本發(fā)明涉及雷達(dá)和聲納信號處理技術(shù)領(lǐng)域，尤其涉及一種目標(biāo)信號檢測方法及系統(tǒng)。

背景技術(shù)：

雷達(dá)信號處理的基本目的是檢測感興趣目標(biāo)于雷達(dá)回波中存在與否，而雷達(dá)回波不可避免地疊加了雜波和接收機(jī)噪聲。因此，雷達(dá)信號接收機(jī)必須對回波信號進(jìn)行處理，確定其是否包含感興趣的目標(biāo)，進(jìn)而確定目標(biāo)的距離、速度等信息。早期雷達(dá)系統(tǒng)需要根據(jù)個人經(jīng)驗(yàn)設(shè)定檢測門限來判斷目標(biāo)存在與否。隨著自動檢測技術(shù)的發(fā)展，雷達(dá)檢測從開始的固定或半固定門限檢測發(fā)展到恒虛警率(cfar，constantfalsealarmrate)的自動檢測。

finn，h.m.等人發(fā)表的文章《adaptivedetectionmodewiththresholdcontrolasafunctionofspatiallysampledclutter-levelestimates》(rcvreview，vol.29，no.9，pp.414-464)中提出一種單元平均(cellaveraging，簡稱ca)cfar方法(以下簡稱ca-cfar)。ca-cfar在均勻雜波背景下具有很好的檢測性能，在雜波邊緣中會引起虛警率的上升，而在多目標(biāo)環(huán)境中將導(dǎo)致檢測性能的下降。

hansen，v.g.等人發(fā)表的文章《detectabilitylossduetothegreatest-of-selectioninacellaveragingcfar》(ieeetrans.aerosp.electron.syst.，vol.16，pp.115-118)中提出一種最大選擇(greatestof，簡稱go)cfar方法(以下簡稱go-cfar)。go-cfar在雜波邊緣環(huán)境中具有很好的虛警控制性能，但是在多目標(biāo)環(huán)境中會出現(xiàn)“目標(biāo)遮蔽”現(xiàn)象，其檢測性能嚴(yán)重下降。

trunk，g.v.等人發(fā)表的文章《rangeresolutionoftargetsusingautomaticdetectors’》(ieeetrans.aerosp.electron.syst.，vol.14，no.5，pp.750-755)中提出一種最小選擇(smallestof，簡稱so)cfar方法，即so-cfar。(以下簡稱so-cfar)。當(dāng)干擾目標(biāo)只位于前沿滑窗或后沿滑窗時，so-cfar具有較好的多目標(biāo)分辨能力，但是在雜波邊緣中它的虛警控制能力很差。

rohling，h.等人發(fā)表的文章《radarcfarthresholdinginclutterandmultipletargetsituations’》(ieeetrans.aerosp.electron.syst.，vol.19，no.4，pp.608-621)中提出一種有序統(tǒng)計(orderedstatistics，簡稱os)cfar方法(以下簡稱os-cfar檢測器)。os-cfar檢測器在多目標(biāo)環(huán)境中具有良好的分辨能力，相比ml類方法具有明顯優(yōu)勢，但是os-cfar檢測器在均勻雜波背景下檢測性能和在雜波邊緣中它的虛警控制能力比ca-cfar要差。

farrouki，a.等人發(fā)表的文章《automaticcensoringcfardetectorbasedonordereddatavariabilityfornonhomogeneousenvironments》(ieeproc-radarsonarnaving，vol.152，no.1，pp.43-51)中提出一種基于排序數(shù)據(jù)方差(ordereddatavariability，簡稱odv)的自動刪除單元平均(acca，automaticcensoredcellaveraging)檢測器(以下簡稱acca-cfar檢測器)。acca-cfar檢測器在均勻雜波背景下具有ca-cfar的檢測性能，同時在多目標(biāo)環(huán)境中針對不同數(shù)量的干擾目標(biāo)，其檢測性能的魯棒性要優(yōu)于os-cfar，但是其在雜波邊緣環(huán)境中的虛警控制性能比os-cfar還要差。

綜上可知，在選擇cfar檢測器時很難權(quán)衡檢測性能和抗雜波邊緣性能。通常具有較好檢測性能的檢測器在雜波邊緣環(huán)境中的性能不太理想，或者良好抗邊緣雜波的檢測器在均勻雜波背景、多目標(biāo)環(huán)境中的檢測性能不太理想。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于，解決現(xiàn)有技術(shù)中的上述問題，提供了一種目標(biāo)信號檢測方法及系統(tǒng)，實(shí)現(xiàn)在不同的工作環(huán)境(均勻雜波背景、多目標(biāo)環(huán)境和雜波邊緣環(huán)境)下的最優(yōu)檢測。

一方面，本發(fā)明提供了一種目標(biāo)信號檢測方法。該方法包括步驟：獲取信號的檢測統(tǒng)計量，并將檢測統(tǒng)計量存儲至參考單元和檢測單元，得到測試樣本；測試樣本為參考單元、或參考單元與檢測單元之和；使用支持向量機(jī)svm模塊對測試樣本進(jìn)行第一計算，并根據(jù)第一計算結(jié)果輸出選擇信號；根據(jù)選擇信號確定第一檢測器的閾值，第一檢測器為恒虛警率cfar模塊中包含的多個檢測器中的一種；根據(jù)第一檢測器的閾值，判斷檢測單元是否有目標(biāo)信號。

優(yōu)選地，根據(jù)選擇信號確定第一檢測器的閾值，包括：cfar模塊使用多個檢測器對參考單元、或參考單元與檢測單元之和進(jìn)行第二計算，第二計算結(jié)果包括多個檢測器中的每一個檢測器的閾值；選擇模塊從cfar模塊接收第二計算結(jié)果，并根據(jù)選擇信號，輸出第一檢測器的閾值。

優(yōu)選地，根據(jù)選擇信號確定第一檢測器的閾值，包括：cfar模塊根據(jù)選擇信號，從多個檢測器中選擇第一檢測器對參考單元、或參考單元與檢測單元之和進(jìn)行第三計算，并根據(jù)第三計算的結(jié)果輸出第一檢測器的閾值。

優(yōu)選地，svm模塊包括svm模型的訓(xùn)練參數(shù)，訓(xùn)練參數(shù)通過以下步驟獲得：根據(jù)參考單元、或參考單元與檢測單元之和，得到每一個訓(xùn)練樣本；根據(jù)cfar模塊中包含的多個檢測器，確定每一個訓(xùn)練樣本的類標(biāo)記，并根據(jù)每一個訓(xùn)練樣本和類標(biāo)記組成訓(xùn)練樣本集；svm模塊根據(jù)訓(xùn)練樣本集對svm模型進(jìn)行訓(xùn)練，以獲取svm模型的訓(xùn)練參數(shù)。

優(yōu)選地，svm模塊包括以下計算公式：

其中，y表示測試樣本的類標(biāo)記；sign表示符號函數(shù)；n是訓(xùn)練樣本集中支持向量的個數(shù)；yi代表第i個訓(xùn)練樣本所對應(yīng)的類標(biāo)記，表示第i個訓(xùn)練樣本，i＝1，…，n，；表示測試樣本；和b為訓(xùn)練參數(shù)，

優(yōu)選地，多個檢測器包括單元平均恒虛警率ca-cfar檢測器、最大選擇恒虛警率go-cfar檢測器、最小選擇選擇恒虛警率so-cfar檢測器、有序統(tǒng)計恒虛警率os-cfar檢測器和自動刪除單元平均恒虛警率acca-cfar檢測器中的至少兩種檢測器。

另一方面，本發(fā)明提供了一種目標(biāo)信號檢測系統(tǒng)。該系統(tǒng)包括：獲取單元，用于獲取信號的檢測統(tǒng)計量，并將檢測統(tǒng)計量存儲至參考單元和檢測單元，得到測試樣本；測試樣本為參考單元、或參考單元與檢測單元之和。計算單元，用于使用支持向量機(jī)svm模塊對測試樣本進(jìn)行第一計算，并根據(jù)第一計算結(jié)果輸出選擇信號。確定單元，用于根據(jù)選擇信號確定第一檢測器的閾值，第一檢測器為恒虛警率cfar模塊中包含的多個檢測器中的一種。判斷單元，用于根據(jù)第一檢測器的閾值，判斷檢測單元是否有目標(biāo)信號。

優(yōu)選地，確定單元，用于根據(jù)選擇信號確定第一檢測器的閾值，包括：cfar模塊使用多個檢測器對參考單元、或參考單元與檢測單元之和進(jìn)行第二計算，第二計算結(jié)果包括多個檢測器中的每一個檢測器的閾值；選擇模塊從cfar模塊接收第二計算結(jié)果，并根據(jù)選擇信號，輸出第一檢測器的閾值。

優(yōu)選地，確定單元，用于根據(jù)選擇信號確定第一檢測器的閾值，包括：cfar模塊根據(jù)選擇信號，從多個檢測器中選擇第一檢測器對參考單元、或參考單元與檢測單元之和進(jìn)行第三計算，并根據(jù)第三計算的結(jié)果輸出第一檢測器的閾值。

優(yōu)選地，svm模塊包括svm模型的訓(xùn)練參數(shù)。系統(tǒng)還包括訓(xùn)練單元，訓(xùn)練單元用于確定訓(xùn)練參數(shù)，包括：根據(jù)參考單元、或參考單元與檢測單元之和，得到每一個訓(xùn)練樣本；根據(jù)cfar模塊中包含的多個檢測器，確定每一個訓(xùn)練樣本的類標(biāo)記，并根據(jù)每一個訓(xùn)練樣本和類標(biāo)記組成訓(xùn)練樣本集；svm模塊根據(jù)訓(xùn)練樣本集對svm模型進(jìn)行訓(xùn)練，以獲取svm模型的訓(xùn)練參數(shù)。

由上可知，本發(fā)明實(shí)施例提供的一種目標(biāo)信號檢測方法及系統(tǒng)系統(tǒng)，根據(jù)不同的工作環(huán)境(均勻雜波背景、多目標(biāo)環(huán)境和雜波邊緣環(huán)境)選擇兩種或兩種以上的cfar檢測器構(gòu)成新的檢測系統(tǒng)，并由cfar模塊計算各種cfar檢測器的閾值；利用訓(xùn)練樣本集對svm模塊進(jìn)行訓(xùn)練，并得到訓(xùn)練參數(shù)。當(dāng)測試開始時，svm模塊將根據(jù)測試樣本和訓(xùn)練參數(shù)確定其分類，并輸出選擇信號；選擇模塊根據(jù)svm模塊輸出的選擇信號選取相應(yīng)的檢測器閾值作為最終檢測閾值，從而實(shí)現(xiàn)在不同的工作環(huán)境下的最優(yōu)檢測。

附圖說明

圖1為本發(fā)明實(shí)施例提供的一種目標(biāo)信號檢測方法的流程示意圖；

圖2為本發(fā)明實(shí)施例提供的實(shí)驗(yàn)1中各種檢測器在均勻雜波背景下的檢測性能對比圖；

圖3為本發(fā)明實(shí)施例提供的實(shí)驗(yàn)1中各種檢測器在有一個干擾目標(biāo)環(huán)境下的檢測性能對比圖；

圖4為本發(fā)明實(shí)施例提供的實(shí)驗(yàn)1中各種檢測器在有四個干擾目標(biāo)環(huán)境下的檢測性能對比圖；

圖5為本發(fā)明實(shí)施例提供的實(shí)驗(yàn)2中各種檢測器抗邊緣雜波性能對比圖；

圖6為本發(fā)明實(shí)施例提供的一種目標(biāo)信號檢測系統(tǒng)的結(jié)構(gòu)示意圖；

圖7為本發(fā)明實(shí)施例提供的另一種目標(biāo)信號檢測系統(tǒng)的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面通過附圖和實(shí)施例，對本發(fā)明的技術(shù)方案作進(jìn)一步的詳細(xì)描述。

圖1為本發(fā)明實(shí)施例提供的目標(biāo)信號檢測方法的一種可能的流程示意圖。如圖1所示，該方法包括步驟101-104：

步驟101，獲取信號的檢測統(tǒng)計量，并將檢測統(tǒng)計量存儲至參考單元和檢測單元，得到測試樣本。測試樣本為參考單元的一部分、或參考單元的全部、或參考單元的一部分與檢測單元之和、或參考單元的全部與檢測單元之和。

具體地，對信號進(jìn)行單脈沖檢測，在某個分辨單元中得到一個觀測值v(t)，將v(t)輸入匹配濾波器進(jìn)行濾波處理后，輸出得到信號的同相分量i(v)和正交分量q(v)。將i(v)和q(v)輸入平方律檢測器，輸出得到檢測統(tǒng)計量d(v)：

d(v)＝i²(v)+q²(v)(1)

將每一個d(v)依次輸入?yún)⒖紗卧蜋z測單元中，作為參考單元xi(i＝1，…，n，n為參考單元的長度)和檢測單元d。參考單元中的總的集合為[x1，...，xn/2，xn/2+1，...，xn}，參考單元和檢測單元的長度為n+1，即為：{x1，...，xn/2，d，xn/2+1，...，xn}。檢測單元的兩側(cè)設(shè)置的保護(hù)單元，可以用來防止目標(biāo)能量泄露到參考單元中，影響檢測器雜波強(qiáng)度的兩個局部估計值。

步驟102，使用支持向量機(jī)(supportvectormachine，svm)模塊對測試樣本進(jìn)行第一計算，并根據(jù)第一計算結(jié)果輸出選擇信號。

具體地，使用svm模塊對測試樣本進(jìn)行第一計算，并根據(jù)第一計算結(jié)果輸出信號，輸出信號用于指示與輸出信號相對應(yīng)類型的檢測器的閾值。需要說明的是，參與第一計算的測試樣本除了包括參考單元以外，還可以包括檢測單元，且參與第一計算的樣本可以為部分參考單元，如僅為前沿滑窗得到的參考單元或后沿滑窗得到的參考單元，本發(fā)明實(shí)施例對此不作限定。

svm模塊包括svm模型的訓(xùn)練參數(shù)，下面，對訓(xùn)練參數(shù)的獲取方法進(jìn)行介紹，該方法包括步驟1021-1023：

步驟1021，根據(jù)參考單元的一部分、或參考單元的全部、或參考單元的一部分與檢測單元之和、或參考單元的全部與檢測單元之和，得到每一個訓(xùn)練樣本。

步驟1022，根據(jù)cfar模塊中包含的多個檢測器，確定每一個訓(xùn)練樣本的類標(biāo)記，并根據(jù)每一個樣本和每一個樣本的類標(biāo)記組成訓(xùn)練樣本集。

示例性的，cfar模塊中可以包含ca-cfar檢測器、go-cfar檢測器、so-cfar檢測器、os-cfar檢測器和acca-cfar檢測器中的至少兩種檢測器。例如，cfar模塊中包含ca-cfar檢測器和os-cfar檢測器。需要說明的是，本實(shí)施例中，cfar模塊可以包含其它種類的cfar檢測器，也可以包含三種以上的檢測器，本發(fā)明對cfar檢測器的種類和數(shù)量不作限定。

訓(xùn)練樣本通常是根據(jù)不同的工作環(huán)境(均勻雜波背景、多目標(biāo)環(huán)境和雜波邊緣環(huán)境)隨機(jī)產(chǎn)生的，因此可以根據(jù)訓(xùn)練樣本的工作環(huán)境和cfar模塊中包含的多個檢測器中對應(yīng)的檢測器，確定訓(xùn)練樣本集中每一個樣本的類標(biāo)記?？梢詫⒁粋€訓(xùn)練樣本集表示為：p表示訓(xùn)練樣本集的大小。其中，表示第i個訓(xùn)練樣本，d表示svm模塊中輸入信號的維度。需要說明的是，可以包括全部的參考單元，即也可以包括全部的參考單元和檢測單元，即還可以只包括參考單元的一部分，例如前沿滑窗的參考單元，即或后沿滑窗的參考單元，即本發(fā)明對此不作限定。yi表示第i個訓(xùn)練樣本的類標(biāo)記，在本發(fā)明中可以理解為第i個訓(xùn)練樣本在cfar模塊所包含的檢測器的種類。例如，當(dāng)cfar模塊所包含的檢測器種類為兩類時，yi∈{-1，1}。

步驟1023，svm模塊根據(jù)訓(xùn)練樣本集，對svm模型進(jìn)行訓(xùn)練，以獲取svm模型的訓(xùn)練參數(shù)。訓(xùn)練樣本集包括多個訓(xùn)練樣本和類標(biāo)記。

svm實(shí)質(zhì)解決的是分類問題，針對分類基本問題可以通過下式來表示：

其中，表示一組權(quán)值，b∈r是一個標(biāo)量，符號t表示向量轉(zhuǎn)置。表示由r^d到r^q的非線性映射，即q表示非線性映射特征空間的維度。

本發(fā)明中，svm模型可以為svm模型或最小二乘支持向量機(jī)(leastsquaressupportvectormachines，ls-svm)模型。需要說明的是，本發(fā)明還可以對其它的svm模型進(jìn)行訓(xùn)練，以得到svm模塊，本發(fā)明對此不作限定。

(1)svm模型

在svm模型中分類優(yōu)化問題可以表示為：

其中，minimize表示目標(biāo)函數(shù)最小化，subjectto表示約束條件，ξi是第i個訓(xùn)練樣本的訓(xùn)練誤差；c為懲罰因子，需要折衷考慮泛化能力和訓(xùn)練誤差從而得到最優(yōu)的分類超平面。

公式(3)是一個最優(yōu)化理論中的嚴(yán)格凸二次規(guī)劃(quadraticprogramming，簡稱qp)問題。通過構(gòu)造拉格朗日(lagrange)函數(shù)，可以將公式(3)中的svm分類優(yōu)化問題等價表示為：

其中，αi是第i個訓(xùn)練樣本的拉格朗日因子。

核函數(shù)(kernelfunction)通常被應(yīng)用于svm學(xué)習(xí)算法中，可以用下式表示：

因此公式(4)可以表示為：

因此，svm針對分類基本問題可以等價表示為：

其中，sign表示符號函數(shù)，n是訓(xùn)練樣本集中支持向量的個數(shù)。

常用的核函數(shù)包括徑向基函數(shù)(radiusbasisfunction，簡稱rbf)：

其中，exp表示指數(shù)函數(shù)，σ是標(biāo)量參數(shù)。

svm模型的最優(yōu)超平面有直觀的幾何意義，但其求解過程需要通過搜索得出qp的極值，因而計算量較大，并且不具備一個顯式的解析表達(dá)式。

(2)ls-svm

ls-svm不但具有顯式解析表達(dá)式，同時具有良好的泛化能力和較小的計算量等優(yōu)點(diǎn)。相對于svm模型，ls-svm將約束條件中的不等式改進(jìn)為等式，公式(3)變?yōu)椋?/p>

同樣構(gòu)造拉格朗日(lagrange)函數(shù)，ls-svm分類優(yōu)化問題可以等價表示為：

對各個參數(shù)求偏導(dǎo)數(shù)：

以上四式可以化簡為：

其中，yi表示第i個訓(xùn)練樣本的類標(biāo)記。yi代表多個檢測器中的某一種檢測器，i＝1，…，p，p為訓(xùn)練樣本集的大?。沪豯s-svm＝z·z^t，表示非線性映射，xi表示訓(xùn)練樣本中的采樣單元樣本；和b為訓(xùn)練參數(shù)，b是標(biāo)量；t為向量轉(zhuǎn)置運(yùn)算符。

因此，ls-svm針對分類基本問題可以等價表示為：

由上可知，將訓(xùn)練樣本輸入公式(16)中，對ls-svm模型進(jìn)行訓(xùn)練，求出訓(xùn)練參數(shù)和b。

步驟103，根據(jù)選擇信號確定第一檢測器的閾值，第一檢測器為恒虛警率cfar模塊中包含的多個檢測器中的一種。

在一種可能的實(shí)施方式中，首先，cfar模塊使用多個檢測器對參考單元的一部分、或參考單元的全部、或參考單元的一部分與檢測單元之和、或參考單元的全部與檢測單元之和進(jìn)行第二計算，第二計算結(jié)果為多個檢測器中的每一個檢測器的閾值(s1，…，sm，m為檢測器的總數(shù))。然后，選擇模塊從cfar模塊接收第二計算結(jié)果，并根據(jù)選擇信號，輸出第一檢測器的閾值。

在另一種可能的實(shí)施方式中，cfar模塊根據(jù)選擇信號，從多個檢測器中選擇第一檢測器對參考單元的一部分、或參考單元的全部、或參考單元的一部分與檢測單元之和、或參考單元的全部與檢測單元之和進(jìn)行第三計算，并根據(jù)第三計算的結(jié)果輸出第一檢測器的閾值。

步驟104，根據(jù)第一檢測器的閾值和檢測單元，判斷檢測單元是否有目標(biāo)信號。

具體地，根據(jù)第一檢測器的閾值s和檢測單元d，使用比較器通過自適應(yīng)判決準(zhǔn)則判斷d是否有目標(biāo)信號。其中，自適應(yīng)判決準(zhǔn)則為：

其中，z是背景雜波功率水平的估計，t是標(biāo)稱化因子，h1表示有目標(biāo)的假設(shè)，h0表示沒有目標(biāo)的假設(shè)，d表示檢測單元中的檢測統(tǒng)計量d(v)。也就是說，當(dāng)d＞s時，判斷結(jié)果為：d有目標(biāo)信號；當(dāng)d＜s時，判斷結(jié)果為：d沒有目標(biāo)信號。

下面通過以下實(shí)驗(yàn)進(jìn)一步證明本發(fā)明提出的一種信號處理方法的能達(dá)到的有益效果。

以下對實(shí)驗(yàn)的介紹中，將用于實(shí)現(xiàn)本發(fā)明提供的目標(biāo)信號檢測方法的裝置稱為svm-cfar檢測器。svm-cfar檢測器的cfar模塊包含acca-cfar檢測器(y＝1)和go-cfar檢測器(y＝-1)。svm-cfar檢測器在均勻雜波背景和多目標(biāo)環(huán)境下采用acca-cfar檢測器，而在雜波邊緣環(huán)境下采用go-cfar檢測器。

在實(shí)驗(yàn)中，假設(shè)雜波包絡(luò)服從瑞利分布，參考單元的長度n＝16，每個樣本由參考單元與檢測單元共同組成，在均勻雜波背景和多目標(biāo)環(huán)境下隨機(jī)生成的訓(xùn)練樣本有2200個，而在雜波邊緣環(huán)境下隨機(jī)生成的訓(xùn)練樣本有3200個。ls-svm的懲罰因子c＝10，核函數(shù)選取徑向基函數(shù)，核函數(shù)的標(biāo)量參數(shù)σ＝0.2。

在實(shí)驗(yàn)1中，將比較ca-cfar、go-cfar、os-cfar、acca-cfar和svm-cfar的檢測性能。虛警概率取10^-4，此時，tca＝12.452；tgo＝10.871；tos＝11.081，并選取第12個排序樣本x(12)作為檢測器對雜波功率水平的估計；根據(jù)刪除單元的個數(shù)不同(0～4)，sk＝[0.356，0.246，0.199，0.173]，p＝12。輸入信號的信噪比范圍取0db～30db，每個信噪比條件下的測試樣本有1000個。

圖2給出的是不同信噪比條件下ca-cfar、go-cfar、os-cfar、acca-cfar和svm-cfar在均勻雜波背景下的檢測性能，橫坐標(biāo)是輸入信號的信噪比變化范圍，縱坐標(biāo)是檢測概率。可以看出svm-cfar與ca-cfar、acca-cfar同時具有最優(yōu)的檢測性能，go-cfar的檢測性能次之，os-cfar的檢測性能最差。

圖3給出的是不同信噪比條件下ca-cfar、go-cfar、os-cfar、acca-cfar和svm-cfar在有一個干擾目標(biāo)環(huán)境下的檢測性能，可以看出svm-cfar與acca-cfar具有最優(yōu)的檢測性能，優(yōu)于os-cfar的檢測性能，而ca-cfar和go-cfar的檢測性能都嚴(yán)重下降。

圖4給出的是不同信噪比條件下ca-cfar、go-cfar、os-cfar、acca-cfar和svm-cfar在有多個(四個)干擾目標(biāo)環(huán)境下的檢測性能，可以看出svm-cfar與acca-cfar仍然具有最優(yōu)的檢測性能，os-cfar的檢測性能有所降低，ca-cfar和go-cfar的檢測性能都嚴(yán)重下降。

在實(shí)驗(yàn)2中，將比較ca-cfar、go-cfar、os-cfar、acca-cfar和svm-cfar的抗邊緣雜波性能。虛警概率取10^-1，tca＝2.476；tgo＝2.102；tos＝1.981，并選取第12個排序樣本x(12)作為檢測器對雜波功率水平的估計；根據(jù)刪除單元的個數(shù)不同(0～4)，tacca＝[2.476，2.963，3.434，3.941，4.505]，sk＝[0.356，0.246，0.199，0.173]，p＝12。雜波邊緣功率10db，雜波邊緣由參考滑窗左邊向右邊滑動，參考滑窗每個單元的測試樣本有10000個。

圖5給出的在雜波邊緣環(huán)境下ca-cfar、go-cfar、os-cfar、acca-cfar和svm-cfar的虛警性能。橫坐標(biāo)是被強(qiáng)雜波占據(jù)的參考單元數(shù)，縱坐標(biāo)是虛警概率。隨著被強(qiáng)雜波占據(jù)的參考單元數(shù)的增加，虛警概率首先是下降，在雜波邊緣掃過檢測單元是，虛警概率有一個階躍，形成一個尖峰，被稱之為“虛警尖峰”，“虛警尖峰”低說明cfar檢測器的虛警控制能力強(qiáng)。由圖5可以看出svm-cfar與go-cfar具有最優(yōu)的虛警控制能力，優(yōu)于ca-cfar、os-cfar和acca-cfar。

由上可知，本發(fā)明實(shí)施例提供的一種目標(biāo)信號檢測方法，根據(jù)不同的工作環(huán)境(均勻雜波背景、多目標(biāo)環(huán)境和雜波邊緣環(huán)境)選擇兩種或兩種以上的cfar檢測器構(gòu)成新的檢測系統(tǒng)，并由cfar模塊計算各種cfar檢測器的閾值；利用訓(xùn)練樣本集對svm模塊進(jìn)行訓(xùn)練，并得到訓(xùn)練參數(shù)。當(dāng)測試開始時，svm模塊將根據(jù)測試樣本和訓(xùn)練參數(shù)確定其分類，并輸出選擇信號；選擇模塊根據(jù)svm模塊輸出的選擇信號選取相應(yīng)的檢測器閾值作為最終檢測閾值，從而實(shí)現(xiàn)在不同的工作環(huán)境下的最優(yōu)檢測。

上述實(shí)施例中介紹了本發(fā)明提供的一種目標(biāo)信號檢測方法，下面結(jié)合圖6和圖7對用于實(shí)現(xiàn)上述方法的系統(tǒng)進(jìn)行介紹。

圖6為本發(fā)明實(shí)施例提供的一種目標(biāo)信號檢測系統(tǒng)的結(jié)構(gòu)示意圖。如圖6所示，該系統(tǒng)600包括：

獲取單元601，用于獲取信號的檢測統(tǒng)計量，并將檢測統(tǒng)計量存儲至參考單元和檢測單元，得到測試樣本；測試樣本為參考單元、或參考單元與檢測單元之和。

計算單元602，用于通過如圖7所示的支持向量機(jī)svm模塊對測試樣本進(jìn)行第一計算，并根據(jù)第一計算結(jié)果輸出選擇信號。

確定單元603，用于根據(jù)選擇信號確定第一檢測器的閾值，第一檢測器為恒虛警率cfar模塊中包含的多個檢測器中的一種。

在一個可能的實(shí)施例中，確定單元用于根據(jù)選擇信號確定第一檢測器的閾值，具體包括：通過如圖7所示的cfar模塊，使用多個檢測器對參考單元、或參考單元與檢測單元之和進(jìn)行第二計算，第二計算結(jié)果包括多個檢測器中的每一個檢測器的閾值。選擇模塊從cfar模塊接收第二計算結(jié)果，并根據(jù)選擇信號，輸出第一檢測器的閾值。

在一個可能的實(shí)施例中，確定單元用于根據(jù)選擇信號確定第一檢測器的閾值，具體包括：cfar模塊根據(jù)選擇信號，從多個檢測器中選擇第一檢測器對參考單元、或參考單元與檢測單元之和進(jìn)行第三計算，并根據(jù)第三計算的結(jié)果輸出第一檢測器的閾值。

判斷單元604，用于根據(jù)第一檢測器的閾值，判斷檢測單元是否有目標(biāo)信號。

在一個可能的實(shí)施例中，svm模塊包括svm模型的訓(xùn)練參數(shù)，系統(tǒng)還包括訓(xùn)練單元605，訓(xùn)練單元605用于確定訓(xùn)練參數(shù)，具體包括：根據(jù)參考單元、或參考單元與檢測單元之和，得到每一個訓(xùn)練樣本。根據(jù)cfar模塊中包含的多個檢測器，確定每一個訓(xùn)練樣本的類標(biāo)記，并根據(jù)每一個訓(xùn)練樣本和類標(biāo)記組成訓(xùn)練樣本集。svm模塊根據(jù)訓(xùn)練樣本集對svm模型進(jìn)行訓(xùn)練，以獲取svm模型的訓(xùn)練參數(shù)。

本發(fā)明提供的目標(biāo)信號檢測系統(tǒng)實(shí)施例與本發(fā)明提供的上述目標(biāo)信號檢測方法實(shí)施例相對應(yīng)，在此不作贅述。

由上可知，本發(fā)明實(shí)施例提供的一種目標(biāo)信號檢測系統(tǒng)，根據(jù)不同的工作環(huán)境(均勻雜波背景、多目標(biāo)環(huán)境和雜波邊緣環(huán)境)選擇兩種或兩種以上的cfar檢測器構(gòu)成新的檢測系統(tǒng)，并由cfar模塊計算各種cfar檢測器的閾值；利用訓(xùn)練樣本集對svm模塊進(jìn)行訓(xùn)練，并得到訓(xùn)練參數(shù)。當(dāng)測試開始時，svm模塊將根據(jù)測試樣本和訓(xùn)練參數(shù)確定其分類，并輸出選擇信號；選擇模塊根據(jù)svm模塊輸出的選擇信號選取相應(yīng)的檢測器閾值作為最終檢測閾值，從而實(shí)現(xiàn)在不同的工作環(huán)境下的最優(yōu)檢測。

以上的具體實(shí)施方式，對本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說明，所應(yīng)理解的是，以上僅為本發(fā)明的具體實(shí)施方式而已，并不用于限定本發(fā)明的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。