一种基于图熵的海杂波背景下弱目标检测方法及装置

1.本发明属于雷达目标检测技术领域，涉及一种基于图熵的海杂波背景下弱目标检测方法及装置。


背景技术：

2.在海杂波背景下，由于海杂波具有非高斯、非线性、非平稳等特性，雷达在检测小船、浮冰和飞机残骸等海面漂浮小目标时，不可避免地会受到海面中海况、风速等环境的影响，因此小目标检测一直是海面目标检测的重难点。传统的基于统计模型的检测算法，会由于海况的复杂性导致统计模型存在一定的误差。随着图结构在生物、交通、语音信号处理和神经网络等领域都有着广泛的应用，图结构作为一种通用的数据表现形式，也被应用到海杂波弱目标检测中。图顶点之间的边和边权重包含了图顶点上信号间的关联信息，即通过图来获取数据间的关联性。
3.在2019年出版的ieee communication letter第57卷上，yan kun等提出了一种基于图的海杂波目标检测方法，其中将雷达回波数据转换成图，实现了对回波数据检测功能，并且该方法在低信噪比(signal-to-noise ratio,snr)下其检测性能较好，该论文的不足在构建图时并没有考虑到数据间的连通密度，以及图中数据的稀疏性，有改进的空间。又，发明专利申请公开了一种基于图连通密度的海面目标检测方法及其装置，申请号：202110196211.7，公开号：cn113009443a，该发明专利申请通过将雷达回波的频域信号构建成图，利用图连通密度构成的拉普拉斯矩阵对其提取拉普拉斯矩阵特征值的最大值，不仅考虑到了数据间的关联性，还考虑到了数据间的连通性，但并没有进一步探究海杂波与目标间的特性，还存在更优的弱目标检测方法。


技术实现要素：

4.为了解决现有技术中海杂波背景下弱目标检测困难，需要寻求更优的检测方法的问题，本发明提供了一种基于图熵的海杂波背景下弱目标检测方法及装置，对雷达接收回波数据从频域上的图信号中提取信息熵特征，通过去除图信号中的孤立点，并计算去孤立点后的图信号中的信息熵，经过实测海杂波数据进行实验得到较好的检测性能。
5.为实现上述目的，本发明提供如下技术方案：
6.第一方面，一种基于图熵(graph entropy,ge)的海杂波背景下弱目标检测方法，包括如下步骤：
7.利用雷达接收的回波数据从频域上的图信号的邻接矩阵中提取信息熵特征；
8.基于图熵的弱目标检测器实现，获得目标检测结果对比分析。
9.结合第一方面，进一步的，所述从频域上的图信号的邻接矩阵中提取信息熵特征的方法为：
10.雷达回波频域上的图信号表示为：
11.g＝(v,e)
12.其中，v为图的顶点集，e为边集，e
δβ
表示顶点vδ到顶点v
β
的边，v
δ
,v
β
∈v，δ,β∈[0,γ]；根据eδβ生成图的边集e＝{eδβ|《δ,β》∈(γ 1)
×
(γ 1)}，γ为量化等级数；
[0013][0014]
边集e中每条边出现的次数计算顶点集中各个顶点之间的连通密度：
[0015]
ωδβ＝∑eδβ
[0016]
其中，ω
δβ
表示顶点vδ与顶点v
β
之间的连通密度；
[0017]
根据顶点之间的连通密度获得海面目标图的邻接矩阵a：
[0018][0019]
将邻接矩阵a转变为向量a
[0020]
a＝vec(a)
[0021]
去除a中的值为0的孤立点，形成新的向量
[0022][0023]
表示对删去向量中元素值为0的点，的长度为l，中每个元素的概率p(l)计算为：
[0024][0025]
其中，连通图的信息熵ge表示为：
[0026][0027]
结合第一方面，进一步的，基于图熵的弱目标检测器实现，获得弱目标检测结果，将图熵作为目标检测的特征，展现杂波与目标之间的差异性，进而获得海面目标检测结果，所述弱目标检测结果的表达式为：
[0028][0029]
其中，h0和h1为海面目标检测结果，h0表示雷达获得的海面回波幅度序列中不存在目标，h1表示雷达获得的海面回波幅度序列中存在目标，ζ为基于杂波特征确定的检测统计量。
[0030]
结合第一方面，进一步的，所述获得雷达接收的回波数据的具体方法为：利用雷达获得海面回波幅度序列，并对海面回波幅度序列进行预处理，获得预处理后的回波幅度数据。
[0031]
结合第一方面，进一步的，所述预处理包括频域转换、归一化处理和均值量化处理。
[0032]
结合第一方面，进一步的，对海面回波幅度序列进行预处理的步骤包括：
[0033]
基于海面回波幅度序列进行快速傅里叶变换，获得频域变换后的回波幅度数据，
公式如下：
[0034][0035]
其中，f(k)表示频域变换后的第k个回波幅度数据，x(n)表示海面回波幅度序列中的第n个脉冲回波数据的幅度，k＝1,2,
…
,n，n＝1,2,
…
,n，n为海面回波幅度序列中脉冲回波数据的数量；
[0036]
基于最大最小标准对频域变换后的回波幅度数据进行归一化处理，获得归一化后的回波幅度数据，公式如下：
[0037][0038]
其中，u(k)表示归一化后的第k个回波幅度数据，θ
max
表示频域变换后的回波幅度数据中的最大值，θ
min
表示频域变换后的回波幅度数据中的最小值，
[0039]
根据量化间隔1/γ对归一化后的回波幅度数据进行均匀量化处理，获得量化后的回波幅度数据，公式如下：
[0040][0041]
其中，q(k)表示量化后的第k个回波幅度数据，即第k个预处理后的回波幅度数据，i为回波幅度数据的量化值，γ为量化等级数。
[0042]
第二方面，一种基于图熵的海杂波背景下弱目标检测装置，包括：
[0043]
特征提取模块，用于对雷达接收的回波数据从频域上的图信号中提取信息熵特征；
[0044]
目标检测模块，用于基于图熵的弱目标检测器，获得海面目标检测结果。
[0045]
与现有技术相比，本发明提供了一种基于图熵的海杂波背景下弱目标检测方法及装置，具备以下有益效果：
[0046]
(1)本发明在构建图连通密度矩阵的基础上，进一步探索杂波与目标间的特性，提出了基于图的信息熵特征，实测海杂波数据实验中，结合其他的熵特征检测的性能曲线分析，表明了本发明提出的基于图熵的弱目标检测装置具有更好的检测性能。
[0047]
(2)本发明提出的弱目标检测方法，利用雷达接收的回波数据从频域上的图信号中提取信息熵特征，与现有技术相比，计算复杂度较低，计算速度更快。
[0048]
(3)本发明的弱目标检测方法通过去除图信号中的孤立点，再计算去孤立点后的图信号中的信息熵，由于杂波与目标的差异性，目标图与杂波图中孤立点数目也有很大的差异，杂波中的孤立点要比目标中的孤立点多，而杂波构成的连通图也比目标构成的连通图聚集性更强，因此去除孤立点后得到的信息熵更能展现出数据的稀疏性，进一步提升了目标检测性能，能够更好的消除杂波数据影响。
[0049]
(4)本发明提出的弱目标检测装置具有恒虚警特性、检测性能更加稳健。
附图说明
[0050]
图1为本发明基于图熵的海杂波背景下弱目标检测方法的步骤流程图；
[0051]
图2为本发明海杂波背景下目标与杂波连通图；
[0052]
图3为本发明实施例中vh极化下结合其他类型的熵特征检测的性能曲线比较图。
具体实施方式
[0053]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0054]
本发明提出了一种基于图熵的海杂波背景下弱目标检测方法，如图1所示，具体包括如下步骤：
[0055]
步骤一、根据雷达接收的回波数据从频域上的图信号中提取信息熵特征：
[0056]
在步骤一中，海面回波幅度序列是由雷达接收到的n个脉冲回波数据组成的时间序列，每一个脉冲回波数据都包括该回波的幅度；对海面回波幅度序列进行预处理的具体操作如下：
[0057]
基于海面回波幅度序列进行快速傅里叶变换，获得频域变换后的回波幅度数据，具体公式如下：
[0058][0059]
其中，f(k)表示频域变换后的第k个回波幅度数据，x(n)表示海面回波幅度序列中的第n个脉冲回波数据的幅度，k＝1,2,
…
,n，n＝1,2,
…
,n，n为海面回波幅度序列中脉冲回波数据的数量。
[0060]
为了简化计算方式，减小数据之间的差异性，基于最大最小标准对频域变换后的回波幅度数据进行归一化处理，将数据映射在[0,1]之间，获得归一化后的回波幅度数据，具体公式如下：
[0061][0062]
其中，u(k)表示归一化后的第k个回波幅度数据，θ
max
表示频域变换后的回波幅度数据中的最大值，θ
min
表示频域变换后的回波幅度数据中的最小值，
[0063]
为了降低噪声、提高数据信噪比(srn)，根据量化间隔1/γ对归一化后的回波幅度数据进行均匀量化处理，获得量化后的回波幅度数据，具体公式如下：
[0064][0065]
其中，q(k)表示量化后的第k个回波幅度数据，即第k个预处理后的回波幅度数据，i为回波幅度数据的量化值，γ为量化等级数。
[0066]
当f(k)与θ
min
相等时，u(k)＝0，此时定义i＝0，即q(k)＝0；当u(k)不等于0时，根据
u(k)的值确定i的值，比如，设γ为6，u(k)＝0.1773，则1/6＜u(k)≤2/6，因此i＝2，即q(k)＝2。通过本发明的量化处理，不同的预处理后的回波幅度数据的值可能相同。
[0067]
在步骤一中，雷达回波频域上的图信号表示为：
[0068]
g＝(v,e)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0069]
其中，v为图的顶点集，e为边集，e
δβ
表示顶点v
δ
到顶点v
β
的边，v
δ
,v
β
∈v，δ,β∈[0,γ]；根据e
δβ
生成图的边集e＝{e
δβ
|《δ,β》∈(γ 1)
×
(γ 1)}，γ为量化等级数；
[0070][0071]
边集e中每条边出现的次数计算顶点集中各个顶点之间的连通密度：
[0072]
ω
δβ
＝∑e
δβ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0073]
其中，ω
δβ
表示顶点v
δ
与顶点v
β
之间的连通密度；
[0074]
根据顶点之间的连通密度获得海面目标图的邻接矩阵a：
[0075][0076]
通过对图2分析，发现杂波中的孤立点要比目标中的孤立点多，而杂波数据构成的连通图也比目标数据构成的连通图聚集性更强，因此，将邻接矩阵a转变为向量a
[0077]
a＝vec(a)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0078]
去除a中的值为0的孤立点，形成新的向量
[0079][0080]
表示对删去向量中元素值为0的点，的长度为l，中每个元素的概率p(l)计算为：
[0081][0082]
其中，连通图的信息熵(ge)表示为：
[0083][0084]
步骤二、基于图熵的弱目标检测器实现，获得弱目标检测结果：
[0085]
将图熵(ge)作为目标检测的特征，展现杂波与目标之间的差异性，进而获得海面目标检测结果，
[0086][0087]
其中，h0和h1为海面目标检测结果，h0表示雷达获得的海面回波幅度序列中不存在目标，h1表示雷达获得的海面回波幅度序列中存在目标，ζ为基于杂波特征确定的检测统计量。
[0088]
步骤三、结合其他的熵特征检测的性能曲线并对比分析：
[0089]
图3为基于图熵的弱目标检测器与其他熵特征检测器的性能曲线对比，验证了本
发明所提出的一种基于图熵的海杂波背景下弱目标检测方法的有效性。
[0090]
下面给出一个具体实验来验证本发明方法的效果：
[0091]
在本发明实施例中，将加拿大mcmaster大学的s.haykin教授利用ipix雷达在真实的海洋环境中测得的数据作为本发明的雷达获得海面回波幅度序列，实验所用的数据名为19931107_135603_starea17，该海面回波幅度序列包括根据发射和接收信号方式不同得到的四种极化，即hh、vv、hv、vh，每种极化包含14个距离单元，一个距离单元的采样数据为131072(即131.072s)。本发明实施例的目标所在的第9个距离单元为待检测单元，8、10、11为受影响单元，其余为杂波单元。在实验中，分别利用本发明方法、频域香农熵检测器(se)、相对向量熵(rve)以及非广延熵(tsallis entropy,te)进行海面目标检测，不同算法在vh极化下的检测结果如图3所示，从图中可以看出，在虚警概率为10-3
时，本发明所提取得特征检测器的检测概率可以达到92.2％，而频域香农熵检测器(se)、相对向量熵(rve)以及非广延熵(tsallis entropy,te)的检测概率分别为25.2％、30.5％和32.6％；在虚警概率为10-2
时，其他三种算法的检测概率提升并没有十分明显，因此本发明所提的特征在低虚警概率下仍旧有很好的目标检测性能。
[0092]
本发明还提出了一种基于图熵的海杂波背景下弱目标检测装置，包括特征提取模块和目标检测模块，特征提取模块用于对雷达接收的回波数据从频域上的图信号中提取信息熵特征；目标检测模块用于基于图熵的弱目标检测器实现，获得海面目标检测结果。
[0093]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0094]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。