申请/专利权人：内蒙古工业大学

申请日：2021-05-14

公开（公告）日：2022-11-25

公开（公告）号：CN113219432B

主分类号：G01S7/41

分类号：G01S7/41

优先权：

专利状态码：有效-授权

法律状态：2022.11.25#授权;2021.08.24#实质审查的生效;2021.08.06#公开

摘要：本发明公开了一种基于知识辅助和稀疏贝叶斯学习的运动目标检测方法，该方法包括：获取待检测距离单元的快拍数据；利用稀疏贝叶斯学习估计所述快拍数据中杂波和干扰的突出分量；基于所述突出分量计算字典失配矩阵对空时导向字典进行校准；基于实际导向矢量与理想导向矢量差值的l2范数，对所述空时导向字典进行再次校准。本发明通过稀疏贝叶斯学习方法对快拍数据的系数向量、空时导向字典进行迭代更新后，利用杂波分布的先验信息，进一步校准字典，能够对密集干扰进行有效抑制，提高运动目标的检测性能。另外，本实施例基于知识辅助可以提高小样本条件下的STAP性能，只需要获取少量的快拍数据即可精确检测到运动目标，适用性强。

主权项：1.一种基于知识辅助和稀疏贝叶斯学习的运动目标检测方法，其特征在于，包括如下步骤：获取待检测距离单元的快拍数据；利用稀疏贝叶斯学习估计所述快拍数据中杂波和干扰的突出分量，包括：构建字典失配矩阵，对所述快拍数据进行稀疏恢复；其中，利用所述字典失配矩阵，将所述快拍数据的稀疏恢复表示为： 其中，λα是正则化参数，α是稀疏恢复向量；根据空时快拍的似然性，确定所述快拍数据的稀疏恢复向量服从拉普拉斯先验分布；根据最大后验概率准则，改写所述稀疏恢复向量，并最大化对数似然函数；其中，将所述快拍数据的稀疏恢复向量α改写为其中，px,α,η|κ表示稀疏约束先验概率密度，η表示估计的噪声功率；基于px,α,η|κ∝px,α,η,κ，将改写为基于所述突出分量计算字典失配矩阵对空时导向字典进行校准；基于实际导向矢量与理想导向矢量差值的l2范数，对所述空时导向字典进行再次校准。

全文数据：

权利要求：

百度查询： 内蒙古工业大学 基于知识辅助和稀疏贝叶斯学习的运动目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD