【技术实现步骤摘要】
失配稳健的子空间信号检测方法及装置
本申请涉及雷达信号处理
，尤其涉及一种失配稳健的子空间信号检测方法及装置。
技术介绍
近年来，协方差矩阵未知的噪声环境下的雷达目标自适应检测技术获得了越来越多的关注。为了估计未知的协方差矩阵，一般假设存在一组不含目标信号的训练样本，训练样本与待检测距离单元数据中的噪声独立同分布。例如基于广义似然比检验的自适应检测方法，该方法通过计算两种假设下的未知参数来实现。其他具有代表性的自适应检测器还包括自适应匹配滤波器、自适应相参估计器、Rao检测器、Wald检测器等。上述检测器均是在信号匹配场景下提出的，然而实际环境往往存在着由于波前畸变、校准和指向误差、不理想的天线形状等因素引起的信号失配。当信号失配时，不同的检测场景对检测器的要求不同，例如雷达处于扫描模式时，需要检测器对失配信号具有较好的稳健性能。因此，在信号失配场景提高检测器的失配稳健性能是非常必要的。此外，根据RMB(Reed-Mallett-Brennan)准则，若要获得良好的匹配检测性能，至少需要2倍系统自由度的训练样本...
【技术保护点】
1.一种失配稳健的子空间信号检测方法，其特征在于，包括以下步骤：/n获取待检测距离单元数据和训练样本，通过二元假设检验对所述待检测距离单元数据的检测问题进行表示，生成所述待检测距离单元数据不含目标假设H
【技术特征摘要】
1.一种失配稳健的子空间信号检测方法，其特征在于，包括以下步骤：
获取待检测距离单元数据和训练样本，通过二元假设检验对所述待检测距离单元数据的检测问题进行表示，生成所述待检测距离单元数据不含目标假设H0的表达式和所述待检测距离单元数据含有目标和杂波假设H1的表达式，其中，所述目标的导向矢量通过子空间模型表示，所述杂波服从部分均匀模型；
计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数；
获取检验表达式；
根据假设H1下所述待检测距离单元数据和所述训练样本的联合概率密度函数，计算假设H1下所有未知参数的第一估计值；
计算复Fisher信息矩阵逆的左上分块矩阵在假设H1下的第二估计值；
将所述第一估计值和所述第二估计值代入所述检验表达式，生成第一表达式；
将所述第一表达式的结果与检测门限进行比较，确定对所述目标的检测结果。
2.如权利要求1所述的方法，其特征在于，所述假设H0的表达式和所述假设H1的表达式如下：
其中，z为所述待检测距离单元数据，zt为所述训练样本，K为训练样本数目，A为目标所在的子空间，α为坐标参数，n表示待检测距离单元数据中的杂波，nt表示训练样本中的杂波，nt和n均为复高斯向量，nt对应的协方差矩阵为∑，n对应的协方差矩阵为τΣ。
3.如权利要求2所述的方法，其特征在于，所述计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数，包括：
根据所述目标和所述杂波的分布，利用杂波协方差矩阵∑和目标所在的子空间的斜对称性质，计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数。
4.如权利要求1所述的方法，其特征在于，所述检验表达式为
其中，表示θr在假设H1条件下的估计值，表示θ在假设H1条件下的估计值，θr为2p维列向量，θ为(2p+N2+1)维列向量，θs＝[τ,vecT(∑)]T，表示Fisher信息矩阵。
5.如权利要求3所述的方法，其特征在于，所述根据假设H1下所述待检测距离单元数据和所述训练样本的联合概率密度函数，计算假设H1下所有未知参数的第一估计值包括：
根据假设H1下的所述联合概率密度函数对杂波协方差矩阵∑求导，计算假设H1下杂波协方差矩阵∑的估计值
将所述估计值代入所述联合概率密度函数的表达...
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。