阅读说明：本技术 一种混合分布模型杂波图目标检测方法和装置 (Hybrid distribution model clutter map target detection method and device ) 是由 赵光辉 韩冰鑫 王迎斌 沈方芳 于 2019-07-12 设计创作，主要内容包括：本发明提供了一种混合分布模型杂波图目标检测方法和装置,通过统计计算多批杂波数据的幅值范围及方差,初始化三种分布模型的权重,对多批杂波数据进行并行处理；通过初始化各分布模型对新一批杂波数据点进行判断,是否与所述三种分布模型之一匹配,对全部杂波数据进行并行处理；若新一批杂波数据点与三种分布模型之一匹配,更新分布模型,对全部杂波数据进行并行处理；若不匹配更新权重,确定新一批杂波数据点为非目标数据,对全部杂波数据进行并行处理；更新后分布模型对下一组数据循环判断,解决传统杂波抑制技术对频谱较宽的目标检测效果不好、对目标周围的检测不干净的问题,达到极大提高目标检测的性能,降低虚警,具有实时性的技术效果。(The invention provides a hybrid distribution model clutter map target detection method and device, which initializes the weight of three distribution models by counting the amplitude range and variance of multiple batches of clutter data and processes the multiple batches of clutter data in parallel; judging a new batch of clutter data points by initializing each distribution model, and performing parallel processing on all clutter data by judging whether the new batch of clutter data points are matched with one of the three distribution models; if the new group of clutter data points are matched with one of the three distribution models, updating the distribution model, and performing parallel processing on all clutter data; if the updated weights are not matched, determining a new group of clutter data points as non-target data, and performing parallel processing on all clutter data; the updated distribution model judges the next group of data in a circulating manner, so that the problems that the traditional clutter suppression technology is poor in target detection effect on a wide frequency spectrum and incomplete in detection around the target are solved, the target detection performance is greatly improved, the false alarm is reduced, and the technical effect of real-time performance is achieved.)

一种混合分布模型杂波图目标检测方法和装置

技术领域

本发明涉及雷达信号处理技术领域，尤其涉及一种混合分布模型杂波图目标检测方法和装置。

背景技术

现如今雷达工作环境越来越复杂，一般情况下，雷达需要探测的目标具有一定的速度，这些目标所处的环境十分复杂，存在其他静止与运动的物体，从而产生杂波。雷达接收的目标信号会隐藏在这些杂波信号之中，使得检测目标的距离、速度、方位等信息时受到阻碍。目标检测方法主要为恒虚警CFAR 处理方法。CFAR是利用距离、多普勒、角度或雷达坐标的某种组合的相邻参考单元进行平均来估计电平。基本过程是对需要进行目标检测的单元内的噪声和干扰电平进行估计，并根据估计值设置门限，再与该检测单元信号进行比较，从而判断是否有目标。该方法效果较差，精度不高：对零多普勒频率的杂波和具有固定多普勒频率的杂波，检测效果较好，但对频谱较宽的杂波和目标周围的杂波，检测效果不好。在现阶段的雷达信号处理领域，如何实现高精准的目标探测是所有雷达从业人员的共同目标。目前，目标检测处理算法可运用CPU平台与GPU平台两种处理方式，基于CPU平台，由于数据量过大，受CPU硬件的限制，实时性无法保证；基于GPU平台，利用GPU强大的并行处理的能力，可以对数据进行并行处理，以达到实时性的目的。

但本发明申请人发现现有技术至少存在如下技术问题：

现有技术中杂波抑制技术对频谱较宽的目标检测效果不好、对目标周围的检测不干净的技术问题。

发明内容

本发明实施例提供了一种混合分布模型杂波图目标检测方法和装置，解决了现有技术中杂波抑制技术对频谱较宽的目标检测效果不好、对目标周围的检测不干净的技术问题。

鉴于上述问题，提出了本申请实施例以便提供一种混合分布模型杂波图目标检测方法和装置。

第一方面，本发明提供了一种混合分布模型杂波图目标检测方法，所述方法包括：统计计算多批杂波数据的幅值范围及方差，将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，对所述多批杂波数据进行并行处理；对新一批杂波数据点进行判断，通过初始化各分布模型的均值、方差信息，判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型之一匹配，更新所述分布模型的均值、方差及权重，同时判断所述新一批杂波数据点是否为目标数据，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型均不匹配，更新所述三种分布模型的权重，确定所述新一批杂波数据点为非目标数据，对全部杂波数据进行并行处理；根据更新后的分布模型对下一组数据进行循环判断，确定数据是否为目标数据。

优选的，所述将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，包括：连续取多批杂波数据，获得所述多批杂波数据中每一个数据点的最大值与最小值；在所述最大值与所述最小值之间均匀取3个数值，分别作为所述三种分布模型的均值

获得所述多批杂波数据的方差，将所述方差初始化为所述三种分布模型的方差δ；获得所述三种分布模型的初始权重w，且所述三种分布模型的权重之和为1。

优选的，所述判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，包括：若所述新一批杂波数据点满足下列条件，确定所述新一批杂波数据点与所述三种分布模型之一匹配：

其中表示第i个杂波数据点对应的第j个分布模型的均值，x_i表示第i个杂波数据，D表示分布的宽度，

表示第i个数据点对应的第j个分布模型的方差。

优选的，所述若所述新一批杂波数据点与所述三种分布模型之一匹配，包括：对匹配到的分布模型的权重进行更新；对所述匹配到的分布模型的均值进行更新；对所述匹配到的分布模型的方差进行更新；若所述新一批杂波数据点满足下列条件，确定所述新一批杂波数据点为目标点：

其中，

表示第i个杂波数据点对应的第j个分布模型的均值，x_i表示第i 个杂波数据。

优选的，所述若所述新一批杂波数据点与述三种分布模型均不匹配，包括：对未匹配到的分布模型的权重进行更新；对全部杂波数据点对应的分布模型的均值、方差、权重进行更新以及目标数据的判断。

第二方面，本发明提供了一种混合分布模型杂波图目标检测装置，所述装置包括：

第一处理单元，所述第一处理单元用于统计计算多批杂波数据的幅值范围及方差，将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，对所述多批杂波数据进行并行处理；

第一判断单元，所述第一判断单元用于对新一批杂波数据点进行判断，通过初始化各分布模型的均值、方差信息，判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，对全部杂波数据进行并行处理；

第二处理单元，所述第二处理单元用于若所述新一批杂波数据点与所述三种分布模型之一匹配，更新所述分布模型的均值、方差及权重，同时判断所述新一批杂波数据点是否为目标数据，对全部杂波数据进行并行处理；

第三处理单元，所述第三处理单元用于若所述新一批杂波数据点与所述三种分布模型均不匹配，更新所述三种分布模型的权重，确定所述新一批杂波数据点为非目标数据，对全部杂波数据进行并行处理；

第一确定单元，所述第一确定单元用于根据更新后的分布模型对下一组数据进行循环判断，确定数据是否为目标数据。

优选的，所述装置还包括：

第一获得单元，所述第一获得单元用于连续取多批杂波数据，获得所述多批杂波数据中每一个数据点的最大值与最小值；

第一均值单元，所述第一均值单元用于在所述最大值与所述最小值之间均匀取3个数值，分别作为所述三种分布模型的均值

第二获得单元，所述第二获得单元用于获得所述多批杂波数据的方差，将所述方差初始化为所述三种分布模型的方差δ；

第三获得单元，所述第三获得单元用于获得所述三种分布模型的初始权重w，且所述三种分布模型的权重之和为1。

优选的，所述装置还包括：

第二确定单元，所述第二确定单元用于若所述新一批杂波数据点满足下列条件，确定所述新一批杂波数据点与所述三种分布模型之一匹配：

其中

表示第i个杂波数据点对应的第j个分布模型的均值，x_i表示第i个杂波数据，D表示分布的宽度，

表示第i个数据点对应的第j个分布模型的方差。

优选的，所述装置还包括：

第一更新单元，所述第一更新单元用于对匹配到的分布模型的权重进行更新；

第二更新单元，所述第二更新单元用于对所述匹配到的分布模型的均值进行更新；

第三更新单元，所述第三更新单元用于对所述匹配到的分布模型的方差进行更新；

第三确定单元，第三确定单元用于若所述新一批杂波数据点满足下列条件，确定所述新一批杂波数据点为目标点：

其中，表示第i个杂波数据点对应的第j个分布模型的均值，x_i表示第i 个杂波数据。

优选的，所述装置还包括：

第四更新单元，所述第四更新单元用于对未匹配到的分布模型的权重进行更新；

第一执行单元，所述第一执行单元用于对全部杂波数据点对应的分布模型的均值、方差、权重进行更新以及目标数据的判断。

第三方面，本发明提供了一种混合分布模型杂波图目标检测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：统计计算多批杂波数据的幅值范围及方差，将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，对所述多批杂波数据进行并行处理；对新一批杂波数据点进行判断，通过初始化各分布模型的均值、方差信息，判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型之一匹配，更新所述分布模型的均值、方差及权重，同时判断所述新一批杂波数据点是否为目标数据，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型均不匹配，更新所述三种分布模型的权重，确定所述新一批杂波数据点为非目标数据，对全部杂波数据进行并行处理；根据更新后的分布模型对下一组数据进行循环判断，确定数据是否为目标数据。

第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：统计计算多批杂波数据的幅值范围及方差，将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，对所述多批杂波数据进行并行处理；对新一批杂波数据点进行判断，通过初始化各分布模型的均值、方差信息，判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型之一匹配，更新所述分布模型的均值、方差及权重，同时判断所述新一批杂波数据点是否为目标数据，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型均不匹配，更新所述三种分布模型的权重，确定所述新一批杂波数据点为非目标数据，对全部杂波数据进行并行处理；根据更新后的分布模型对下一组数据进行循环判断，确定数据是否为目标数据。

本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：

本发明实施例提供的一种混合分布模型杂波图目标检测方法和装置，通过统计计算多批杂波数据的幅值范围及方差，将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，对所述多批杂波数据进行并行处理；对新一批杂波数据点进行判断，通过初始化各分布模型的均值、方差信息，判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型之一匹配，更新所述分布模型的均值、方差及权重，同时判断所述新一批杂波数据点是否为目标数据，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型均不匹配，更新所述三种分布模型的权重，确定所述新一批杂波数据点为非目标数据，对全部杂波数据进行并行处理；根据更新后的分布模型对下一组数据进行循环判断，确定数据是否为目标数据。现有技术中杂波抑制技术对频谱较宽的目标检测效果不好、对目标周围的检测不干净的技术问题

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的

具体实施方式

。

附图说明

图1为本发明实施例中一种混合分布模型杂波图目标检测方法的流程示意图；

图2为本发明实施例中传统方法杂波处理的结果图；

图3为本发明实施例中一种混合分布模型杂波图目标检测方法的杂波处理结果图；

图4为本发明实施例中一种混合分布模型杂波图目标检测装置的结构示意图；

图5为本发明实施例中另一种混合分布模型杂波图目标检测装置的结构示意图。

附图标记说明：第一处理单元11，第一判断单元12，第二处理单元13，第三处理单元14，第一确定单元15，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。

具体实施方式

本发明实施例提供了一种混合分布模型杂波图目标检测方法和装置，用于解决现有技术中杂波抑制技术对频谱较宽的目标检测效果不好、对目标周围的检测不干净的技术问题。

本发明提供的技术方案总体思路如下：

统计计算多批杂波数据的幅值范围及方差，将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，对所述多批杂波数据进行并行处理；对新一批杂波数据点进行判断，通过初始化各分布模型的均值、方差信息，判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型之一匹配，更新所述分布模型的均值、方差及权重，同时判断所述新一批杂波数据点是否为目标数据，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型均不匹配，更新所述三种分布模型的权重，确定所述新一批杂波数据点为非目标数据，对全部杂波数据进行并行处理；根据更新后的分布模型对下一组数据进行循环判断，确定数据是否为目标数据。

应理解，本发明实施例中，所述图形处理器(英语：Graphics Processing Unit，缩写：GPU)，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上图像运算工作的微处理器。用途是将计算机系统所需要的显示信息进行转换驱动，并向显示器提供行扫描信号，控制显示器的正确显示，是连接显示器和个人电脑主板的重要元件，也是“人机对话”的重要设备之一。显卡作为电脑主机里的一个重要组成部分，承担输出显示图形的任务，对于从事专业图形设计的人来说显卡非常重要。

应理解，本发明实施例中，所述Kernel为操作系统内核，是指大多数操作系统的核心部分。它由操作系统中用于管理存储器、文件、外设和系统资源的那些部分组成。操作系统内核通常运行进程，并提供进程间的通信。

Kernel函数为核函数，支持向量机通过某非线性变换φ(x)，将输入空间映射到高维特征空间。特征空间的维数可能非常高。如果支持向量机的求解只用到内积运算，而在低维输入空间又存在某个函数K(x,x′)，它恰好等于在高维空间中这个内积，即K(x,x′)＝<φ(x)·φ(x′)>。那么支持向量机就不用计算复杂的非线性变换，而由这个函数K(x,x′)直接得到非线性变换的内积，使大大简化了计算。这样的函数K(x,x′)称为核函数。

下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

实施例一

图1为本发明实施例中一种混合分布模型杂波图目标检测方法的流程示意图。如图1所示，本发明实施例提供了一种混合分布模型杂波图目标检测方法，所述方法包括：

步骤110：统计计算多批杂波数据的幅值范围及方差，将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，对所述多批杂波数据进行并行处理。

进一步的，所述将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，包括：连续取多批杂波数据，获得所述多批杂波数据中每一个数据点的最大值与最小值；在所述最大值与所述最小值之间均匀取3个数值，分别作为所述三种分布模型的均值x；获得所述多批杂波数据的方差，将所述方差初始化为所述三种分布模型的方差δ；获得所述三种分布模型的初始权重w，且所述三种分布模型的权重之和为1。

具体而言，首先进行初始化模型：连续取多批杂波数据，对于每一个数据点，在8组中求得最大值与最小值；在最大值与最小值之间均匀取3个数，分别作为三种分布模型的均值

计算杂波数据的幅值得到的方差初始化为三种分布模型的方差δ；根据经验给定三种分布模型的初始权重w，且3三种分布模型的权重之和为1；求模后数据维度为64×3360，进行初始化模型处理所对应kernel函数所需网格划分为grid(32,16),block(2,210)，即在GPU上共开启32×16×2×210个线程，每个线程完成每个元素对应分布模型的均值、方差和权值的初始化。

步骤120：对新一批杂波数据点进行判断，通过初始化各分布模型的均值、方差信息，判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，对全部杂波数据进行并行处理；

进一步的，所述判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，包括：若所述新一批杂波数据点满足下列条件，确定所述新一批杂波数据点与所述三种分布模型之一匹配：

其中表示第i个杂波数据点对应的第j个分布模型的均值，x_i表示第i个杂波数据，D表示分布的宽度，

表示第i个数据点对应的第j个分布模型的方差。

具体而言，进行模型匹配，若满足下列条件，即为与模型匹配：

其中

表示第i个数据点对应的第j个分布模型的均值，x_i表示第i个数据，D表示分布模型的宽度，

表示第i个数据点对应的第j个分布模型的方差。求模后数据维度为64×3360，进行模型匹配处理所对应kernel函数所需网格划分为grid(32,16),block(2,210)，即在GPU上共开启 32×16×2×210个线程，每个线程完成每个元素的模型匹配。Grid为网格，block为线程块，相当于把GPU上的计算单元分为若干个网格，每个网格内包含若干个线程块，每个线程块包含若干个线程。

步骤130：若所述新一批杂波数据点与所述三种分布模型之一匹配，更新所述分布模型的均值、方差及权重，同时判断所述新一批杂波数据点是否为目标数据，对全部杂波数据进行并行处理。

进一步的，所述若所述新一批杂波数据点与所述三种分布模型之一匹配，包括：对匹配到的分布模型的权重进行更新；对所述匹配到的分布模型的均值进行更新；对所述匹配到的分布模型的方差进行更新；若所述新一批杂波数据点满足下列条件，确定所述新一批杂波数据点为目标点：

其中，

表示第i个杂波数据点对应的第j个分布模型的均值，x_i表示第i 个杂波数据。

具体而言，匹配后的模型更新，分别为：对匹配到的分布模型的权重更新；对匹配到的分布模型的均值更新；对匹配到的分布模型的方差更新；若满足下列条件，即该数据点为目标点

其中，

表示第i个数据点对应的第j个分布模型的均值，x_i表示第i个数据。求模后数据维度为64×3360，进行模型更新处理所对应kernel函数所需网格划分为 grid(32,16),block(2,210)，即在GPU上共开启32×16×2×210个线程，每个线程完成每个元素对应单高斯分布的权重、方差、均值更新以及目标的判断。

步骤140：若所述新一批杂波数据点与所述三种分布模型均不匹配，更新所述三种分布模型的权重，确定所述新一批杂波数据点为非目标数据，对全部杂波数据进行并行处理。

进一步的，所述若所述新一批杂波数据点与述三种分布模型均不匹配，包括：对未匹配到的分布模型的权重进行更新；对全部杂波数据点对应的分布模型的均值、方差、权重进行更新以及目标数据的判断。

具体而言，未匹配模型更新，分别为：权重更新如下：

其中，

表示第i个数据点对应的第j个分布模型的权重，α表示权重更新速度；求模后数据维度为64×3360，进行模型更新处理所对应kernel函数所需网格划分为grid(32,16)，block(2,210)，即在GPU上共开启32×16×2×210个线程，每个线程完成每个元素对应单高斯分布的权重更新。

步骤150：根据更新后的分布模型对下一组数据进行循环判断，确定数据是否为目标数据。

具体而言，用更新后新的分布模型对下一组数据进行判断，循环步骤130- 步骤150，确定目标数据，利用CPU对元素点对应的模型进行并行处理，本发明的方法抛弃了传统杂波图目标检测处理方法，建立混合分布模型，从而极大的提高了目标检测的性能，降低虚警，同时大幅度的加快了处理时间，达到实时性的技术效果，从而解决了传统杂波抑制技术对频谱较宽的目标检测效果不好、对目标周围的检测不干净的技术问题。经过本发明实施例的方法进行实时性效果的实验，利用仿真实验对结果进行说明，通过CPU与GPU分别处理维度为的数据，从初始化模型到更新一次模型的用时比较，结果如下表，下表1为GPU与CPU实时性的对比结果。

表1

	CPU/ms	GPU/ms	加速比
				初始化模型	140.52	2.21	63.58
模型更新	113.32	1.90	59.64
				总时间	253.84	4.11	61.75

从表1中数据可以看出，对于相同的数据量，GPU相对于CPU处理速度提高了61多倍，大幅度的提高了数据处理时间，从而可以更好的达到实时性。

从图2与图3分别传统的方法与本发明杂波处理结果图，从距离—多普勒图中可以清晰的看到本发明结果图中目标点，同时检测出的虚假目标很少。

实施例二

基于与前述实施例中一种混合分布模型杂波图目标检测方法同样的发明构思，本发明还提供一种混合分布模型杂波图目标检测装置，如图4所示，所述装置包括：

第一处理单元11，所述第一处理单元11用于统计计算多批杂波数据的幅值范围及方差，将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，对所述多批杂波数据进行并行处理；

第一判断单元12，所述第一判断单元12用于对新一批杂波数据点进行判断，通过初始化各分布模型的均值、方差信息，判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，对全部杂波数据进行并行处理；

第二处理单元13，所述第二处理单元13用于若所述新一批杂波数据点与所述三种分布模型之一匹配，更新所述分布模型的均值、方差及权重，同时判断所述新一批杂波数据点是否为目标数据，对全部杂波数据进行并行处理；

第三处理单元14，所述第三处理单元14用于若所述新一批杂波数据点与所述三种分布模型均不匹配，更新所述三种分布模型的权重，确定所述新一批杂波数据点为非目标数据，对全部杂波数据进行并行处理；

第一确定单元15，所述第一确定单元15用于根据更新后的分布模型对下一组数据进行循环判断，确定数据是否为目标数据。

进一步的，所述装置还包括：

第一获得单元，所述第一获得单元用于连续取多批杂波数据，获得所述多批杂波数据中每一个数据点的最大值与最小值；

第一均值单元，所述第一均值单元用于在所述最大值与所述最小值之间均匀取3个数值，分别作为所述三种分布模型的均值x；

第二获得单元，所述第二获得单元用于获得所述多批杂波数据的方差，将所述方差初始化为所述三种分布模型的方差δ；

第三获得单元，所述第三获得单元用于获得所述三种分布模型的初始权重w，且所述三种分布模型的权重之和为1。

进一步的，所述装置还包括：

第二确定单元，所述第二确定单元用于若所述新一批杂波数据点满足下列条件，确定所述新一批杂波数据点与所述三种分布模型之一匹配：

其中

表示第i个杂波数据点对应的第j个分布模型的均值，x_i表示第i个杂波数据，D表示分布的宽度，表示第i个数据点对应的第j个分布模型的方差。

进一步的，所述装置还包括：

第一更新单元，所述第一更新单元用于对匹配到的分布模型的权重进行更新；

第二更新单元，所述第二更新单元用于对所述匹配到的分布模型的均值进行更新；

第三更新单元，所述第三更新单元用于对所述匹配到的分布模型的方差进行更新；

第三确定单元，第三确定单元用于若所述新一批杂波数据点满足下列条件，确定所述新一批杂波数据点为目标点：

其中，

表示第i个杂波数据点对应的第j个分布模型的均值，x_i表示第i 个杂波数据。

进一步的，所述装置还包括：

第四更新单元，所述第四更新单元用于对未匹配到的分布模型的权重进行更新；

第一执行单元，所述第一执行单元用于对全部杂波数据点对应的分布模型的均值、方差、权重进行更新以及目标数据的判断。

前述图1实施例一中的一种混合分布模型杂波图目标检测方法的各种变化方式和具体实例同样适用于本实施例的一种混合分布模型杂波图目标检测装置，通过前述对一种混合分布模型杂波图目标检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种混合分布模型杂波图目标检测装置的实施方法，所以为了说明书的简洁，在此不再详述。

实施例三

基于与前述实施例中一种混合分布模型杂波图目标检测方法同样的发明构思，本发明还提供一种混合分布模型杂波图目标检测装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种混合分布模型杂波图目标检测方法的任一方法的步骤。

其中，在图5中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口 306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

实施例四

基于与前述实施例中一种混合分布模型杂波图目标检测的方法同样的发明构思，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：统计计算多批杂波数据的幅值范围及方差，将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，对所述多批杂波数据进行并行处理；对新一批杂波数据点进行判断，通过初始化各分布模型的均值、方差信息，判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型之一匹配，更新所述分布模型的均值、方差及权重，同时判断所述新一批杂波数据点是否为目标数据，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型均不匹配，更新所述三种分布模型的权重，确定所述新一批杂波数据点为非目标数据，对全部杂波数据进行并行处理；根据更新后的分布模型对下一组数据进行循环判断，确定数据是否为目标数据。

在具体实施过程中，该程序被处理器执行时，还可以实现实施例一中的任一方法步骤。

本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：

本发明实施例提供的一种混合分布模型杂波图目标检测方法和装置，通过统计计算多批杂波数据的幅值范围及方差，将所述幅值范围及方差初始化为三种分布模型的均值、方差，初始化所述三种分布模型的权重，对所述多批杂波数据进行并行处理；对新一批杂波数据点进行判断，通过初始化各分布模型的均值、方差信息，判断所述新一批杂波数据点是否与所述三种分布模型之一匹配，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型之一匹配，更新所述分布模型的均值、方差及权重，同时判断所述新一批杂波数据点是否为目标数据，对全部杂波数据进行并行处理；若所述新一批杂波数据点与所述三种分布模型均不匹配，更新所述三种分布模型的权重，确定所述新一批杂波数据点为非目标数据，对全部杂波数据进行并行处理；根据更新后的分布模型对下一组数据进行循环判断，确定数据是否为目标数据。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。