基于深度自编码网络的慢速移动目标检测

刘 凯,林基明,2,郑 霖,杨 超

(1.桂林电子科技大学 广西无线宽带通信与信号处理重点实验室,广西 桂林 541004;2.梧州学院,广西 梧州 543002)

0 概述

强杂波背景(如树林、建筑群等环境)下的低速目标检测一直以来都是一个具有挑战性的课题,譬如:障碍物和目标的回波具有类似的电磁特性,严重的多径效应及低速特性,使得传统的动目标检测技术很难奏效。

从20世纪开始,国内外学者在该领域做了一系列探索,其中比较有效的方法主要有:基于传统信号处理和基于特征的模式分类。基于传统的信号处理技术通过统计特性以似然比检测(LRT)及其改进型作为主要技术手段[1],但必须构建准确的环境统计特性模型,而这对于时变乃至未知环境并不适用;或是从时域波形[2-3]、时频分析[4-5]和信息论[6-7]等角度来构建特征检测量,但其构建的RAKE结构雷达传感网,推导过于理想化,判别函数的实用性值得商榷,因此,对于强杂波淹没下的低速目标检测效果并不理想。而基于特征的检测方法则从模式识别的角度出发,利用传统信号处理结合数据约简技术提取特征,最后以机器学习算法构建检测器[8-11]。该方法虽然成功地将目标检测问题转化为模式分类问题,并取得了一定效果,但仍然存在一些问题。首先,所提取特征的有效性值得推敲,是否有利于后面的分类识别,或是否是最优、无冗余的,还有就是它们大多针对固定目标,对于位置变动的目标则没有涉及;其次,分类器的构建都是基于传统的浅层机器学习算法,这些算法对复杂函数的逼近能力有限,不能充分地挖掘和表示环境变化特征;最后,简单地将所提取的特征作为分类器的输入,并未考虑特征与分类器的组合性能。……