基于聚类的对海雷达目标检测算法

作者：吕奇

来源：电光与控制, 2023, 30(06): 36-40.

• 目标检测
• 海杂波
• kNN

强海杂波是对于对海雷达目标检测性能影响最大的干扰项，目前已有的单一检测量和多特征联合检测算法性能极不稳定。针对上述难题，提出基于聚类的对海雷达目标检测算法。所提算法提取了3个特征量——相对幅度方差(RAV)、相对平均能量(RAP)和相对向量熵(RVE),对聚类算法中的k-近邻(kNN)算法进行模型改造，完成了虚警可控的kNN检测器，在该特征空间中利用kNN检测器实现目标与杂波分离。实测雷达数据实验结果显示，在观测时间0.512 s与1.024 s时，所提算法比基于分形的检测器的平均检测概率分别提高了56.2%和58.3%(HH极化模式下),相比基于三特征的检测器的平均检测概率分别提高了29.2%和31.3%。可以得出结论：所提算法能够实现复杂海况下的对海雷达目标检测，且检测效果明显优于基于三特征的检测器算法。

• 单位
  南京电子技术研究所