低、速度快、鲁棒性和抗噪性高等优点。虽然ViBe算法综合性能较好，但由于其独特的背景模型初始化及更新机制，会产生“鬼影”现象，给后续运动目标检测带来干扰。光学图像和导航雷达图像具有明显的不同，光学图像分辨力单元是均匀的，每时刻一次给定一帧图像。由于光学目标检测与雷达有较大的差别，需要在多方面进行改进，以获得良好的目标检测效果。雷达图像是以(以雷达为)中心(按方位增加的)扫描图像，且分辨力不均匀，靠近中心的分辨力越小，远离中心分辨力越大。需要在(方位从0度渐进增加到360度在重复)一帧(逐渐完成的，有先后顺序)时间陆续处理完雷达图像的一帧数据。应用雷达目标检测，需要进行如下改进：初始化样本数据需按雷达的采样数据格式；数据按(按360度)方位逐渐展开循环，远距离处点分辨力大，雷达脉冲重复频率高，数据存在(前后时间)交织的问题。在按点与中心的距离计算分辨力(在后续计算目标的大小时用到)；再采取前景提取(RVIFE英文全称为Radar Visual foreground Extractor，中文译文为雷达目标可视前景抽取器)，实现目标与杂波的初步分离。
在回波中目标与杂波、噪声的初步分离：初始化：导航雷达扫描的一周(圈、帧)的时间由天线转速ω(单位：转/分钟，转一周所需要的时间为
Figure BDA0003360121740000056
)决定；由最大探测距离Rmax决定雷达脉冲发射重复频率f(单位：Hz；
Figure BDA0003360121740000052
其中c为光速)；发射的脉冲宽度τ基本决定目标的距离分辨力
Figure BDA0003360121740000053
和雷达工作(在脉冲发射时接收回波信号通道关闭)盲区
Figure BDA0003360121740000054
雷达天线的长度L(单位m)决定目标的方位线分辨力
Figure BDA0003360121740000055
其中f0和λ分别为雷达工作的频率和波长。
设在雷达工作距离范围为Rmin≤R≤Rmax；R表示雷达工作距离；方位范围0≤β＜360°；β表示方位。如ω＝24转相当2.5s雷达扫描一帧，约为每秒扫描144度。雷达的发射脉冲，如2250Hz，在360度方位中，每度中约有15.625个雷达发射脉冲周期。由于天线的匀速旋转和脉冲等周期发射，一帧(360度)可有最大i＝5625个主脉冲发射。设每个主脉冲采样最大j＝4000个点(若Rmax＝20km，相当精度5m，可比距离分辨力小些)，在目标回波(i,j)的位置上，有n＝30个样本库数据(分别来自n圈的目标扫描回波，由于每圈需要2.5秒，共需要75秒，启动时间有点长，可以采用前三圈采样的数据和某点周围的数据平均填充，后面的处理逐步更换样本库而影响不大)，作该(i,j)位置的回波(幅度)数值(雷达回波强度)：h(i,j,k)，k＝1,2,…n，其中，k表示杂波深度，n为样本库中样本库个数。
基于图像分割的方法，也将雷达在某点的回波分为前景(foreground)和背景(background)，前景表示真实目标，背景表示杂波和噪声，在任何位置的样本库中的目标回波暂时认为是杂波背景。
步骤S2：基于杂波和目标的初步分离进行目标的检测。双通道图像卷积方法进行运动目标、静止目标的有效检测。引进目标的运动和外形特性，采取依据海区典型目标运动特性设置的大区域、依据典型目标外形特性设置的子图卷积统计门限判别，依据前后帧目标运动特性进行动目标的检测；选择多帧回波积累和依据慢速目标运动特性设置的小区域，积累后进行子图卷积统计门限判断静止目标，即先积累再实现子图卷积统计门限判断静止目标。采用运动目标、静止目标的双通道处理，进行运动目标、静止目标的检测，即实现动目标、(在特定区域)静止目标的有效检测。
在动目标检测通道，引进典型目标的运动特征和外形特性，采取大区域子图卷积统计门限判别，依据前、后帧目标运动特性进行动目标的检测；主要是利用目标的运动特性选择大区域，利用目标的形状信息选取子图形状，子图在大区域内滑动统计前景候选的个数，大于某门限可以认为是目标。这里的判断逻辑：真动目标的回波，其前后(帧数据)是有方向的曲线运动联系的。
这里需要解释的问题是，海面上静止目标不像陆上的静止目标是不动的，海面上静止(如抛锚的船舶或浮标等)目标是没有方向(如左右、前后摇摆、转圈等)慢速运动，甚至在很小的圆圈内规则或不规则的运动。既使有些(从海底伸出的，位置不动)航标，其雷达(带有随机误差的)回波也具有这种不规则的因素存在。这种运动目标的回波无法通过动目标检测通道，需要新设静止目标检测通道。由于在动目标检测时，对其中的静止目标认为是背景被消去。前面所说的静止目标检测是指雷达目标屏蔽区之外，或设为关注或特定的区域(如航道上的浮标)的静止目标。
在静止目标检测通道，选择小目标的多帧回波积累、小区域子图卷积统计门限判断。这与动目标检测通道的不同之处在于：需要设置符合慢速目标的运动特征的小区域；需要依据回波大小设置子图；回波太小或小区域前景候选的点数太少，说明目标太小需要多帧积累处理；不规则的前后运动可以被通过门限被检测；参考该目标的历史航迹在某位置静止下来，该位置的判断门限可以降低，有利于静止目标检测。
为进一步提高动目标的检测效果，改进有关架构、模型和算法。主要引进目标的运动和外形特性，采取大区域子图卷积统计门限判别方法，依据前、后帧目标运动特性，进一步提升了动目标的确认效果。
为进一步提高静止、小目标检测效果，需要结合目标的运动特性和外形特征，采用前帧的前景候选进一步判定本位置的目标机动的模型算法。选择多帧回波积累、小区域子图卷积统计门限判断方法。并采用动目标、静止和小目标的双通道处理方法，实现运动、静止和小目标的有效检测和跟踪。
分割操作，目标与杂波的初步判定与相关：初步判定：当雷达扫描主脉冲的到来后，按某(i,j)位置的值表示第i个方位、第j个距离采样值(回波强度)h+(i,j)与该位置的h(i,j,k)样本库的(k＝1,2,…n，相当杂波深度)数组逐一比较，设该位置(i,j)的回波强度大于或等于样本库中的(该(i,j)位置的)数组值的个数为mij个，样本目标阈值比(概率)记为λ0(暂时设为0.7)，大于或等于的次数可表示为：
Figure BDA0003360121740000071
其中，
Figure BDA0003360121740000072
为阶跃函数。x为任意自变量。
若满足mij≥nλ0，则认为该位置的回波为前景候选(暂定)目标，否则认为该回波为杂波背景。这意味着该回波被判为前景候选的概率为1-λ0。
设置前景候选位置记录区：
Figure BDA0003360121740000073
其中，g-(i,j)为上一帧的前景候选位置记录区。
若上一帧该位置目标也为前景候选目标，本帧前景候选位置记录供下一帧使用。并本次触发启动相关程序。
若满足mij＜nλ0上式则被判为杂波背景，本次触发启动更新程序。
相关程序：以某前景候选目标g(i,j)的位置(i,j)为中心，调用上一帧的缓存g-(i,j)区，在该单元格(i,j)周围总数(包括本单元格，依据典型目标的尺寸占用方位线的单元格n1数、距离的长度占的单元格n2数，根据目标类型适当调整)为N＝n1×n2方格(适当增大到n1，n2各数为大于1的奇数；为叙述方便起见，乘号前面的量为方位间隔，所对应方位线长应是方位角度乘回波点的距离，乘号后面的量为距离间隔点。在极坐标平面形成一个扇形区，后续类同，不再说明。这里相当设置一个比目标略大一点的候选区，N为方格内小方格的总数)，以(i,j)中心，计算g-(i,j)周围的N＝n1×n2个单元内，内“1”的个数。设上一帧前景候选的总个数为Nij(小于N)，设(n1×n2单元格，中心单元为(i,j))方格内的前景候选目标阈值比(概率)记为λ1(可暂时设个值，后续可自适应调整)。
Figure BDA0003360121740000081
其中，l,m为自变量，表示以(i,j)中心的位移量。
当满足Nij≥Nλ1，则认为(i,j)位置的前景候选目标为真实目标，则系统输出值hout(i,j)＝h+(i,j)。退回调用程序。
当满足Nij＜Nλ1，则认为该位置的前景目标参考前一帧的情况判为不够真实目标，则系统输出值：hout(i,j)＝0。即暂缓输出不够真实目标。退回调用程序。
更新程序：基于图像更新的方法，若某位置的回波值被判定为杂波背景，若设定概率p0(如0.2)，以该概率随机在样本库中的替换某一个值。
在雷达杂波背景处理中，其它相同，只是采用顺序替换样本库中最早的背景值(具体做法为：h(i,j,k-1)＝h(i,j,k),k＝2,3,…,n，且h(i,j,n)＝h+(i,j)。或另外一种做法：设增加一个指旧指针k1，设记录区：z(i,j)＝k1；1≤k1≤n，指针指定最旧的一个值，每次被触发时，将新值更换最旧的值h(i,j,k1)＝h+(i,j)，指针循环更新
Figure BDA0003360121740000082
当杂波背景时启动触发更新程序，经过大约n次更新，就可以将某位置的样本库全部更换一遍。
适应雷达回波图像的更新方法：当(更新)读取(i,j)中某方位所有的距离后，下一方位上(所有距离值)为本帧(未更新)的终止线。本帧方位、终止线按顺时针旋转。下一方位的距离到来后，将该方位上的所有点数据帧(包括所有缓存区、样本库、数据记录等)都记录到上(前)一帧的对应数据记录中。供后续使用。
子图卷积操作，运动目标的初步判定与相关：依据目标特性设置区域：依据目标运动速度，设置运动目标设置大候选区(前景后选点周围M1×M2区，其中M1,M2为典型目标在扫描的时间内行驶最大距离约占方位、距离单元格的个数；后续依据特定目标的运动数据可做适当调整)，如目标运动速度有关，主要考虑如快艇目标运动最大速度一般为40～50节，在2.5s内行驶的距离大约50m，60m量级，约占24×24单元。在该大候选区内目标运动后仍在该圈内。由于本帧(未更新)的终止线和大候选区可能交织，后续处理的方位需要有一定的迟后。
依据目标形状，设置目标滑动窗口(a×b)单元，理论大小为目标最长的一条边，如目标船长。可以采用接近正方形，需要比船略大些。目标船(体)的大小(c×d)。其中，a，c分别为目标占方位单元格的个数。b，d分别为目标占距离单元格的个数。
卷积统计计算与阈值基准：前景后选点(i,j)周围的M1×M2大候选区中，以滑动窗口(a×b)滑动遍历前景后选点(i,j)周围大候选区M1×M2单元的前景候选位置记录区g-(i,j)，每滑动(上下或左右)一格计算窗口(中心在(k,l))在前景候选位置记录区中“1”的个数nkl。
主要参考快艇目标数值，其它情况可以根据目标特性确定。全是前景点，暂设80％的背景概率λ2＝0.8。判断前景的概率为20％。其阈值基准值：Nij＝cdλ2+M1M2(1-λ2)。
目标判定和有关问题讨论：当nkl≥Nij，就认为前景后选点(i,j)为真目标。依据两个中心位置的距离关系，可以估计目标的运动速度，在下一帧调整大候选区的大小。既然是目标，可以在本帧、上一帧前景候选位置记录提取目标的轮廓圈，这对扩展目标的跟踪有重要的作用。由于(前景)样本库较深(n＝30)，该动目标检测效果，实验统计得到：可在杂波区检测出0.1节(非常慢速)目标单向运动的目标。
对不定向的摆动的静止目标(如浮标，锚地目标船等)可能会多次不能满足上面不等式，在目标跟踪中由于不满足跟踪条件，而出现失跟或航迹消失现象。这一点需要下面进一步改进处理。这一部分(非正常)信息需要输入另外的并行模块。
若找不到一个滑窗口区，满足上面不等式，就可直接判定为杂波不进行后续处理。对于某些特殊区域中前景后选点(i,j)可判为疑似目标，需要多帧观测判定后再确定。
一般来说，提高阈值基准值，目标处理的漏情(真目标判为杂波)率增大，虚警(杂波判为真目标)率减小。而降低阈值基准值，漏情率减小，虚警率增大。在不同的应用场合和海域，需要依据情况适当做些调整。
步骤S3：基于杂波背景和各类目标特征进行统计分析，自适应调整有关门限和参数，进行各类目标的检测和跟踪，提升了各类目标的检测和跟踪能力。为进一步提高系统的环境和目标的适应性，对杂波环境、目标运动特性、静止目标回波特性等进行必要的参数统计，对应调整有关门限和系统参数，以提高该方法的环境和目标的适应能力。自适应门限和参数处理：对杂波环境按区域、运动目标按运动特性进行参数统计，对静止目标按历史及回波特性进行参数统计，对应调整有关目标的判别门限和设置有关参数，进行各类目标的检测和跟踪，即对应调整有关典型目标的判别门限和设置有关参数，较大地提升了慢、小目标的检测和跟踪能力。
属于自适应门限和参数处理：对杂波环境按区域自适应统计设置和调整门限，利于前景候选与背景的初步分离。对前景候选的小目标进行统计分析，设置标志，采用多帧前景候选点积累或降低门限，再进行动目标、静止目标判断。目标跟踪模块可提供必要目标航迹(位置、速度)信息，以利于针对性的调整某位置的门限和设置大、小区域和子图。实现自适应杂波环境和慢、小目标的有效检测。
几种特殊问题及改进：静止和小目标的检测跟踪：静止目标分为两种情况，一种是由运动目标到静止状态，在这种情况下，由航迹跟踪模块反馈必要的速度、轮廓、位置信息，降低该目标位置的阈值基准值，可以增大检测概率。另外一种是一直静止目标，可能会出现不定向的小幅摆动或圆圈内转动，需要用累积的方法，或采用自动门限的方法，并行实现小候选区卷积、引入(多帧)幅度积累(对小目标检测很有效)、取回波中心一阶矩等处理方法，综合判定目标的静止状态。这对小目标检测有重要的作用。
该静止目标处理模块的输入有两种情况，第一，直接从前景候选输入，与运动目标检测模块输入并行。第二，从运动目标检测模块输出的非正常状态作为静止通道的输入。子图卷积计算类同，只是采用小候选区(a×b)，子图(c×d)的方法，其阈值基准值：Nij＝cdλ3+ab(1-λ3)。其中λ3为该通道的背景概率。需要纳入自适应参数调整范围。其它方法与动目标检测基本类同。
与上述方法形成并行的运动目标、静止目标点迹检测方法，分别输入到多假设跟踪模块做进一步跟踪处理。跟踪处理模块可以进一步减小航迹虚警率和漏情率。
参数统计和调整门限等问题：由目标跟踪模块送出目标信息可以统计出目标的运动状态和参数，可以对前面的目标检测增加参考的信息，调整有关位置的阈值门限和引入新的判定参数，有利于已跟踪目标的新序列点稳定，并可得到目标轮廓。可以实现最大限度地使目标检测和跟踪进一步稳定可靠。
由子图卷积部分的结果可以进一步统计出在大候选区中滑动窗口满足门限的分布情况，若在大候选区只有一个滑动窗口，可以统计该点的速度向量，供下一帧适当改变大候选区的形状，以大量减少滑动窗口计算量。若出现几个滑动窗口满足门限要求，这种情况是由于目标较多较近，或是扩展目标，或杂波较强的，需要建立新的判决逻辑，或在大候选区统计均值和方差，提高子图卷积部分的阈值门限。
在雷达的方位线与距离分辨力为单位面积的(特殊)大区域，统计所有的前景的均值和方差，以确定该区域的杂波门限，这样的自适应处理对系统的性能提高有重要的作用。对于小目标可以建立较低的门限，采用多帧积累方法提高回波幅度，依据后续统计信息或目标航迹信息进一步调整门限。
如何加快目标检测的输出，在初始化的情况下，前几帧的前景区域的不同范围的平均(其值较小)可以作为多次前景输入。可以在跟踪模块中，减少起跟条件以加快目标航迹起跟。
如何减少计算量，认为动目标检测可以采用先有后好的方法，当有较高多的外部信息输入形成预测就可以大大减少计算量。故需要提供目标反馈信息的部分，尽可能提供参考信息。门限的计算和参数的设置也需要与杂波环境、目标特性相结合，也与特定海域、江湖、湖泊等区域的特征有关。需要依据各种情况综合考虑、系统优化、自动适应。
检测中这四模块各有侧重点，第一模块，只认回波，没有目标，得到是前景候选点。第二模块，输入前景候选，考虑动目标的特征、形状、运动参数等进行目标检测，输出运动目标点迹。第三模块，输入前景候选，考虑静止目标的特征、形状、漂动参数等进行目标检测，输出静止目标点迹。运动、静止目标点迹输入跟踪部分。第四模块，对跟踪部分的目标航迹参数、目标特性、杂波参数等信息进行统计分析，自适应调整杂波门限、小目标阈值门限、相关性计算参数、区域和子图参数等，实现慢、小目标的有效检测。跟踪部分进一步提高目标航迹处理效果。跟踪部分属于检测部分的输出对象。
本发明包括利用光学检测VIBE(英文全称为Visual Background Extractor，中文译文为可视背景抽取器)方法，实现雷达杂波环境与目标的初步分离，依据目标信息对测量点的大、小区域实施区域卷积并统计参数判定目标存在性，根据前、后帧目标的运动特性相关性统计数据，较好地实现目标与背景的有效分离和运动、静止目标的检测。
图例和注释：如图2所示，某海域养殖区雷达回波图，雷达强杂波区(图中虚线框圈住的部分为养殖区)呈现成片的杂波区，有目标存在而无法跟踪，内有小船无法跟踪。
如图3所示，动目标检测效果图，其中大量带水浮标有成片的雷达回波甚至模糊小渔船的雷达回波。在养殖区强杂波非相参动目标检测小木船(左图为雷达图像，右上图为光电图像，右图下为红外图像)，可以看到在养殖区内有挂牌目标和边有多条小船航迹。
如图4所示，某近海大桥附近雷达回波图，雷达在桥右下角，三公里以外几乎没有小船的原始回波。十公里远的雷达回波，(深色)河道和两岸完全分辨不开。渔政的船只(船只长7米，玻璃钢材质，船上金属物体较多)从远处开过来到了雷达附近才可以正确观测到。渔船不靠岸的时候可以跟，岸边就很丢失。右侧回波密集区其实并不是固定目标带来的，而是船的径向反射回波形成。可看出都是近雷达一侧强度更高，远离雷达一侧逐渐衰减的一条拖尾。人为画的圈为雷达目标。
如图5所示，某河道及两边的回波无法实现小目标的检测，在原始回波中河道中大船可以实现目标的稳定跟踪，河道靠岸的小船回波就被反射杂波所掩盖或被其它杂波粘连，基本就看不到了，无法实现目标的有效检测。采用陆上屏蔽区的方法只能抑制路上目标，河道两侧靠岸和反射到河道中的杂波，采用传统方法很难被抑制。
如图6所示，初步(背景差分的)动目标检测与未应用的效果对比图，左侧是一个最基本(背景差分)动目标检测图的效果示意图，所有静止目标被消去，运动目标被检测，残留剩余的回波较多。右侧图未进行动目标处理，可以看到对应区域整体回波强度非常高。常规检测算法无法获得稳定的过门限信号从而致使跟踪频繁中断。需要进一步改进动目标算法。
如图7所示，稳定跟踪过大桥的小船效果图，应用动目标检测，小船在大桥下从左到右，有航迹线表示(可能黑线有点淡)，虽然反射杂波很强，仍能实现稳定跟踪，且航迹较平滑。图中显示的杂波是处理后的剩余部分。
如图8所示，10km区域船舶的稳定跟踪效果图，应用动目标检测，在雷达量测较远距离处仍能实现目标的稳定跟踪。4个挂牌给出4个目标的跟踪信息。
如图9所示，稳定跟踪运动后静止(挂牌)目标效果图，应用静止目标检测，可实现一直静止或运动后静止的目标跟踪，挂牌表示目标航迹的具体信息。
如图10所示，稳定跟踪慢、小目标效果图，结合应用动目标、静止目标检测方法，实现跟踪一些浮标和慢速目标、小目标，甚至一些漂浮物能跟起来。由跟踪水面漂浮可见，该系统能跟踪反射很小和运动很慢(包括)的目标。
实现过程和改进方法：本发明首先根据雷达回波特性，改进了VIBE方法，选择新的参数，初步建立雷达杂波背景环境，利用门限实现目标(前景)与杂波(背景)的初步分离，获得前景候选。在初次应用中发现对大目标回波，分离效果好。无法实现目标运动检测。第一改进方法：采用大候选区及子图卷积方法和门限判断前一帧目标的位置，按运动特性进行动目标的进一步确认。这对高速目标效果非常好。由于样本库深度的关系，经逐步调整有关参数，能检测出很慢的单方向运动目标。但对不定向的小幅摆动或转动的(这是海面锚系船舶的回波特征，海越深目标可能摆幅越大)静止目标，无法通过运动目标检测，表现出在跟踪中目标消失现象。经实验分析，认为海面静止目标是相对静止的，需要设计专门检测静止目标的处理通道。第二改进方法：采用小候选区及子图卷积和门限判断方法，引入(多帧)幅度积累、取回波中心一阶矩等改进小目标预处理方法，与动目标检测模块形成并行的处理关系。这两个模块的输出分别送多假设跟踪模块做进一步处理，可有效实现运动、静止目标的有效跟踪。由于在上述处理模型中，采用的门限和参数主要使用典型目标和杂波环境，无法适应更多的海面杂波环境和目标特性，需要自适应调整门限和有关参数。第三改进方法：依据各部分模块的中间、输出数据，进行运动、静止目标和杂波环境特性统计，得到特定区域杂波的均值、方差、协方差等数字特征，及特定目标的运动参数、轮廓等，依据对应回波点进一步调整有关的相关门限、区域参数、子图参数，对特定目标进行特殊关照。对小目标检测而言，可在前景和背景的初步分离模块中，设置典型目标、小目标的双检测门限，在输入回波进行预处理，以增强检测效果。在实际测试中还发现许多小问题，软件模块也相应做些修改和完善。从实际测试效果来看，该方法是有效的。
本发明用于杂波环境下的动目标检测，给出实现原理和改进方法，对系统的实现过程给以详细的说明和问题讨论，经初步验证后又进行多次方法改进，实现的模块在多元联合感知系统中应用，达到了较好的动目标和静止目标检测的效果，较大地提升了慢、小目标的检测和跟踪能力。
雷达回波检测参考光学检测方法有一定实际意义。而光学检测VIBE方法已有抑制效果。经过多年潜心研究，基于实际海面和江面环境，设计出独有算法模块，结合雷达回波特征改进VIBE方法和子图卷积相关的方法，实现了动目标和静止目标的有效检测，提升了慢、小目标的检测效果。在应用中不断的技术改进。经多次实际应用测试，表明了本申请方法的有效性。
本发明解决由于海面强杂波环境的动目标检测，针对在养殖区有大量的带水浮漂，大量浮漂的雷达回波严重干扰了雷达目标的检测。依据海面目标、杂波、噪声等不同的雷达回波特性，参考光学检测VIBE(英文全称为Visual Background Extractor，中文译文为可视背景抽取器)方法和适应性改进，依据目标信息对测量点的大区域实施区域卷积并统计参数判定目标存在，实现了强杂波环境下的运动目标检测跟踪方法。VIBE是2009年Dliver Barnich提出，这是一种基于图像背景的建模方法，该方法主要(背景)初始化、前景目标分割操作(判定)、背景模型组成。由于光学目标检测与雷达目标检测有较大的差别，采取前景提取(RVIFE英文全称为Radar Visual foreground Extractor，中文译文为雷达目标可视前景抽取器)的办法，根据雷达目标性能进行了参数自动提取、子图图像卷积、自适应双门限等技术改进，实现了强杂波环境下水域目标动态杂波图的实现和研发运动目标检测处理模块。在应用测试中较大提升了海面养殖区(大量浮标杂波)、江上大桥(大量的反射杂波)等水域目标检测和跟踪效果。
本发明实施例还公开了一种海面强杂波环境的动目标检测实现系统，包括如下模块：模块M1：对待测雷达回波数据与样本库比较，进行杂波和目标的初步分离。即对待测雷达数据进行杂波和目标的初步分离。利用光学检测VIBE实现雷达目标与杂波的分离，依据雷达数据特征，结合光学检测，通过雷达的多帧扫描，待测雷达数据经过与样本库的比较，初步分离目标或者更新样本库。
如图1所示，包括建库、初始化(样本库)、第一相关性计算、第一门限判断、更新(杨本库)子模块。依据雷达回波特征和视频图像原理，利用光学检测VIBE的基本原理，实现了环状扫描回波图像的前景候选与杂波背景的初步分离。与光学检测不同的地方有：图像的形状和扫描方式，雷达与光学的前景和背景明显不同，方位线分辨力与距离有关(近距离部分分辨率大，远处小)，样本库更新需要考虑杂波的特征。
模块M2：基于杂波和目标的初步分离进行目标的检测。基于初步分离进行运动目标的有效检测。基于初步分离进行静止目标的有效检测。引进目标的运动和外形特性，采取大区域子图卷积统计门限判别，依据前、后帧目标运动特性进行动目标的检测；选择多帧回波积累和小区域，积累后进行子图卷积统计门限判断静止目标。采用运动目标、静止目标的双通道处理，进行运动目标、静止目标的检测。
如图1所示，包括前景候选(大候选区)、子图卷积、第二相关性计算(滑窗积累)、第二门限判断、移动位置等部分。引进目标的运动和外形特性，采取大区域子图卷积统计门限判别，依据前、后帧目标运动特性进行动目标的检测；由于前景候选来自模块M1，有较多的背景值，可以检测很慢的目标，当然高速目标很容易被检测。
如图1所示，包括前景候选(小候选区)、子图卷积、第三相关性计算(小目标积累)、第三门限判断、移动位置等部分。引进静止目标的外形特性和动态无规律性，采取小目标多帧候选积累，小区域子图卷积统计门限判别，其静止目标的运动性判断与动目标明显不同。
模块M3：基于杂波背景和各类目标特征进行统计分析，自适应调整有关门限和参数，进行各类目标的检测和跟踪。基于自适应统计调整门限和参数，实现慢、小目标的有效检测。自适应门限和参数处理：对杂波环境按区域、运动目标按运动特性进行参数统计，对静止目标按历史及回波特性进行参数统计，对应调整有关目标的判别门限和设置有关参数，进行各类目标的检测和跟踪。
如图1所示，包括杂波参数统计、目标特性统计、目标运动参数统计、自适应(分区)门限与参数计算等模块。对杂波环境按区域自适应统计设置和调整门限，利于前景候选与背景的初步分离。对小目标可以设置(或依据跟踪目标位置调整)较低的门限，或依据跟踪目标位置调整。在模块M1中形成双门限实现目标初步分离检测。或对前景候选的小目标进行统计分析，设置标志和调整子图的大小，以适应小、静止目标的判断。采用多帧前景候选点积累或降低门限，再进行动目标、静止目标判断。根据(包括小目标的，图中未画出第三相关性计算到目标特性统计的连线，考虑线条交叉太多)目标特征统计，可以调整大区域、小区域、子图的大小和形状，这样对已跟踪的目标，进行子图卷积计算有重要的(减少搜索范围，极大减少卷积计算量)作用。跟踪模块可提供必要目标航迹(位置、速度)信息，以利于针对性的调整某位置的门限和设置大、小区域和子图。依据综合统计结果和信息反馈，自适应调整各判断门限、实现相关、大小区域、子图等参数调整，以自适应杂波环境和慢、小目标的有效检测为目的。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种海面强杂波环境的动目标检测方法，其特征在于，包括如下步骤：
步骤S1：对待测雷达回波数据与样本库比较，进行杂波和目标的初步分离；
步骤S2：基于杂波和目标的初步分离进行目标的检测。
2.根据权利要求1所述的海面强杂波环境的动目标检测方法，其特征在于，在所述步骤S1中，利用光学检测VIBE实现雷达目标与杂波的分离，依据雷达数据特征，结合光学检测，通过雷达的多帧扫描，待测雷达数据经过与样本库的比较，初步分离目标或者更新样本库。
3.根据权利要求1所述的海面强杂波环境的动目标检测方法，其特征在于，在所述步骤S2中，引进目标的运动和外形特性，采取大区域子图卷积统计门限判别，依据前后帧目标运动特性进行动目标的检测；选择多帧回波积累和小区域，积累后进行子图卷积统计门限判断静止目标；
采用运动目标、静止目标的双通道处理，进行运动目标、静止目标的检测。
4.根据权利要求1所述的海面强杂波环境的动目标检测方法，其特征在于，该方法还包括步骤S3：基于杂波背景和各类目标特征进行统计分析，自适应调整有关门限和参数，进行各类目标的检测和跟踪。
5.根据权利要求4所述的海面强杂波环境的动目标检测方法，其特征在于，在所述步骤S3中，自适应门限和参数处理：对杂波环境按区域、运动目标按运动特性进行参数统计，对静止目标按历史及回波特性进行参数统计，对应调整有关目标的判别门限和设置有关参数，进行各类目标的检测和跟踪。
6.一种海面强杂波环境的动目标检测实现系统，其特征在于，包括如下模块：
模块M1：对待测雷达回波数据与样本库比较，进行杂波和目标的初步分离；
模块M2：基于杂波和目标的初步分离进行目标的检测。
7.根据权利要求6所述的海面强杂波环境的动目标检测实现系统，其特征在于，在所述模块M1中，利用光学检测VIBE实现雷达目标与杂波的分离，依据雷达数据特征，结合光学检测，通过雷达的多帧扫描，待测雷达数据经过与样本库的比较，初步分离目标或者更新样本库。
8.根据权利要求6所述的海面强杂波环境的动目标检测实现系统，其特征在于，在所述模块M2中，引进目标的运动和外形特性，采取大区域子图卷积统计门限判别，依据前后帧目标运动特性进行动目标的检测；选择多帧回波积累和小区域，积累后进行子图卷积统计门限判断静止目标；
采用运动目标、静止目标的双通道处理，进行运动目标、静止目标的检测。
9.根据权利要求6所述的海面强杂波环境的动目标检测实现系统，其特征在于，该系统还包括模块M3：基于杂波背景和各类目标特征进行统计分析，自适应调整有关门限和参数，进行各类目标的检测和跟踪。
10.根据权利要求9所述的海面强杂波环境的动目标检测实现系统，其特征在于，在所述模块M3中，自适应门限和参数处理：对杂波环境按区域、运动目标按运动特性进行参数统计，对静止目标按历史及回波特性进行参数统计，对应调整有关目标的判别门限和设置有关参数，进行各类目标的检测和跟踪。
CN202111364476.XA 2021-11-17 2021-11-17 海面强杂波环境的动目标检测方法及实现系统 Pending CN114063055A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111364476.XA CN114063055A (zh) 2021-11-17 2021-11-17 海面强杂波环境的动目标检测方法及实现系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111364476.XA CN114063055A (zh) 2021-11-17 2021-11-17 海面强杂波环境的动目标检测方法及实现系统

Publications (1)

Publication Number Publication Date
CN114063055A true CN114063055A (zh) 2022-02-18

Family

ID=80277563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111364476.XA Pending CN114063055A (zh) 2021-11-17 2021-11-17 海面强杂波环境的动目标检测方法及实现系统

Country Status (1)

Country Link
CN (1) CN114063055A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115205825A (zh) * 2022-07-15 2022-10-18 宜宾学院 基于改进yolov5的行车视频序列图像检测识别交通标志方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115205825A (zh) * 2022-07-15 2022-10-18 宜宾学院 基于改进yolov5的行车视频序列图像检测识别交通标志方法

Similar Documents

Publication Publication Date Title
CN111899568B (zh) 桥梁防撞预警系统、方法、装置和存储介质
Shang et al. Radar detection based on compound-Gaussian model with inverse gamma texture
Handegard et al. When fish meet a trawling vessel: examining the behaviour of gadoids using a free-floating buoy and acoustic split-beam tracking
Liu et al. Wave height estimation from shipborne X-band nautical radar images
CN112560671B (zh) 基于旋转卷积神经网络的船舶检测方法
Bao et al. Detection of ocean internal waves based on Faster R-CNN in SAR images
CN109655822A (zh) 一种改进的航迹起始方法
CN108318866B (zh) 基于多帧回波联合积累的海杂波抑制方法
CN110208766B (zh) 海面漂浮类微弱目标检测方法
CN112766221A (zh) 基于船舶方向和位置多任务的sar图像船舶目标检测方法
CN109782251A (zh) 一种海杂波抑制后的低速目标鉴别方法
CN106249218A (zh) 一种基于多频点回波信息融合的目标跟踪方法
CN114063055A (zh) 海面强杂波环境的动目标检测方法及实现系统
Guo et al. Sea clutter and target detection with deep neural networks
CN105574529A (zh) 一种侧扫声纳目标检测方法
Celona et al. Automated detection, classification, and tracking of internal wave signatures using X-band radar in the inner shelf
Villar et al. Pipeline detection system from acoustic images utilizing CA-CFAR
Sun et al. A Wave Texture Difference Method for Rainfall Detection Using X‐Band Marine Radar
Chen et al. Multi-Function Radar Work Mode Recognition Based on Encoder-Decoder Model
Askari et al. An automatic approach to ship detection in spaceborne synthetic aperture radar imagery: an assessment of ship detection capability using RADARSAT
CN113093174B (zh) 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法
JP2000180539A (ja) 小さい海上目標物を検出する方法
Li et al. Moving target detection and tracking interactive algorithm based on acoustic image
Vu et al. Track-before-detect for an active towed array sonar
CN115144830B (zh) 一种强地物杂波干扰下的小目标雷达检测方法

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