一种基于随机协方差矩阵的多亮点目标空时检测方法技术

本发明专利技术涉及一种基于随机协方差矩阵的多亮点目标空时检测方法，采用两步似然比检验准则求解检测问题，实现对多亮点目标回波的检测，该方法包括：由声纳阵接收的回波获取一组回波数据，将获取的上述一组回波数据作为待检测数据；假设在混响协方差矩阵和目标导向矢量已知情况下，将目标反射系数、干扰索引、目标索引的最大似然估计代入似然比函数得到第一检验统计量。根据上述混响协方差矩阵的逆服从逆复威沙特分布,得到该矩阵的最大后验估计，进而得到第二检验统计量，将其与门限值比较，完成目标有无判决。本发明专利技术通过对先验知识的充分利用，保证了在没有辅助数据存在的情况下高分辨率声纳系统的稳健性，以及对来自旁瓣干扰的抑制能力。

【技术实现步骤摘要】
一种基于随机协方差矩阵的多亮点目标空时检测方法
本专利技术涉及信号检测领域，尤其设计一种基于随机协方差矩阵的多亮点目标空时检测方法。
技术介绍
空时自适应检测(STAD)是以空时联合为框架、以目标检测为目的的自适应处理技术，它利用接收的观测数据计算检测统计量，直接判定目标的有无，从而实现了混响抑制与目标检测的一体化。从本质上讲，混响抑制是数据白化的过程，对于STAD，这一过程隐含在检测器中，所以不需要额外的混响抑制步骤。与先混响抑制后检测的空时自适应处理方法相比，STAD更能有效地利用观测数据，从而获得更好的检测性能。近年来，STAD在高分辨率主动声纳领域的研究非常活跃。由于距离分辨率的提高，高分辨率主动声纳的目标回波往往占据多个距离单元，称为多亮点目标。由于多亮点目标的特殊性，它的STAD问题为声纳工作者提出了新的课题。对于复合高斯分布混响背景下多亮点目标的STAD检测，传统的方法通常假设可以获得均匀的辅助数据，用以估计待测单元(主数据)的混响协方差矩阵，从而构造自适应检测统计量。辅助数据一般从主数据临近的距离单元获得。但是在实际应用中，高分辨率声纳通常工作在非均匀环境，辅助数据往往很难获得。针对这一问题，国外学者基于广义似然比(GLRT)检验准则，提出了不依赖辅助数据的多亮点目标检测方法，该类方法能够根据目标亮点个数的先验信息，从待检测数据中自动筛选出目标数据和辅助数据，实现对多亮点目标的自适应检测。在实际应用中，高分辨率声纳系统通常工作在非均匀环境，造成非均匀现象的原因有很多，如多变的海底地表类型、鱼群、孤立干扰等。在这种情况下，可以获得的均匀观测数据长度非常有限，将导致现有多亮点目标检测方法的性能大幅下降。
技术实现思路
本专利技术的目的是实现对先验知识的充分利用，有效提高高分辨率声纳系统的鲁棒性。为实现上述目的，本专利技术实施例提供了一种基于随机协方差矩阵的多亮点目标空时检测方法。步骤如下：由声纳阵接收的回波获取一组回波数据，将获取的上述一组回波数据作为待检测数据；其中，在无目标存在的情况下，上述待检测数据中可能存在的干扰被描述为与目标导向矢量在经白化后相互正交的矢量，在有目标存在情况下，目标被认为包含在上述待检测数据中，跨过多个距离单元,对应目标信号索引长度为L；假设混响服从复合高斯分布，且混响协方差矩阵和目标导向矢量已知情况下，通过构建似然函数得到无目标情况下干扰索引的最大似然估计，以及有目标情况下的目标索引的最大似然估计和目标反射系数的最大似然估计，利用有目标情况下的上述似然函数、无目标情况下的上述似然函数、上述干扰索引的最大似然估计、上述目标索引的最大似然估计、上述目标反射系数的最大似然估计和目标的导向矢量，得到第一检验统计量；根据上述混响协方差矩阵的逆服从逆复威莎特分布，利用上述待检测数据得到上述混响协方差矩阵的最大后验估计，将上述最大后验估计代入上述第一检验统计量中得到第二检验统计量，将上述第二检验统计量与检测门限进行比较，完成目标有无判决。优选的，上述最大后验估计是采样协方差估计S的一个有色加载，可表示成：S+(v-N)M0，其中，M0主要是利用高分辨率声纳探测环境、工作方式、混响空时特性、浅海地形特性来获取先验信息，根据混响散射原理构建的均值矩阵，加载程度由自由度由v确定，N为阵元个数。优选的，上述检测门限值是由虚警概率确定，可通过蒙特-卡罗仿真得到。优选的，上述完成目标有无判决的过程实际上是对上述待检测数据筛选的过程，可表示为：其中，η是检测门限值，v是自由度，是数列中L个最小值对应的索引，是数列中L个最大值对应的索引，其中，rt是待检测数据，η是检测门限，[·]-1表示对矩阵逆操作，[·]H代表共轭转置操作，H0表示无目标情况，H1表示有目标情况。优选的，上述对所述待检测数据进行筛选的步骤如下：在有目标情况下，利用上述待检测数据，从相应子集合中筛选出与目标亮点个数相同的最小值；在无目标情况下，利用上述待检测数据，从相应子集合中筛选出与目标亮点个数相同的最大值。本专利技术的混响协方差矩阵是服从逆复威莎特分布的随机矩阵，其矩阵参数可由声纳系统探测环境、工作方式、混响空时特性，浅海地形特征的先验知识获得，实现了对先验知识的充分挖掘。在此基础上，本专利技术提出的知识基多亮点检测方法，完成了对先验知识的充分利用，大幅提高非均匀环境下多亮点目标的检测性能。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图：图1为本专利技术知识基自适应检测器设计原理图；图2为本专利技术借助蒙特-卡罗仿真方法，在虚警概率Pfa＝10-3，N＝8,K＝16,L＝3和v＝2N情况下，本专利技术与传统GLRT检测器检测概率Pd和SRR的关系曲线；图3为本专利技术借助蒙特-卡罗仿真方法，在虚警概率Pfa＝10-3，N＝8,K＝32,L＝3和v＝2N情况下，本专利技术与传统GLRT检测器检测概率Pd和SRR的关系曲线；图4为本专利技术借助蒙特-卡罗仿真方法，在虚警概率Pfa＝10-3，N＝8,K＝32,L＝3和v＝6N情况下，本专利技术与传统GLRT检测器检测概率Pd和SRR的关系曲线。具体实施方式下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。本专利技术在没有辅助数据的情况下，假设混响服从有色高斯分布，且混响协方差矩阵M已知，通过两步似然比检验准则求解检测问题，实现对多亮点目标的检测。具体步骤为：假设回波是由N个阵元组成的线阵接收，每个阵元的回波数据包括接收自K个距离单元的一组回波数据，作为待检测数据，表示为rt，t∈Ω＝{1,…,K}。用集合ΩT∈Ω表示目标信号所在距离单元的索引，集合ΩT长度为L(L≤K)，L对应目标回波的个数，即所检测的多亮点目标个数。在以上所述条件下，将目标检测问题转化为如下的二元假设问题：其中H0代表无目标假设，混响向量nt，t∈Ω是独立的、N维零均值复合高斯向量，其协方差矩阵为v是已知的N维导目标导向矢量；αt,t∈Ω，表示目标反射系数；t∈Ω是为提高检测器对旁瓣信号的抑制能力而引入的N维干扰向量，它与v在白化空间内垂直正交，可以表示为其中xt是N-1维的复向量，W是N×(N-1)维的复矩阵，且满足<M-1/2W>⊥＝<M-1/2v>。基于以上条件，可以得到待检测数据rt，t∈Ω在有目标情况下的似然函数/概率密度函数(PDF)为：和在无目标情况下的似然函数/概率密度函数(PDF)为：其中||·||代表一个方阵的行列式，代表共轭转置。根据M服从自由度为v，均值为M0的逆复威莎特(Wishart)分布，即M∽CW-1((v-N)M0，v)，其PDF可以表示成f(M)∝||M||-(v+N)exp{-(v-N)tr(M-1M0)}(4)其中，∝表示该符号两端的变量具有正比关系，M-1也同样服从逆复Wishart分布。在实际应用中，均值矩阵M0主要是利用高分辨率声纳探测环境、工作方式、混响空时特性，浅海地形特征来获取先验信息，根据混响散射原理进行构建。可见M0将先验信息纳入统一的模型，实现了对先验知识的充分挖掘本文档来自技高网...

【技术保护点】
一种基于随机协方差矩阵的多亮点目标空时检测方法，包括：由声纳阵接收的回波获取一组回波数据，将获取的所述一组回波数据作为待检测数据；其中，在无目标存在的情况下，所述待检测数据中可能存在的干扰被描述为与目标导向矢量在经白化后相互正交的向量，在有目标存在情况下，目标被认为包含在所述待检测数据中，并且跨过多个距离单元,对应目标信号索引长度为L；假设混响服从复合高斯分布，且混响协方差矩阵和目标导向矢量已知情况下，通过构建似然函数得到无目标情况下干扰索引的最大似然估计，以及有目标情况下的目标索引的最大似然估计和目标反射系数的最大似然估计，利用有目标情况下的所述似然函数、无目标情况下的所述似然函数、所述干扰索引的最大似然估计、所述目标索引的最大似然估计、所述目标反射系数的最大似然估计和目标的导向矢量，得到第一检验统计量；根据所述混响协方差矩阵的逆服从逆复威莎特分布，利用所述待检测数据得到所述混响协方差矩阵的最大后验估计，将所述最大后验估计代入所述第一检验统计量中得到第二检验统计量，将所述第二检验统计量与检测门限进行比较，完成目标有无判决。

【技术特征摘要】
1.一种基于随机协方差矩阵的多亮点目标空时检测方法，包括：由声纳阵接收的回波获取一组回波数据，将获取的所述一组回波数据作为待检测数据；其中，在无目标存在的情况下，所述待检测数据中可能存在的干扰被描述为与目标导向矢量在经白化后相互正交的向量，在有目标存在情况下，目标被认为包含在所述待检测数据中，并且跨过多个距离单元,对应目标信号索引长度为L；假设混响服从复合高斯分布，且混响协方差矩阵和目标导向矢量已知情况下，通过构建似然函数得到无目标情况下干扰索引的最大似然估计，以及有目标情况下的目标索引的最大似然估计和目标反射系数的最大似然估计，利用有目标情况下的所述似然函数、无目标情况下的所述似然函数、所述干扰索引的最大似然估计、所述目标索引的最大似然估计、所述目标反射系数的最大似然估计和目标的导向矢量，得到第一检验统计量；根据所述混响协方差矩阵的逆服从逆复威莎特分布，利用所述待检测数据得到所述混响协方差矩阵的最大后验估计，将所述最大后验估计代入所述第一检验统计量中得到第二检验统计量，将所述第二检验统计量与检测门限进行比较，完成目标有无判决。2.根据权利要求1所述的方法，其特征在于，所述最大后验估计是采样协方差估计S的一个有色加载，可表示成：S+(v-N)M0，其中，M0主要是利用高分辨率声纳探测环境、工作方式、混响空时特性、浅海地形特性来获...

【专利技术属性】
技术研发人员：郝程鹏，施博，鄢社锋，马晓川，侯朝焕，王哲，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：北京;11