一种基于语义分割网络的分治检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112327265A(43)申请公布日2021.02.05(21)申请号202011147125.9(22)申请日2020.10.23(71)申请人北京理工大学地址100081北京市海淀区中关村南大街5号(72)发明人胡程王锐周超李思伟(74)专利代理机构北京理工大学专利中心11120代理人代丽(51)Int.Cl.G01S7/41(2006.01)权利要求书1页说明书7页附图8页(54)发明名称一种基于语义分割网络的分治检测方法(57)摘要本发明公开了一种基于语义分割网络的分治检测算法。本发明借助语义分割网络实现了距离多普勒域的杂波区域分割，并针对不同杂波区主体和边缘的特点制定了检测策略，从备选检测器组中选择适当的检测器和合理检测参数完成分治检测，在最大程度检测出目标的同时有效抑制虚警。该技术对于低空小目标的雷达探测具有重要意义。相比于检测平面归一化的方法来说，本方法不需要检测平面转换，计算量更小，同时避免了参数估计结果对检测平面转换的影响，鲁棒性更强。CN112327265ACN112327265A权利要求书1/1页1.一种基于语义分割网络的分治检测方法，其特征在于，对雷达的回波信号进行处理，形成图像；对图像进行裁剪，并通过语义分割网络对裁剪后的图像进行识别，获得识别结果，识别结果包括距离多普勒域无杂波区、雨杂波区和地杂波区三种；之后针对多普勒域无杂波区和雨杂波采用不同的检测器及相应的检索策略进行检测。2.如权利要求1所述的分治检测方法，其特征在于，对雷达的回波信号进行处理，形成图像的具体方法为：对雷达的回波信号进行脉冲压缩和相参积累，获得距离多普勒域数据矩阵；之后将距离多普勒域数据矩阵转换为能量比矩阵；再将获得的能量比矩阵通过线性映射的方式，转化为相同大小的图片像素值，最终形成图像。3.如权利要求1所述的分治检测方法，其特征在于，所述语义分割网络在使用前进行神经网络学习，具体方法如下：通过程序预标注与人工调整结合的方式，对图像中的每一个像素进行标注，并将标注结果和图像作为语义分割网络的输入对象开展神经网络学习。4.如权利要求2或3所述的分治检测方法，其特征在于，所述检索策略为：(1)待检测单元位于地杂波区，不进行目标检测；(2)待检测单元位于无杂波区，采用CA-CFAR检测器进行目标检测；(3)待检测单元位于雨杂波区，采用CA-CFAR检测器进行目标检测。5.如权利要求4所述的分治检测方法，其特征在于，所述检索策略进一步考虑混入非同质单元时：(1)待检测单元位于无杂波区，当参考单元混入非同质单元时，采用SO-CFAR检测器检测；(2)待检测单元位于雨杂波区，当参考单元半窗混入无杂波区的非同质单元时，采用GO-CFAR检测器检测；当非同质单元以其他形式混入时，使用GO-CFAR检测器检测。2CN112327265A说明书1/7页一种基于语义分割网络的分治检测方法技术领域[0001]本发明属于低空小目标雷达探测技术领域，具体涉及一种基于语义分割网络的分治检测方法。背景技术[0002]低空小目标是飞行高度在1000米以下，雷达反射截面积小于2平方米的飞行目标。低空小目标与人类生产生活息息相关，据有关资料统计，鸟类等生物目标是鸟击事件的主要成因，无人机等人造目标是恐怖袭击的主要工具。雷达作为探测低空小目标的一种强有力工具，对提前告警、提高公共安全具有重要意义。[0003]在低空小目标的雷达探测中，由于目标独特的运动特性，极其容易受到地面植被、气象云雨等各类杂波的影响，不同类型的杂波在距离多普勒域呈现出了不同的杂波区域。传统的目标检测方法是采用单一检测器在距离多普勒域进行中文恒虚警检测(ConstantFalseAlarmRateCFAR，CFAR)检测，无法兼顾不同杂波区域的检测性能，易产生虚警和漏检。而目前的处理思路是对杂波区域进行识别并采取差异化处理策略，在识别出杂波区域后，多采用分布指数化的思路，即将包含不同杂波区域的检测平面归一化为同一参数的指数分布，然后进行目标检测，但该方法需要对检测平面的每一个值进行转化，计算量巨大，同时严重依赖参数估计结果，当参数估计不准确时无法形成均匀的检测平面，检测性能急剧恶化。发明内容[0004]有鉴于此，本发明提出一种基于语义分割网络的分治检测方法，能够针对不同的杂波分布区域，采用不同的检测器进行检测，提升了检测精准性。[0005]一种基于语义分割网络的分治检测方法，对雷达的回波信号进行处理，形成图像；对图像进行裁剪，并通过语义分割网络对裁剪后的图像进行识别，获得识别结果，识别结果包括距离多普勒域无杂波区、雨杂波区和地杂波区三种；之后针对多普勒域无杂波区和雨杂波采用不同的检测器及相应的检索策略进行检测。[0006