本技术涉及雷达信号处理，特别是涉及一种基于流形聚类的目标检测方法、装置及设备。
背景技术：
1、雷达、声呐信号检测通常是根据雷达回波数据的幅度或相关性等特征来判断目标是否存在，如何提升目标与杂波间特征的区分性是提高雷达、声呐信号检测性能的关键。近年来，空气动力实验室研究员提出一种基于矩阵流形的信号检测方法。该方法将回波信号中每个距离单元的数据都建模为一个托普利兹正定矩阵，利用参考单元的正定矩阵来计算黎曼均值并将其作为待检测单元杂波协方差矩阵的估计值，然后计算待检测单元的正定矩阵和杂波协方差矩阵估计值之间的黎曼距离，并与检测门限进行比较，最终得出待检测单元中是否存在目标的判断。相较于传统的基于快速傅里叶变换的恒虚警检测器，这种基于矩阵流形的目标检测方法可以有效提升杂波环境下的目标检测性能，但在面临非均匀杂波环境时，由于参考单元中的非均匀杂波与待检测单元杂波的统计特性不同，会对杂波协方差矩阵的估计结果产生干扰，存在检测效果下降的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高检测精度的基于流形聚类的目标检测方法、装置及设备。
2、一种基于流形聚类的目标检测方法，所述方法包括：
3、获取雷达回波数据；以距离单元划分雷达回波数据，计算每个距离单元中样本雷达回波数据的托普利兹正定矩阵；
4、取多个距离单元中其中一个距离单元作为待检测单元，取待检测单元左右多个正定矩阵作为参考单元；根据待检测单元的托普利兹正定矩阵和参考单元的托普利兹正定矩阵组成矩阵集；
5、对参考单元进行流形聚类，定义流形域中聚类的类内距离与类间距离，根据类内距离和类间距离计算得到聚类结果在流形上的轮廓系数，不断迭代不同的聚类中心，在轮廓系数最大时输出对应的聚类结果；
6、利用聚类结果计算聚类中心的权重，根据聚类中心的权重和矩阵集计算得到加权滤波后的le均值矩阵；
7、计算距离单元中样本雷达回波数据的托普利兹正定矩阵和对应的加权滤波后的le均值矩阵之间的le散度距离，将le散度距离作为距离单元的检测统计量；
8、根据预先设置的虚警概率和蒙特卡洛仿真方法设计检测门限，若距离单元的检测统计量大于检测门限，则距离单元中存在目标。
9、在其中一个实施例中，计算每个距离单元中雷达回波数据的托普利兹正定矩阵，包括：
10、计算每个距离单元中雷达回波数据的托普利兹正定矩阵为
11、
12、其中，i表示样本雷达回波数据的序号，数据是数据r1i的共轭，第i个距离单元的样本数据表示为其中，上标t表示向量或矩阵的转置，i表示距离单元的个数，j表示样本雷达回波数据的维数，a和b表示矩阵的不同的位置序号。
13、在其中一个实施例中，根据待检测单元的托普利兹正定矩阵和参考单元的托普利兹正定矩阵组成矩阵集，包括：
14、根据待检测单元的托普利兹正定矩阵和参考单元的托普利兹正定矩阵组成矩阵集为{r1,r2,...,rm,...,r2m,ri}，其中，m＝1,2,...,2m，m表示取过程中取第i个距离单元左右各m(m≥2)个正定矩阵作为参考单元时的正定矩阵的个数。
15、在其中一个实施例中，定义流形域中聚类的类内距离与类间距离，包括：
16、定义流形域中聚类的类内距离为
17、
18、定义流形域中聚类的类间距离为
19、
20、其中，ck为第k类子集jk所包含的样本数量，rk为子集jk的聚类中心，dle为le散度，m表示参考单元的数量，k表示聚类的类别数。
21、在其中一个实施例中，根据类内距离和类间距离计算得到聚类结果在流形上的轮廓系数，包括：
22、根据类内距离和类间距离计算得到聚类结果在流形上的轮廓系数为
23、
24、其中，k表示聚类的类别数，dw(i)为第i个样本与所在类内所有样本的几何距离均值，为k个聚类中心之间的几何距离均值，m表示参考单元的数量。
25、在其中一个实施例中，利用聚类结果计算聚类中心的权重，包括：
26、利用聚类结果计算聚类中心的权重为
27、
28、其中，ck表示聚类结果，即第k类子集jk所包含的样本数量，m表示参考单元的数量，k表示聚类的类别数。
29、在其中一个实施例中，根据聚类中心的权重和矩阵集计算得到加权滤波后的le均值矩阵，包括：
30、根据聚类中心的权重和矩阵集计算得到加权滤波后的le均值矩阵为
31、
32、其中，k表示聚类的类别数，rk为子集jk的聚类中心，wi表示第i聚类中心的权重。
33、在其中一个实施例中，计算距离单元中样本雷达回波数据的托普利兹正定矩阵和对应的加权滤波后的le均值矩阵之间的le散度距离，包括：
34、计算距离单元中样本雷达回波数据的托普利兹正定矩阵和对应的加权滤波后的le均值矩阵之间的le散度距离为
35、
36、其中，||·||f表示矩阵范数，log(·)表示矩阵对数运算，表示加权滤波后的le均值矩阵，ri表示距离单元中样本雷达回波数据的托普利兹正定矩阵。
37、一种基于流形聚类的目标检测装置，所述装置包括：
38、距离单元划分模块，用于获取雷达回波数据；以距离单元划分雷达回波数据，计算每个距离单元中样本雷达回波数据的托普利兹正定矩阵；
39、矩阵集组成模块，用于取多个距离单元中其中一个距离单元作为待检测单元，取待检测单元左右多个正定矩阵作为参考单元；根据待检测单元的托普利兹正定矩阵和参考单元的托普利兹正定矩阵组成矩阵集；
40、流形聚类模块，用于对参考单元进行流形聚类，定义流形域中聚类的类内距离与类间距离，根据类内距离和类间距离计算得到聚类结果在流形上的轮廓系数，不断迭代不同的聚类中心，在轮廓系数最大时输出对应的聚类结果；
41、加权滤波模块，用于利用聚类结果计算聚类中心的权重，根据聚类中心的权重和矩阵集计算得到加权滤波后的le均值矩阵；
42、散度距离计算模块，用于计算计算距离单元中样本雷达回波数据的托普利兹正定矩阵和对应的加权滤波后的le均值矩阵之间的le散度距离，将le散度距离作为距离单元的检测统计量；
43、目标检测模块，用于根据预先设置的虚警概率和蒙特卡洛仿真方法设计检测门限，若距离单元的检测统计量大于检测门限，则距离单元中存在目标。
44、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
45、获取雷达回波数据；以距离单元划分雷达回波数据，计算每个距离单元中样本雷达回波数据的托普利兹正定矩阵；
46、取多个距离单元中其中一个距离单元作为待检测单元，取待检测单元左右多个正定矩阵作为参考单元；根据待检测单元的托普利兹正定矩阵和参考单元的托普利兹正定矩阵组成矩阵集；
47、对参考单元进行流形聚类，定义流形域中聚类的类内距离与类间距离，根据类内距离和类间距离计算得到聚类结果在流形上的轮廓系数，不断迭代不同的聚类中心，在轮廓系数最大时输出对应的聚类结果；
48、利用聚类结果计算聚类中心的权重，根据聚类中心的权重和矩阵集计算得到加权滤波后的le均值矩阵；
49、计算计算距离单元中样本雷达回波数据的托普利兹正定矩阵和对应的加权滤波后的le均值矩阵之间的le散度距离，将le散度距离作为距离单元的检测统计量；
50、根据预先设置的虚警概率和蒙特卡洛仿真方法设计检测门限，若距离单元的检测统计量大于检测门限，则距离单元中存在目标。
51、上述基于流形聚类的目标检测方法、装置及设备，本技术将每个距离单元中的样本数据建模为一个托普利兹正定矩阵，选取待检测单元周围的正定矩阵，在流形域中进行聚类处理。根据流形域中的聚类结果对每一类的聚类中心进行加权滤波，得到滤波后的正定矩阵作为待检测单元的杂波协方差矩阵估计值。然后计算待检测单元协方差矩阵与估计值之间的le散度作为检测器输出的检测统计量，并进一步与检测门限相比较，实现目标信号的检测，通过将参考单元矩阵在流形域进行聚类与加权滤波处理可以有效滤除参考单元中的非均匀杂波信息，避免非均匀杂波样本对待检测单元杂波协方差矩阵估计值的干扰，提升待检测单元的杂波协方差矩阵估计精度与目标检测效果，特别是在非均匀性较为严重的情况下，本技术的滤波效果较好。
1.一种基于流形聚类的目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，计算每个距离单元中雷达回波数据的托普利兹正定矩阵，包括：
3.根据权利要求1所述的方法，其特征在于，根据所述待检测单元的托普利兹正定矩阵和所述参考单元的托普利兹正定矩阵组成矩阵集，包括：
4.根据权利要求1至3任意一项所述的方法，其特征在于，定义流形域中聚类的类内距离与类间距离，包括：
5.根据权利要求1所述的方法，其特征在于，根据所述类内距离和类间距离计算得到聚类结果在流形上的轮廓系数，包括：
6.根据权利要求1所述的方法，其特征在于，利用所述聚类结果计算聚类中心的权重，包括：
7.根据权利要求3所述的方法，其特征在于，根据所述聚类中心的权重和矩阵集计算得到加权滤波后的le均值矩阵，包括：
8.根据权利要求1所述的方法，其特征在于，根据所述距离单元中样本雷达回波数据的托普利兹正定矩阵和对应的加权滤波后的le均值矩阵之间的le散度距离，包括：
9.一种基于流形聚类的目标检测装置，其特征在于，所述装置包括：
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
