基于INet的雷达图像杂波抑制和目标检测方法

作     者：牟效乾 陈小龙 关键 周伟 刘宁波 董云龙 MOU Xiaoqian;CHEN Xiaolong;GUAN Jian;ZHOU Wei;LIU Ningbo;DONG Yunlong

作者机构：海军航空大学 

出 版 物：《雷达学报》 (Journal of Radars)

年 卷 期：2020年第9卷第4期

页      面：640-653页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(U1933135,61931021) 山东省重点研发计划(2019GSF111004,2019JZZY010415) 基础加强计划技术领域基金(2102024)~~ 

主　　题：雷达图像 动目标检测 杂波抑制 融合网络 帧间积累 

摘      要：强海杂波与海面目标的复杂特性使得海面目标回波微弱,有效的海杂波抑制和稳健快速的目标检测是雷达对海上目标探测需考虑的重要因素。然而,现有的海面目标检测算法对于复杂环境下的目标检测性能有限,环境和目标特性适应性差。该文设计了一种杂波抑制和目标检测融合网络(INet),通过层归一化-传递和连接方法提取关键目标特征,采用注意力网络抑制杂波和增强目标,构建跨阶段局部残差网络保证检测网络的轻量化和准确性。基于导航雷达在多种观测条件下采集的回波数据,构建了海面目标雷达图像数据集;通过模型的预训练和平面位置显示器(PPI)图像的帧间积累对INet进行了优化,得到了Optimized INet(O-INet)模型。经过多种天气条件下实测数据测试和验证,并与YOLOv3, YOLOv4,双参数CFAR和二维CA-CFAR对比后证明,所提方法在提高检测概率、降低虚警率和复杂条件下的强泛化能力有显著优势。