本發(fā)明涉及雷達(dá)技術(shù)領(lǐng)域，尤其是一種基于特征譜特征的機(jī)場(chǎng)跑道異物檢測(cè)方法及裝置。

背景技術(shù)：

機(jī)場(chǎng)跑道異物(foreignobjectdebris,fod)是指不應(yīng)存在于機(jī)場(chǎng)跑道上會(huì)對(duì)飛機(jī)造成損傷的物體，例如遺落在跑道上的金屬零件、碎石塊、防水塑料布等。fod對(duì)飛機(jī)的起飛和降落會(huì)造成嚴(yán)重的威脅，在飛機(jī)起飛前必須予以清除。傳統(tǒng)的人工巡查方法需要消耗大量的時(shí)間，影響了機(jī)場(chǎng)跑道的飛機(jī)通勤量，同時(shí)在雨霧等惡劣天氣下依靠人工來(lái)發(fā)現(xiàn)微小異物也并非易事，因此，有必要研制一種機(jī)場(chǎng)跑道異物自動(dòng)檢測(cè)系統(tǒng)，能夠?qū)崟r(shí)對(duì)跑道環(huán)境進(jìn)行監(jiān)測(cè)，及時(shí)上報(bào)fod的存在及具體位置信息。

目前，國(guó)外機(jī)場(chǎng)跑道異物檢測(cè)方面的成熟系統(tǒng)主要有基于毫米波雷達(dá)體制的英國(guó)qinetiq公司的tarsier1100系統(tǒng)、美國(guó)trexenterprises公司的fodfinder系統(tǒng)和以色列xsight公司的fodetect系統(tǒng)以及基于光學(xué)攝像體制的新加坡stratech-systems公司的iferret系統(tǒng)。由于光學(xué)監(jiān)測(cè)系統(tǒng)采用視頻處理技術(shù)，受亮度和光照的影響很大，在夜晚、雨霧天氣或者能見(jiàn)度很低的情況下，檢測(cè)的正確率很低，會(huì)出現(xiàn)大量的虛警或漏警，目前主流的fod檢測(cè)方法都是采用毫米波雷達(dá)體制。

強(qiáng)地雜波背景下的弱靜止目標(biāo)檢測(cè)是毫米波雷達(dá)fod檢測(cè)系統(tǒng)面臨的關(guān)鍵問(wèn)題之一，目前通常采用恒虛警檢測(cè)算法(constantfalsealarmrate,cfar)，包括以單元平均恒虛警(cellaveragingconstantfalsealarmrate,ca-cfar)為代表的空域cfar和以雜波圖恒虛警為代表的時(shí)域cfar。然而，由于機(jī)場(chǎng)跑道散射特性較為復(fù)雜，導(dǎo)致cfar類(lèi)方法在fod檢測(cè)過(guò)程中出現(xiàn)虛警的概率較大，這時(shí)只能通過(guò)視頻或人工進(jìn)行逐個(gè)排查，造成時(shí)間資源的浪費(fèi)。如何降低fod檢測(cè)系統(tǒng)的虛警概率是目前研究的熱點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題是：針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題，提供一種基于特征譜特征的機(jī)場(chǎng)跑道異物檢測(cè)方法及裝置。實(shí)現(xiàn)在于實(shí)現(xiàn)低虛警概率下的fod檢測(cè)。

本發(fā)明采用的技術(shù)方案如下：

一種基于特征譜特征的機(jī)場(chǎng)跑道異物檢測(cè)方法包括：

以跑道基準(zhǔn)背景數(shù)據(jù)作為雜波圖參考數(shù)據(jù)，對(duì)跑道雷達(dá)數(shù)據(jù)進(jìn)行雜波圖恒虛警處理；

對(duì)跑道雷達(dá)數(shù)據(jù)雜波圖恒虛警處理后的數(shù)據(jù)進(jìn)行分類(lèi)，分為背景雜波信號(hào)和包括虛警信號(hào)的fod回波；

對(duì)背景雜波信號(hào)和fod回波信號(hào)分別進(jìn)行特征值計(jì)算，然后根據(jù)相應(yīng)特征值提取對(duì)應(yīng)特征并形成對(duì)應(yīng)特征向量；

將背景雜波信號(hào)對(duì)應(yīng)的特征向量以及背景雜波信號(hào)標(biāo)號(hào)進(jìn)行分類(lèi)器訓(xùn)練，得到該分類(lèi)器參數(shù)；

將fod回波信號(hào)特征值對(duì)應(yīng)的特征向量通過(guò)分類(lèi)器參數(shù)，判斷fod回波中是否有fod，實(shí)現(xiàn)對(duì)跑道fod檢測(cè)。

進(jìn)一步的，通過(guò)檢測(cè)門(mén)限將雜波圖恒虛警處理后的數(shù)據(jù)分為背景雜波信號(hào)和fod回波。

進(jìn)一步的，所述檢測(cè)門(mén)限獲取過(guò)程是：

對(duì)獲取所述跑道基準(zhǔn)背景數(shù)據(jù)的同一跑道進(jìn)行第二次空掃，獲得跑道更新背景數(shù)據(jù)；

將所述跑道基準(zhǔn)背景數(shù)據(jù)作為雜波圖參考數(shù)據(jù)，對(duì)跑道更新背景數(shù)據(jù)進(jìn)行雜波圖恒虛警處理；

然后對(duì)跑道更新背景數(shù)據(jù)做雜波圖恒虛警處理后的信號(hào)求平均功率值，則該平均功率值為檢測(cè)門(mén)限。

進(jìn)一步的，所述特征值計(jì)算過(guò)程是：

s＝[s1,s2,...,sn]^t計(jì)算自相關(guān)矩陣r；

其中，sk為s第k個(gè)時(shí)刻的值，k＝1,2,...,n，n為信號(hào)維度，上標(biāo)t表示矩陣轉(zhuǎn)置；

對(duì)自相關(guān)矩陣r進(jìn)行特征值分解得到特征譜λr為自相關(guān)矩陣的第r個(gè)特征值；

其中，表示向下取整，且

當(dāng)s若代表背景雜波信號(hào)，則λr為背景雜波信號(hào)自相關(guān)矩陣的第r個(gè)特征值；

當(dāng)s若代表fod回波信號(hào)，則λr為fod回波信號(hào)自相關(guān)矩陣的第r個(gè)特征值。

進(jìn)一步的，所述特征向量f＝{feature1,feature2}形成過(guò)程是：

若對(duì)背景雜波數(shù)據(jù)λr計(jì)算對(duì)應(yīng)的特征向量，則f代表背景雜波數(shù)據(jù)特征向量；

若對(duì)fod回波信號(hào)λr計(jì)算對(duì)應(yīng)的特征向量，則f代表fod回波信號(hào)特征向量；

其中，feature1是最大特征值歸一化后的特征值和：feature2是累計(jì)貢獻(xiàn)率達(dá)98％時(shí)的大特征值個(gè)數(shù)。

進(jìn)一步的，判斷fod回波中是否有fod具體過(guò)程是：

使用背景雜波數(shù)據(jù)特征向量對(duì)應(yīng)的兩個(gè)特征以及背景雜波數(shù)據(jù)標(biāo)號(hào)訓(xùn)練分類(lèi)器，得到分類(lèi)器參數(shù)；

根據(jù)分類(lèi)器參數(shù)獲取最優(yōu)分類(lèi)面，并根據(jù)最優(yōu)分類(lèi)面對(duì)fod回波的特征值向量進(jìn)行判斷，其中，虛警信號(hào)全部落在最優(yōu)分類(lèi)面內(nèi)，若最優(yōu)分類(lèi)面外無(wú)信號(hào)，則表明飛機(jī)起飛前，跑道中沒(méi)有fod，否則，表明飛機(jī)起飛前，跑到中存在fod。

一種基于特征譜特征的機(jī)場(chǎng)跑道異物檢測(cè)裝置包括：

雜波圖恒虛警處理模塊，用于以跑道基準(zhǔn)背景數(shù)據(jù)作為雜波圖參考數(shù)據(jù)，對(duì)跑道雷達(dá)數(shù)據(jù)進(jìn)行雜波圖恒虛警處理；

信號(hào)分類(lèi)模塊：用于對(duì)跑道雷達(dá)數(shù)據(jù)雜波圖恒虛警處理后的數(shù)據(jù)進(jìn)行分類(lèi)，分為背景雜波信號(hào)和包括虛警信號(hào)的fod回波；

特征向量提取模塊，用于對(duì)背景雜波信號(hào)和fod回波信號(hào)分別進(jìn)行特征值計(jì)算，然后根據(jù)相應(yīng)特征值提取對(duì)應(yīng)特征并形成對(duì)應(yīng)特征向量；

分類(lèi)器訓(xùn)練步驟，用于將背景雜波信號(hào)對(duì)應(yīng)的特征向量以及背景雜波信號(hào)標(biāo)號(hào)進(jìn)行分類(lèi)器訓(xùn)練，得到該分類(lèi)器參數(shù)；

跑道fod檢測(cè)模塊，用于將fod回波信號(hào)特征值對(duì)應(yīng)的特征向量通過(guò)分類(lèi)器參數(shù)，判斷fod回波中是否有fod，實(shí)現(xiàn)對(duì)跑道fod檢測(cè)。

進(jìn)一步的，通過(guò)檢測(cè)門(mén)限將雜波圖恒虛警處理后的數(shù)據(jù)分為背景雜波信號(hào)和fod回波。

進(jìn)一步的，所述特征值計(jì)算過(guò)程是：

s＝[s1,s2,...,sn]^t計(jì)算自相關(guān)矩陣r；

其中，sk為s第k個(gè)時(shí)刻的值，k＝1,2,...,n，n為信號(hào)維度，上標(biāo)t表示矩陣轉(zhuǎn)置；

對(duì)自相關(guān)矩陣r進(jìn)行特征值分解得到特征譜λr為自相關(guān)矩陣的第r個(gè)特征值；

其中，表示向下取整，且

當(dāng)s若代表背景雜波信號(hào)，則λr為背景雜波信號(hào)自相關(guān)矩陣的第r個(gè)特征值；

當(dāng)s若代表fod回波信號(hào)，則λr為fod回波信號(hào)自相關(guān)矩陣的第r個(gè)特征值。

進(jìn)一步的，判斷fod回波中是否有fod具體過(guò)程是：

使用背景雜波數(shù)據(jù)特征向量對(duì)應(yīng)的兩個(gè)特征以及背景雜波數(shù)據(jù)標(biāo)號(hào)訓(xùn)練分類(lèi)器，得到分類(lèi)器參數(shù)；

根據(jù)分類(lèi)器參數(shù)獲取最優(yōu)分類(lèi)面，并根據(jù)最優(yōu)分類(lèi)面對(duì)fod回波的特征值向量進(jìn)行判斷，其中，虛警信號(hào)全部落在最優(yōu)分類(lèi)面內(nèi)，若最優(yōu)分類(lèi)面外無(wú)信號(hào)，則表明飛機(jī)起飛前，跑道中沒(méi)有fod，否則，表明飛機(jī)起飛前，跑到中存在fod。

綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

利用雜波圖恒虛警(constantfalsealarmrate,cfar)將跑道雷達(dá)數(shù)據(jù)中的背景雜波信號(hào)和fod回波(包含虛警)區(qū)分開(kāi)，然后提取特征譜特征將在回波域中差異較小的fod回波和虛警回波轉(zhuǎn)換到區(qū)分性更大的特征域，進(jìn)而通過(guò)分類(lèi)器進(jìn)行識(shí)別，判斷跑道是否存在fod。

由于檢測(cè)門(mén)限也是根據(jù)同一跑道同一未知區(qū)域兩次空掃獲得的門(mén)限值，用這個(gè)檢測(cè)門(mén)限值去區(qū)分跑道雷達(dá)數(shù)據(jù)中的背景雜波信號(hào)和包括虛警的fod回波，才能使得基準(zhǔn)相同，誤差最小。

附圖說(shuō)明

本發(fā)明將通過(guò)例子并參照附圖的方式說(shuō)明，其中：

圖1是本發(fā)明的流程圖。

圖2a是雜波圖恒虛警處理之前跑道雷達(dá)數(shù)據(jù)。

圖2b是雜波圖恒虛警處理之后fod回波。

圖3是二維特征分布圖。

圖4是通過(guò)本發(fā)明檢測(cè)的分類(lèi)結(jié)果。

具體實(shí)施方式

本說(shuō)明書(shū)中公開(kāi)的所有特征，或公開(kāi)的所有方法或過(guò)程中的步驟，除了互相排斥的特征和/或步驟以外，均可以以任何方式組合。

本說(shuō)明書(shū)中公開(kāi)的任一特征，除非特別敘述，均可被其他等效或具有類(lèi)似目的的替代特征加以替換。即，除非特別敘述，每個(gè)特征只是一系列等效或類(lèi)似特征中的一個(gè)例子而已。

本發(fā)明相關(guān)說(shuō)明：

1、跑道背景數(shù)據(jù)指的是人工對(duì)待測(cè)機(jī)場(chǎng)跑道進(jìn)行檢查后，確認(rèn)跑到中不存在fod，此時(shí)雷達(dá)進(jìn)行空掃，記錄作為跑道背景數(shù)據(jù)；

2、跑道雷達(dá)數(shù)據(jù)指的是在飛機(jī)起飛前，對(duì)與空掃獲得跑道背景數(shù)據(jù)的同一跑道，進(jìn)行實(shí)測(cè)雷達(dá)掃描，獲得跑道雷達(dá)數(shù)據(jù)；

3、檢測(cè)門(mén)限獲取步驟：

所述檢測(cè)門(mén)限獲取過(guò)程是：

對(duì)獲取所述跑道基準(zhǔn)背景數(shù)據(jù)的同一跑道進(jìn)行第二次空掃，獲得跑道更新背景數(shù)據(jù)；

將所述跑道基準(zhǔn)背景數(shù)據(jù)作為雜波圖參考數(shù)據(jù)，并對(duì)跑道更新背景數(shù)據(jù)進(jìn)行雜波圖恒虛警處理；

然后對(duì)跑道更新背景數(shù)據(jù)做雜波圖恒虛警處理后的信號(hào)求平均功率值，則該平均功率值為檢測(cè)門(mén)限。

本發(fā)明實(shí)現(xiàn)過(guò)程：

步驟1，雷達(dá)空掃，記錄背景雜波數(shù)據(jù)，用作雜波圖參考數(shù)據(jù)：

首先通過(guò)人工對(duì)待測(cè)機(jī)場(chǎng)跑道進(jìn)行檢查，確認(rèn)跑道中不存在fod，此時(shí)雷達(dá)進(jìn)行空掃，記錄初始背景數(shù)據(jù)，用作雜波圖參考數(shù)據(jù)

步驟2，雜波圖恒虛警處理：

在飛機(jī)起飛前，對(duì)機(jī)場(chǎng)跑道進(jìn)行掃描，利用步驟1得到的背景雜波數(shù)據(jù)作雜波圖恒虛警處理，根據(jù)是否超過(guò)檢測(cè)門(mén)限，將雷達(dá)錄取的數(shù)據(jù)分成fod回波(包括虛警)和背景雜波信號(hào)，在步驟5中，背景雜波信號(hào)將被用作訓(xùn)練數(shù)據(jù)，fod回波(包括虛警)將被用作測(cè)試數(shù)據(jù)。

步驟3，計(jì)算信號(hào)的特征譜：

1).對(duì)經(jīng)過(guò)雜波圖恒虛警處理后的信號(hào)s＝[s1,s2,...,sn]^t進(jìn)行滑窗，窗長(zhǎng)為得到矩陣其中，sk為s第k個(gè)時(shí)刻的值，k＝1,2,...,n，n為信號(hào)維度，為第i次滑窗得到的數(shù)據(jù)，長(zhǎng)度為且上標(biāo)t表示矩陣轉(zhuǎn)置，表示向下取整；

2).利用矩陣e計(jì)算得到信號(hào)的自相關(guān)矩陣其中，上標(biāo)h表示矩陣復(fù)共軛轉(zhuǎn)置；

3).對(duì)信號(hào)的自相關(guān)矩陣r做特征值分解，獲得特征譜其中，λr為自相關(guān)矩陣r的第r個(gè)特征值，且

步驟4，特征提?。?/p>

對(duì)步驟3中得到的特征譜提取兩種用于分類(lèi)的特征：

第一種是最大特征值歸一化后的特征值和：

第二種是累計(jì)貢獻(xiàn)率達(dá)98％時(shí)的大特征值個(gè)數(shù)：

其中arg(·)為取標(biāo)號(hào)運(yùn)算。

步驟5，對(duì)訓(xùn)練樣本集提取上述兩種特征，并利用兩種特征訓(xùn)練分類(lèi)器。

對(duì)訓(xùn)練樣本進(jìn)行特征提取后，得到用于訓(xùn)練分類(lèi)器的兩種特征。將用于訓(xùn)練分類(lèi)器的兩種特征組成一個(gè)特征向量：f＝{feature1,feature2}。選取分類(lèi)器進(jìn)行分類(lèi)的訓(xùn)練過(guò)程，其中，分類(lèi)器包括：支持向量機(jī)、相關(guān)向量機(jī)和最小最大概率機(jī)等，本步驟以最小最大概率機(jī)為例，描述分類(lèi)器的訓(xùn)練過(guò)程步驟如下：使用從訓(xùn)練樣本集中提取的兩種特征以及樣本標(biāo)號(hào)訓(xùn)練最小最大概率機(jī)，得到最優(yōu)的分類(lèi)器參數(shù)aopt和bopt。其中aopt為最小最大概率機(jī)的最優(yōu)解；bopt＝1；

步驟6：判斷測(cè)試樣本(fod回波)中是否有fod具體過(guò)程是：

使用訓(xùn)練樣本(背景雜波數(shù)據(jù))特征向量對(duì)應(yīng)的兩個(gè)特征以及訓(xùn)練樣本(背景雜波數(shù)據(jù))標(biāo)號(hào)訓(xùn)練分類(lèi)器，得到分類(lèi)器參數(shù)；

根據(jù)分類(lèi)器參數(shù)獲取最優(yōu)分類(lèi)面，并根據(jù)最優(yōu)分類(lèi)面對(duì)測(cè)試樣本(fod回波)的特征向量進(jìn)行判斷，其中，虛警信號(hào)全部落在最優(yōu)分類(lèi)面內(nèi)，若最優(yōu)分類(lèi)面外無(wú)信號(hào)，則表明飛機(jī)起飛前，跑道中沒(méi)有fod，否則，表明飛機(jī)起飛前，跑到中存在fod。具體實(shí)施例一，對(duì)測(cè)試樣本(fod回波)提取兩種特征feature1,feature2，并利用訓(xùn)練好的分類(lèi)器對(duì)用于測(cè)試的兩種特征進(jìn)行分類(lèi)。

對(duì)于測(cè)試樣本，利用已經(jīng)訓(xùn)練好的最小最大概率機(jī)按如下步驟對(duì)其進(jìn)行分類(lèi)：

6a)對(duì)于測(cè)試樣本進(jìn)行特征提取，得到用于測(cè)試的由所述兩種特征構(gòu)成的特征向量f＝{feature1,feature2}；

6b)將從測(cè)試樣本中提取的特征向量f輸入到訓(xùn)練好的最小最大概率機(jī)中，得到最小最大概率機(jī)分類(lèi)器參數(shù)aopt和bopt；其中aopt為最小最大概率機(jī)的最優(yōu)解；bopt＝1；

按下式得到最小最大概率機(jī)分類(lèi)器輸出：

式中，aopt,bopt為訓(xùn)練過(guò)程得到的參數(shù)；

6c)根據(jù)最小最大概率機(jī)的輸出y(f)確定類(lèi)別標(biāo)號(hào)，y(f)小于等于0，則表示fod回波是虛警，無(wú)fod；若y(f)大于0，則表明fod回波是fod。

具體實(shí)施例二：(可以代替步驟61的實(shí)現(xiàn)過(guò)程)；對(duì)測(cè)試樣本集提取兩種特征，并利用訓(xùn)練好的分類(lèi)器對(duì)用于測(cè)試的兩種特征進(jìn)行分類(lèi)。

對(duì)于測(cè)試樣本，利用已經(jīng)訓(xùn)練好的最小最大概率機(jī)按如下步驟對(duì)其進(jìn)行分類(lèi)：6a)對(duì)于測(cè)試樣本進(jìn)行特征提取，得到用于測(cè)試的由所述兩種特征構(gòu)成的特征向量f＝{feature1,feature2}；

6b)使用背景雜波數(shù)據(jù)特征向量對(duì)應(yīng)的兩個(gè)特征以及背景雜波數(shù)據(jù)標(biāo)號(hào)訓(xùn)練最小最大概率機(jī)分類(lèi)器，得到最小最大概率機(jī)分類(lèi)器參數(shù)aopt和bopt；其中aopt為最小最大概率機(jī)的最優(yōu)解；bopt＝1；

6c)根據(jù)參數(shù)aopt和bopt獲取最優(yōu)分類(lèi)面，并根據(jù)最優(yōu)分類(lèi)面對(duì)fod回波特征向量進(jìn)行判斷，其中，虛警信號(hào)全部落在最優(yōu)分類(lèi)面內(nèi)，若最優(yōu)分類(lèi)面外無(wú)信號(hào)，則表明飛機(jī)起飛前，跑道中沒(méi)有fod，否則，表明飛機(jī)起飛前，跑到中存在fod。

上述實(shí)例是對(duì)提取的特征使用了最小最大概率機(jī)進(jìn)行目標(biāo)分類(lèi)，在實(shí)際中，分類(lèi)器還可以根據(jù)實(shí)際情況選取如相關(guān)向量機(jī)，線性判決分析，k近鄰分類(lèi)器等其他分類(lèi)算法，分類(lèi)過(guò)程與最小最大概率機(jī)類(lèi)似。

1.實(shí)驗(yàn)場(chǎng)景：

首先，人工對(duì)機(jī)場(chǎng)跑道進(jìn)行檢查，確認(rèn)其中不含fod，此時(shí)雷達(dá)進(jìn)行空掃，記錄背景數(shù)據(jù)，用作雜波圖。然后在距離雷達(dá)40/50/60/65/68米處各放置1個(gè)高爾夫球，利用雷達(dá)對(duì)跑道進(jìn)行掃描，記錄得到的雷達(dá)數(shù)據(jù)。

2.實(shí)驗(yàn)內(nèi)容：

2.1)利用存儲(chǔ)的雜波圖數(shù)據(jù)對(duì)雷達(dá)錄取信號(hào)作雜波圖恒虛警處理，得到結(jié)果如圖2所示。其中，圖2a表示作雜波圖恒虛警之前的數(shù)據(jù)，圖2b表示對(duì)圖2a數(shù)據(jù)利用背景雜波作雜波圖恒虛警后的數(shù)據(jù)。

2.2)根據(jù)雜波圖恒虛警結(jié)果，將雷達(dá)錄取的數(shù)據(jù)分成兩類(lèi)，背景雜波數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，提取兩種特征，fod回波(包括虛警)作為測(cè)試數(shù)據(jù)，提取兩種特征，如圖3所示。其中，黑色圓圈表示的是對(duì)背景雜波信號(hào)提取的feature1和feature2的值，星形表示的是對(duì)虛警信號(hào)提取的feature1和feature2的值，方框形表示的是對(duì)fod回波提取feature1和feature2的值。

2.3)利用訓(xùn)練數(shù)據(jù)(背景雜波)提取的特征訓(xùn)練最小最大概率機(jī)，并對(duì)fod回波及虛警進(jìn)行分類(lèi)，得到分類(lèi)結(jié)果，如圖4所示。其中，黑色圓圈表示的是背景雜波特征向量，將其作為訓(xùn)練樣本訓(xùn)練最小最大概率機(jī)分類(lèi)器，得到圖中黑色實(shí)線表示的最優(yōu)分類(lèi)面，然后利用該最優(yōu)分類(lèi)面對(duì)方框表示的fod和星形表示的虛警進(jìn)行判斷，得到判決結(jié)果。

3.實(shí)驗(yàn)結(jié)果分析：

從圖2中可以看出，經(jīng)過(guò)雜波圖恒虛警后，40、50、60、65米處的目標(biāo)回波幅度要明顯強(qiáng)于背景雜波的強(qiáng)度，68米處目標(biāo)回波雖然較弱，但仍可以被檢測(cè)到，但是在圖2b中，在距離雷達(dá)約4米，26米等距離處有能量較低的虛警存在，也就是說(shuō)傳統(tǒng)雜波圖恒虛警算法來(lái)實(shí)現(xiàn)fod檢測(cè)會(huì)存在虛警的問(wèn)題。

從圖3中可以看出，通過(guò)特征提取，我們將在回波域中很難區(qū)分的fod和虛警變換到了區(qū)分性更大的特征域中；同時(shí)可以看出，在特征域，背景雜波和虛警的分布特性更為接近，也就是說(shuō)，在特征域可以將背景雜波和虛警作為一類(lèi)目標(biāo)，fod作為另一類(lèi)目標(biāo)進(jìn)行分類(lèi)。

從圖4中可以看出，全部fod回波均落在分類(lèi)面外，被判為fod，同時(shí)，全部虛警回波被包在了最優(yōu)分類(lèi)面以內(nèi)，被判為背景雜波，也就是說(shuō)，對(duì)于圖2給出的實(shí)測(cè)數(shù)據(jù)，利用本發(fā)明可以有效的消除虛警，從而實(shí)現(xiàn)低虛警概率條件下的fod檢測(cè)。

本發(fā)明并不局限于前述的具體實(shí)施方式。本發(fā)明擴(kuò)展到任何在本說(shuō)明書(shū)中披露的新特征或任何新的組合，以及披露的任一新的方法或過(guò)程的步驟或任何新的組合。