一种结合特征频率的期望似然的信号检测方法技术

技术编号:22330697 阅读:3 留言:0更新日期:2019-10-19 12:23
本发明专利技术提供一种结合特征频率的期望似然的信号检测方法,属于信号检测技术领域。本发明专利技术首先由信号的采样数据建立数据协方差矩阵,并得到该数据协方差矩阵的特征向量的傅立叶变换Wm(θk);然后将所得Wm(θk)的频谱的峰值点所在频率定义为特征频率,计算结合特征频率的期望似然统计量,计算特征向量检测门限;再利用数值方法计算结合特征频率的期望似然统计量门限;最后由得到的新的二元假设检验公式得到检测结果。本发明专利技术解决了现有技术在低信噪比的情况下,检测概率低的问题。本发明专利技术可用于低信噪比情况下的信号检测。

A signal detection method based on expected likelihood combined with characteristic frequency

【技术实现步骤摘要】
一种结合特征频率的期望似然的信号检测方法
本专利技术涉及一种期望似然的信号检测方法,属于信号检测

技术介绍
期望似然(EL:ExpectedLikelihood)技术是一种参数估计技术,可用于高斯与非高斯背景下的基于阵列信号处理的参数估计。文献[YuriI.Abramovich,OlivierBesson.RegularizedCovarianceMatrixEstimationinComplexEllipticallySymmetricDistributionsUsingtheExpectedLikelihoodApproach—Part1:TheOver-SampledCase.IEEETransactionsonSignalProcessing.2013,61(23):5807~5818.]和文献[YuriI.Abramovich,OlivierBesson.RegularizedCovarianceMatrixEstimationinComplexEllipticallySymmetricDistributionsUsingtheExpectedLikelihoodApproach—Part2:TheUnder-SampledCase.IEEETransactionsonSignalProcessing.2013,61(23):5819~5829.]分别在采样样本较多和较少条件下时使用期望似然方法对复椭圆对称分布数据进行正则化协方差矩阵估计。文献[YuriI.Abramovich,OlivierBesson,BenA.Johnson.ConditionalExpectedLikelihoodTechniqueforCompoundGaussianandGaussianDistributedNoiseMixtures.IEEETransactionsonSignalProcessing.2016,62(24):6640~6649.]提出一种条件期望似然技术用于混合高斯分布噪声条件下的阵列信号参数估计。文献[YuriI.Abramovich,OlivierBesson.OntheExpectedLikelihoodApproachforAssessmentofRegularizationCovarianceMatrix.IEEESignalProcessingLetters.2015,22(06):777~781.]利用期望似然方法对正则化协方差矩阵的估计进行评价及优化。文献[E.TomNorthardt,IgalBilik,YuriI.Abramovich.SpatialCompressiveSensingforDirection-of-ArrivalEstimationWithBiasMitigationViaExpectedLikelihood.IEEETransactionsonSignalProcessing.2013,61(05):1183~1195.]使用期望似然技术进行偏差校正,并基于此技术提出一种用于DOA估计的空间压缩感知方法。文献[BosungKang,VishalMonga,MuralidharRangaswamy,YuriAbramovich,ExpectedLikelihoodApproachforDeterminingConstraintsinCovarianceEstimation.IEEETransactionsonAerospaceandElectronicSystems,2016,52(5):2139~2156.]将期望似然方法用于雷达空时自适应处理中协方差矩阵估计时的约束条件的定义。当期望似然技术应用于目标信号检测时,其优势在于可充分利用阵列信号数据所包含的目标方向信息,从而有利于提高目标信号发现能力。文献[E.TomNorthardt,IgalBilik,YuriAbramovich.Bearings-onlyconstantvelocitytargetmaneuverdetectionviaexpectedlikelihood.IEEETransactionsonAerospaceandElectronicSystems.2014,50(04):2974~2988.]基于DOA估计算法的框架,提出将期望似然技术应用于运动目标检测。该方法不需要对方向估计做出统计假设,即可使运动目标检测性能随信噪比和数据样本数的提高而提高。文献[OlivierBesson,YuriAbramovich.SensitivityAnalysisofLikelihoodRatioTestinKDistributedand/orGaussianNoise.IEEESignalProcessingLetters.2015,22(12):2329~2333.]在K分布噪声或高斯噪声条件下对检测器的鲁棒性进行了分析。从文献[YuguanHou,ApplicationResearchofSpatialSpectrumEstimationTechnologyinRadarSignalProcessing.2008.],可知每个特征向量的最大频谱点所在的频率包含目标方向信息。[ShuningZhang,WeiXie,HangZhu,HuichangZhao,CombinedEigenvectorAnalysisandIndependentComponentAnalysisForMulti-ComponentPeriodicInterferencesSuppressionInPRCPM-PDDetectionSystem.IEEEAccess.2017,5:12552-12562.]提出了一种基于特征向量分析和独立分量分析(ICA)的干扰抑制方法,它利用了接收信号的广义周期性特征。但是在低信噪比(SNR)的情况下,EL方法的信号检测性能可能降低或不足,即,在低低信噪比时,检测概率低。
技术实现思路
本专利技术为解决现有技术在低信噪比的情况下,检测概率低的问题,提供了一种结合特征频率的期望似然的信号检测方法。本专利技术所述一种结合特征频率的期望似然的信号检测方法,通过以下技术方案实现:步骤一、由信号的采样数据建立数据协方差矩阵,并得到该数据协方差矩阵的特征向量的傅立叶变换Wm(θk);步骤二、将所得Wm(θk)的频谱的峰值点所在频率定义为特征频率;步骤三、计算得到结合特征频率的期望似然统计量lMEL;步骤四、计算特征向量检测门限;步骤五、结合步骤三得到的lMEL,利用数值方法计算结合特征频率的期望似然统计量门限GMEL;步骤六、由如下二元假设检验公式得到检测结果:其中,H0表示无信号,H1表示有信号,为第m个特征向量检测门限。本专利技术最为突出的特点和显著的有益效果是:本专利技术所涉及的一种结合特征频率的期望似然的信号检测方法,将数据协方差矩阵的特征向量的傅里叶变换的峰值点定义为特征频率,其包含目标方向信息。然后,基于现有的EL统计量,推导出一种新的EL统计量——结合特征频率的期望似然统计量,并得到一种新的二元假设检验。与传统的EL检测技术相比,本专利技术具有更好的检测性能,仿真实验中,相同条件下,本本文档来自技高网
...

【技术保护点】
1.一种结合特征频率的期望似然的信号检测方法,其特征在于,具体包括以下步骤:步骤一、由信号的采样数据建立数据协方差矩阵,并得到该数据协方差矩阵的特征向量的傅立叶变换Wm(θk);步骤二、将所得Wm(θk)的频谱的峰值点所在频率定义为特征频率;步骤三、计算得到结合特征频率的期望似然统计量lMEL;步骤四、计算特征向量检测门限;步骤五、结合步骤三得到的lMEL,利用数值方法计算结合特征频率的期望似然统计量门限GMEL;步骤六、由如下二元假设检验公式得到检测结果:

【技术特征摘要】
1.一种结合特征频率的期望似然的信号检测方法,其特征在于,具体包括以下步骤:步骤一、由信号的采样数据建立数据协方差矩阵,并得到该数据协方差矩阵的特征向量的傅立叶变换Wm(θk);步骤二、将所得Wm(θk)的频谱的峰值点所在频率定义为特征频率;步骤三、计算得到结合特征频率的期望似然统计量lMEL;步骤四、计算特征向量检测门限;步骤五、结合步骤三得到的lMEL,利用数值方法计算结合特征频率的期望似然统计量门限GMEL;步骤六、由如下二元假设检验公式得到检测结果:其中,H0表示无信号,H1表示有信号,为第m个特征向量检测门限。2.根据权利要求1所述一种结合特征频率的期望似然的信号检测方法,其特征在于,步骤一中所述数据协方差矩阵为:其中,为数据协方差矩阵,L是采样点数;上标H表示转置,Yk是由第k个周期的L个采样点表示成的向量,第k个周期的第i时刻的阵列输出向量为:是第k个周期的第i时刻的零均值、方差为的高斯分布噪声向量,Jk是目标个数,目标角度向量为θk=[θk(0),…,θk(Jk)],是Jk×1维的目标幅度向量,A(θk)为N×Jk方向矩阵,N为阵元个数。3.根据权利要求2所述一种结合特征频率的期望似然的信号检测方法,其特征在于,步骤一中得到所述特征向量的傅立叶变换Wm(θk)具体过程包括:令em(θk)为数据协方差矩阵的特征向量,m=1,...,Jk;则em(θk)能够表示为:其中,nk表示接收信号对应的零均值、方差为σ2的高斯分布的噪声;γ′m,2、η′m均为信号导向矢量表示参数;...

【专利技术属性】
技术研发人员:侯煜冠孙晓宇顾村锋毛兴鹏
申请(专利权)人:哈尔滨工业大学
类型:发明
国别省市:黑龙江,23

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1