一种基于极化分解特征和SVDD的扩展目标检测算法

摘要：

多极化距离高分辨雷达是地面静止目标检测的重要手段,其回波中目标占据多个距离单元,成为扩展目标.传统基于回波能量的扩展目标检测方法的性能随信杂比的降低而下降.提出一种基于极化分解特征的扩展目标检测算法,利用目标和杂波之间的极化散射特性差异提升低信杂比下的检测性能.所提方法提取16 种极化分解特征组成特征向量作为检测统计量,再使用支持向量数据描述(SVDD)算法估计判别门限.在判别门限的训练阶段,杂波数据的极化分解特征被提取用作训练数据.并且为保证虚警概率,在SVDD的目标函数中引入了两个惩罚参数.使用实测数据进行了实验验证,所提方法在戈壁背景、虚警概率为 10-4、检测概率为90%的情况下,所需信杂比约为12.6 dB,相较于基于能量的对比方法降低约1.7 dB.

关键词：极化高分辨雷达、扩展目标检测、极化分解、FAC-SVDD

所属期刊栏目：39

分类号：TN956

在线出版日期：2023-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：64-73