一种基于特征提取的海杂波背景下目标检测方法

1.一种基于特征提取的海杂波背景下目标检测方法，其特征在于，包括：S1、利用滑窗法从回波数据起始点按脉冲方向滑动采样，每次滑窗后的向量保存为原始数据样本向量；S2、对原始数据样本向量进行时频变换，S3、根据时频变换结果的能量分布特性，提取低频本征模态函数；步骤S3具体为：S31、计算每个本征模态函数的信号能量占所有本征模态函数信号能量的比值；S32、计算相邻本征模态函数信号对应的比值之差，记录比值之差最大值的位置，从而得到低频本征模态函数；S4、根据提取的低频本征模态函数构建新的数据样本向量；S5、将新的数据样本向量划分为训练集与测试集；S6、利用训练集对支持向量机进行训练，得到最优超平面的权向量和偏置；S7、利用测试集对最优超平面的权向量和偏置下的支持向量机进行测试，得到目标检测结果；步骤S7采用改进后的支持向量机，其数学描述为：s.t.ξ i ≥0i＝1,2,...Ny i [k(ω,F i )-b]≥1-ξ i i＝1,2,...N其中，ξ i 为松弛变量，ω和b分别表示最优超平面的权向量和偏置，β 0 和β 1 分别表示对海杂波样本和对目标样本的惩罚因子，k(ω,F 1 )为高斯核函数，F i 表示一个样本，N表示样本数量，y i ＝+1表示支持向量机判别样本F i 结果为目标样本，y i ＝-1表示支持向量机判别样本F i 结果为海杂波样本。 2.根据权利要求1所述的一种基于特征提取的海杂波背景下目标检测方法，其特征在于，步骤S1中滑窗宽度大于滑窗步长。 3.根据权利要求1或2所述的一种基于特征提取的海杂波背景下目标检测方法，其特征在于，步骤S2具体为：将每次滑窗后保存的原始数据样本向量进行二元经验模态分解得到若干个本征模态函数。 4.根据权利要求3所述的一种基于特征提取的海杂波背景下目标检测方法，其特征在于，步骤S4具体为：计算各低频本征模态函数的能量并相加，得到新的数据样本向量。 5.根据权利要求1所述的一种基于特征提取的海杂波背景下目标检测方法，其特征在于，步骤S6得到最优超平面的权向量和偏置的过程为：首先设定需要达到的虚警概率P fa 、阈值ψ、惩罚因子β 0 和β 1 、β 0 的取值范围边界β l 和β r ；利用ω和b确定的超平面对目标和杂波样本分类并计算出当前虚警概率P F ；若P F 与需要达到的虚警概率P fa 满足|P F -P fa |>ψ，则按照以下两种情况调整β 0 和β 1 并继续迭代：如果P F <P fa ，那么设置β r ＝β 0 且β 0 ＝(β r +β l )/2继续迭代；如果P F >P fa ，则需设置β l ＝β 0 且β 0 ＝(β r +β l )/2继续迭代；每次迭代后得到一组新的ω和b，直到|P F -P fa |≤ψ停止迭代，此时的ω和b即为最优超平面的参数。