基于重加权的采样矩阵求逆非均匀检测器制造技术

本发明专利技术公开了一种重加权的采样矩阵求逆非均匀检测器，以改善传统的采样矩阵求逆非均匀检测器的稳健性；具体步骤如下：步骤1，机载雷达接收回波数据进行降维处理，利用降维后的数据作为初始训练样本集，并根据初始训练样本集计算采样协方差矩阵；步骤2，以APR检测统计量为目标函数，计算APR检测统计量的最大值及其对应的样本坐标；步骤3，在非均匀环境下，计算重加权权值，对所述采样协方差矩阵进行重加权；步骤4，基于重加权的采样矩阵求逆检测器剔除所述初始训练样本集中的非均匀样本，得到优化的训练样本集。本发明专利技术改善了采样矩阵求逆非均匀检测器的稳健性，提高了机载雷达的运动目标检测性能。

Nonuniform Detector Based on Reweighted Sampling Matrix Inversion

The invention discloses a re-weighted sampling matrix inversion non-uniform detector to improve the robustness of the traditional sampling matrix inversion non-uniform detector. The specific steps are as follows: step 1, dimension reduction processing of airborne radar received echo data, using dimension reduction data as the initial training sample set, and calculating the sampling covariance matrix according to the initial training sample set; With APR detection statistics as objective function, the maximum value of APR detection statistics and corresponding sample coordinates are calculated; Step 3, under non-uniform environment, the weighted values are calculated and the sampling covariance matrix is re-weighted; Step 4, the non-uniform samples in the initial training sample set are eliminated by the re-weighted sampling matrix inversion detector, and the optimized training is obtained. Sample set. The invention improves the robustness of the sampling matrix inversion nonuniform detector, and improves the detection performance of the airborne radar moving target.

【技术实现步骤摘要】
基于重加权的采样矩阵求逆非均匀检测器
本专利技术属于雷达技术，具体涉及一种基于重加权的采样矩阵求逆非均匀检测器。
技术介绍
空时自适应处理(spacetimeadaptiveprocessing，STAP)是一种联合空域和时域的二维滤波技术，可以有效提高机载雷达在杂波背景下的运动目标检测能力。STAP通常利用训练样本来估计协方差矩阵、计算滤波器权值。当训练样本数目充足且均匀时，STAP可以取得较好的性能。然而，机载雷达面临的电磁环境常常是非均匀的，地表覆盖类型变化、地形高程起伏、强杂波离散点以及样本中的目标信号等破坏了样本的均匀假设。特别是在地面运动目标检测(groundmovingtargetindication，GMTI)时，由于地面车辆密度较高，雷达波束照射范围内运动目标较多。此时训练样本中包含的目标信号较多。若利用这些样本计算得到的权矢量进行滤波处理，将导致待检测样本中的目标信号出现自相消。当训练样本中含有目标信号时，可以利用非均匀检测器检测并剔除含有目标信号的样本。MelvinW.L.等人提出基于采样矩阵求逆(samplematrixinversion，SMI)的检测器，该本文档来自技高网...

【技术保护点】
1.一种基于重加权的采样矩阵求逆非均匀检测器，其特征在于，包括：步骤1，机载雷达接收回波数据进行降维处理，利用降维后的数据作为初始训练样本集，并根据初始训练样本集计算采样协方差矩阵；步骤2，以APR检测统计量为目标函数，计算APR检测统计量的最大值及其对应的样本坐标；步骤3，在非均匀环境下，计算重加权权值，对所述采样协方差矩阵进行重加权；步骤4，基于重加权的采样矩阵求逆检测器剔除所述初始训练样本集中的非均匀样本，得到优化的训练样本集。

【技术特征摘要】
1.一种基于重加权的采样矩阵求逆非均匀检测器，其特征在于，包括：步骤1，机载雷达接收回波数据进行降维处理，利用降维后的数据作为初始训练样本集，并根据初始训练样本集计算采样协方差矩阵；步骤2，以APR检测统计量为目标函数，计算APR检测统计量的最大值及其对应的样本坐标；步骤3，在非均匀环境下，计算重加权权值，对所述采样协方差矩阵进行重加权；步骤4，基于重加权的采样矩阵求逆检测器剔除所述初始训练样本集中的非均匀样本，得到优化的训练样本集。2.根据权利要求1所述的基于重加权的采样矩阵求逆非均匀检测器，其特征在于，所述步骤1包括以下子步骤：1a)采用扩展的因子化方法构造降维矩阵，对机载雷达回波数据进行降维处理其中，Tm为对应于第m个多普勒通道的线性变换矩阵，xk为原始回波数据，为降维后的回波数据，H表示矩阵的共轭转置；1b)采用扩展的因子化方法构造降维矩阵，对目标空时导向矢量进行降维处理其中，vt为全空时目标期望导向矢量，为降维后的目标空时导向矢量；1c)从所述降维处理后的回波数据中选取训练样本，作为初始训练样本集，用所述初始训练样本集计算采样协方差矩阵为其中，K为样本数目；转入步骤2。3.根据权利要求2所述的基于重加权的采样矩阵求逆非均匀检测器，其特征在于，所述步骤2，包括以下子步骤：2a)将变量r在-1到0之间均匀采样N点，得到一组点集为[r1,…,rN]，初始化r，令r＝r1；2b)计算所述采样协方差矩阵的r次幂即其中，为的特征矢量矩阵，为的特征值矩阵；2c)利用所述计算滤波器权值矢量，即其中，为滤波器权值矢量；为降维后的目标空时导向矢量；2d)利用对所述初始训练样本集进行滤波，得到输出信号的功率值为其中，Pr,k为输出信号功率值；2e)对{Pr,k}k＝1,…,K进行排序，得到{Pr,k}k＝1,…,K的中值为Pr,median，计算检测统计量，即Tr,k＝Pr,k/Pr,median其中，Tr,k为检测统计量；2f)将所述检测统计量Tr,k与预设的门限值η进行比较，即其中，η为设定的门限值，H1表...

【专利技术属性】
技术研发人员：姜磊，王荣兵，
申请(专利权)人：中国航天科工集团八五一一研究所，
类型：发明
国别省市：江苏,32