频率分集阵多输入多输出雷达的自适应目标检测方法技术

本发明专利技术公开了一种频率分集阵多输入多输出雷达的自适应目标检测方法，主要解决现有频率分集阵多输入多输出雷达无法实现自适应目标检测的问题。其实现步骤是：1)构建频率分集阵多输入多输出雷达的等效接收信号；2)根据接收信号构造二元假设检验问题及广义似然比检验检测统计量；3)采用类牛顿法的改进区间搜索方法对2)中的检验统计量进行优化求解，获得基于类牛顿法的改进区间搜索广义似然比检测统计量；4)根据实际情况设定检测门限，将基于类牛顿法的改进区间搜索广义似然比检测统计量与检测门限进行比较，得到检测结果。本发明专利技术能实现对目标的自适应检测，且提升了雷达的目标检测性能，可用于频率分集阵多输入多输出雷达的目标识别。的目标识别。的目标识别。

【技术实现步骤摘要】
频率分集阵多输入多输出雷达的自适应目标检测方法


[0001]本专利技术属于雷达
，特别涉及一种自适应目标检测的设计方法，可用于对频率分集阵多输入多输出FDA-MIMO雷达的目标检测。

技术介绍

[0002]随着雷达技术的发展，雷达系统的分辨率不断提高，检测目标的性能也不断增强，使得雷达目标检测面临着诸多挑战。现有的雷达体制包括合成孔径雷达、脉冲多普勒雷达、相控阵雷达、多输入多输出雷达等。随着雷达体制的升级，多通道的信号检测理论不断升级。多输入多输出雷达中的频率分集阵多输入多输出FDA-MIMO雷达具有更高的信号处理维度，能够获取更全面的杂波和目标信息，从而改善自适应目标检测性能。
[0003]Yu Zhu等人在其发表的论文“Target Detection Performance Analysis of FDA-MIMO Radar”中初步研究了仅高斯白噪声背景下频率分集阵多输入多输出FDA-MIMO雷达的目标检测，该检测模型一个重要前提是已知目标距离和干扰协方差矩阵的先验信息。然而实际中，目标信息以及干扰协方差矩阵不可知，正如大量目标检测的公开文献中所证实，这些假设考虑了目标或干扰统计信息可能的未知参数。
[0004]目前常用的自适应目标检测器设计方法包括广义似然比检验GLRT、Rao检测器以及Wald检测器等，其中应用最为广泛的是使用GLRT准则来设计自适应目标检测器。而目前基于GLRT准则的检测器自适应设计均建立在传统雷达体制的基础上，由于传统体制雷达不具有波形分集的特点，因而目标检测性能较差。频率分集阵多输入多输出FDA-MIMO雷达，由于引入了距离维，具有更高的系统可控自由度，但目前基于频率分集阵多输入多输出FDA-MIMO雷达的目标检测方法由于没有考虑目标信息以及干扰协方差矩阵等参数未知的情况，无法使用似然比准则检验LRT计算未知参数，无法实现频率分集阵多输入多输出FDA-MIMO雷达的自适应目标检测。

技术实现思路

[0005]本专利技术的目的是针对上述现有技术的不足，提出了一种频率分集阵多输入多输出雷达的自适应目标检测方法，以构建通过广义似然比检验GLRT准则设计的频率分集阵多输入多输出FDA-MIMO雷达自适应目标检测统计量，实现对目标的自适应检测。
[0006]本专利技术的技术方案是：首先，通过对频率分集阵多输入多输出FDA-MIMO雷达接收匹配滤波处理，得到每个距离单元内目标实际延时与采样值之差Δτ；再在高斯噪声背景下，构建了二元假设检验问题；根据GLRT准则构建检测统计量，并利用类牛顿法对区间搜索进行改进的算法来获得H1假设检验下的最大似然估计，具体实现步骤包括如下：
[0007](1)采用数字混频和匹配滤波同步进行的方式，对频率分集阵多输入多输出FDA-MIMO雷达的每一个通道的信号进行匹配滤波处理；
[0008](2)构建与目标增量距离相关的发射导向矢量a(Δτ)，构建与目标角度相关的发射导向矢量d(θ0)，构建频率分集阵多输入多输出FDA-MIMO雷达的发射导向矢量a
T
(θ0,Δ
τ)，其中，Δτ为每个距离单元内采样时间与目标实际延时之差，θ0为远场目标的角度；
[0009](3)构建与角度相关的接收导向矢量b(θ0)；
[0010](4)构建频率分集阵多输入多输出FDA-MIMO雷达的目标的虚拟收发导向矢量s(θ0,Δτ)；根据该导向矢量s(θ0,Δτ)构建频率分集阵多输入多输出FDA-MIMO雷达目标的等效总接收信号y
S
；
[0011](5)采用频率分集阵多输入多输出FDA-MIMO雷达的广义似然比检验GLRT准则，构建广义似然比检验的统计量Λ
GLRT
：
[0012](5a)设一组训练样本为z
q
，q＝1,2,...,K≥MN，其中，z∈C
MN
表示来自待检测单元的回波矢量，K表示脉冲数，M为发射阵元个数，N为接收阵元个数，为MN维复向量空间；根据该训练样本将检测问题转化为如下二元假设检验问题：
[0013][0014]其中，H0表示目标不存在的假设，H1表示目标存在于待检测单元中的假设，n和n
q
∈C
MN
为满足独立同分布条件的、零均值复高斯噪声，β1为数字混频后的复数回波功率；
[0015](5b)分别计算在两种假设下的联合概率密度函数，得到在H0假设下的联合概率密度函数为g(z,z1,
…
,z
K
∣M；H0)，在H1假设下的联合概率密度函数为g(z,z1,
…
,z
K
∣β1,Δτ,M；H1)，其中为正定的杂波协方差矩阵，为MN
×
MN维复矩阵集合；
[0016](5c)按照下式，构建广义似然比检验GLRT的统计量：
[0017][0018]其中，表示包含变量Δτ所有可能值的紧集；
[0019](6)构建基于类牛顿法的改进区间搜索GLRT检测统计量：
[0020](6a)构造包含未知参数Δτ的统计量φ(Δτ)：
[0021]对广义似然比检验统计量Λ
GLRT
的分子和分母关于M最大化，得到检验规则：
[0022][0023]其中，其中，表示共轭转置操作；
[0024]对检验规则的分母关于β1最小化，将检验规则等效为：
[0025][0026]其中，为基于区间搜索的检测统计量，为基于区间搜索的检测统计量，C(θ0)＝diag{c(θ0)}，c(θ0)＝R
T
d(θ0)，)，为矩阵S-1
的第(l,k)块分块矩阵，
⊙
表示哈达
马Hardmard积操作，为M
×
M维厄米矩阵集合，为M
×
M维复矩阵集合，为M
×
N维复矩阵集合，为M维复向量空间；
[0027](6b)根据牛顿法，令F(Δτ)＝lnφ(Δτ)，在给定点附近，对F(Δτ)关于Δτ进行一阶导数近似泰勒展开为：其中和分别为F(Δτ)在处的一阶和二阶导数；令F
Δτ
(Δτ)＝0，得到关于的估计为：
[0028](6c)将整个搜索区间划分为Q个子区间，其中构造的每个子区间长度为每个子区间的中点为Δτ
i
；
[0029](6d)以每个子区间的中点Δτ
i
作为给定点根据(6b)获得其初步估计值并判断是否位于子区间内，即若是，则估计值若不是，则估计值
[0030](6e)分别将Q个子区间的估计值i＝1,2,...,Q代入检测统计量中，计算其函数值，并取使得函数值最大的作为最优解；
[0031](6f)根据最优解得到最优目标函数值根据最优目标函数值t
NB
，得到基于类牛顿法的改进区间搜索GLRT检测统计量Υ:
[0032][0033](7)根据实际本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种频率分集阵多输入多输出雷达的自适应目标检测方法，其特征在于，包括如下：(1)采用数字混频和匹配滤波同步进行的方式，对频率分集阵多输入多输出FDA-MIMO雷达的每一个通道的信号进行匹配滤波处理；(2)构建与目标增量距离相关的发射导向矢量a(Δτ)，构建与目标角度相关的发射导向矢量d(θ0)，构建频率分集阵多输入多输出FDA-MIMO雷达的发射导向矢量a
T
(θ0,Δτ)，其中，Δτ为每个距离单元内采样时间与目标实际延时之差，θ0为远场目标的角度；(3)构建与角度相关的接收导向矢量b(θ0)；(4)构建频率分集阵多输入多输出FDA-MIMO雷达的目标的虚拟收发导向矢量s(θ0,Δτ)；根据该导向矢量s(θ0,Δτ)构建频率分集阵多输入多输出FDA-MIMO雷达目标的等效总接收信号y
S
；(5)采用频率分集阵多输入多输出FDA-MIMO雷达的广义似然比检验GLRT准则，构建广义似然比检验的统计量Λ
GLRT
：(5a)设一组训练样本为z
q
，q＝1,2,...,K≥MN，其中，z∈C
MN
表示来自待检测单元的回波矢量，K表示脉冲数，M为发射阵元个数，N为接收阵元个数，为MN维复向量空间；根据该训练样本将检测问题转化为如下二元假设检验问题：H0:H1:其中，H0表示目标不存在的假设，H1表示目标存在于待检测单元中的假设，n和n
q
∈C
MN
为满足独立同分布条件的、零均值复高斯噪声，β1为数字混频后的复数回波功率；(5b)分别计算在两种假设下的联合概率密度函数，得到在H0假设下的联合概率密度函数为g(z,z1,
…
,z
K
∣M；H0)，在H1假设下的联合概率密度函数为g(z,z1,
…
,z
K
∣β1,Δτ,M；H1)，其中为正定的杂波协方差矩阵，为MN
×
MN维复矩阵集合；(5c)按照下式，构建广义似然比检验GLRT的统计量：其中，表示包含变量Δτ所有可能值的紧集；(6)构建基于类牛顿法的改进区间搜索GLRT检测统计量：(6a)构造包含未知参数Δτ的统计量φ(Δτ)：对广义似然比检验统计量Λ
GLRT
的分子和分母关于M最大化，得到检验规则：其中，其中，表示共轭转置操作；对检验规则的分母关于β1最小化，将检验规则等效为：
其中，为基于区间搜索的检测统计量，为基于区间搜索的检测统计量，C(θ0)＝diag{c(θ0)}，c(θ0)＝R
T
d(θ0)，)，为矩阵S-1
的第(l,k)块分块矩阵，
⊙
表示哈达马Hardmard积操作，为M
×
M维厄米矩阵集合，为M
×
M维复矩阵集合，为M
×
N维复矩阵集合，为M维复向量空间；(6b)根据牛顿法，令F(Δτ)＝lnφ(Δτ)，在给定点附近，对F(Δτ)关于Δτ进行一阶导数近似泰勒展开为：其中和分别为F(Δτ)在处的一阶和二阶导数；令F
Δτ
(Δτ)＝0，得到关于的估计为：(6c)将整个搜索区间划分为Q个子区间，其中构造的每个子区间长度为每个子区间的中点为Δτ
i
；(6d)以每个子区间的中点Δτ
i
作为给定点根据(6b)获得其初步估计值并判断是否位于子区间内，即若是，则估计值若不是，则估计值(6e)分别将Q个子区间的估计值代入检测统计量中，计算其函数值，并取使得函数值最大的作为最优解；(6f)根据最优解得到最优目标函数值根据最优目标函数值t
NB
，得到基于类牛顿法的改进区间搜索GLRT检测统计量Υ:(7)根据实际情况设定检测门限ξ，将检测统计量Υ与检测门限ξ进...

【专利技术属性】
技术研发人员：兰岚，祁佳炜，廖桂生，许京伟，朱圣棋，赵英海，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：