多分类器联合虚警可控的海上小目标检测方法

作者：薛安克; 毛克成; 张乐^*

来源：电子与信息学报, 2023, 45(07): 2528-2536.

• 海杂波
• 小目标检测
• 多分类
• 双参数寻优K近邻(K-NN)算法
• 可控虚警

模式识别技术已经广泛应用于海上目标检测，其中二分类的模式识别算法在处理该问题时会面临类别非均衡的困境。传统方法一般通过添加人工仿真目标回波扩充目标数据集，检测结果容易受到仿真精度的影响，且增加算法的复杂度。该文提出一种基于多分类思想的多特征海上小目标智能检测方法，先对海杂波数据与目标数据进行多维特征提取，构建高维特征空间；再基于多分类思想中的“1对1”方法，将海杂波特征空间划分成多个子空间，每个杂波子空间与目标数据特征空间等大，构造多个二分类器进行联合判决。该文选取的二分类器为改进的双参数K近邻(K-NN)算法，可有效调节虚警率。经冰多参数成像X波段雷达(IPIX)数据集验证，所提方法在观测时间为1.024 s时获得了82.40%的检测概率，与基于K-NN的检测器做比较，获得了2%的性能提升。

• 单位
  自动化学院; 杭州电子科技大学