部分均匀杂波加干扰下目标智能检测方法技术

本发明专利技术隶属于宽带雷达信号处理领域，具体涉及一种部分均匀杂波加干扰下目标智能检测方法。采用部分均匀模型对杂波进行建模，即假定主数据和辅助数据的杂波协方差矩阵结构相同，但二者功率水平不同。采用两步检测器设计程序，基于Gradient检验准则构建具有闭合形式的部分均匀杂波加干扰下目标智能检测方法，以应对复杂外部干扰环境下的雷达距离扩展目标自适应检测问题。所构建的检测器既能保证CFAR特性，又能够满足距离扩展目标自适应检测算法的计算复杂度、智能抗干扰和失配鲁棒性等多方面需求，提升复杂干扰环境下多通道宽带雷达对弱小目标和失配目标的自适应检测性能。弱小目标和失配目标的自适应检测性能。弱小目标和失配目标的自适应检测性能。

【技术实现步骤摘要】
部分均匀杂波加干扰下目标智能检测方法


[0001]本专利技术隶属于宽带雷达信号处理领域，具体涉及一种部分均匀杂波加干扰下目标智能检测方法。

技术介绍

[0002]随着雷达带宽的增加，宽带雷达逐渐涵盖抗干扰、反侦察、精确探测及成像、高精度跟踪、目标识别等现代军事和民用领域，围绕距离扩展目标的自适应检测已成为雷达界的热点问题。不同于窄带雷达目标回波信号通常只占据一个距离分辨单元，宽带雷达目标能量可能会扩散到相邻距离单元，呈现为“一维距离像”，形成距离扩展目标。若采用点目标检测方法针对单个距离单元对回波信号进行目标检测，并利用邻近的距离单元采样进行背景杂波统计特性估计，一方面，容易产生由于距离扩展目标强散射点能量泄漏导致的临近单元信号污染现象，并进一步对单个待检测距离单元的目标信号构成遮蔽效应，使得目标检测效果不佳；另一方面，在实际应用中，目标自然环境复杂多变，同时可能存在电子对抗或民用广播系统等自然或人为干扰源，使得杂波非均匀性增强，进一步导致现有距离扩展目标检测方法难以取得理想的检测效果。
[0003]距离扩展目标自适应检测主要借助于辅助数据来实现。辅助数据一般取自于与待检测距离单元空间邻近的参考距离单元，且假定不含目标信号，而只含有与待检测距离单元主数据杂波分量独立同分布的杂波分量，利用充分的辅助数据可实现对未知杂波协方差矩阵的准确估计。然而，对于实际雷达面临的杂波功率剧烈变化、离散杂波、杂波边缘等异常值情况，杂波背景的均匀性被破坏，满足全局均匀的辅助数据有时很难获取，从而严重影响距离扩展目标自适应检测性能。事实上，复杂杂波背景的全局均匀性虽遭破坏，但杂波的局部均匀性在一定的径向距离范围内仍有所体现，此时可用部分均匀模型对杂波建模，即待检测距离单元与参考距离单元中杂波分量拥有相同的协方差矩阵结构和不同的功率水平，此种模型能充分利用杂波局部均匀性，但其可利用的参考距离单元数受限于实际杂波非均匀程度。
[0004]另外，在常用秩一信号目标检测模型中，目标的导向矢量通常假定为一个已知固定向量，但在实际应用中，由于波束指向误差和多径现象的存在，目标的导向矢量可能存在失配情况。为了应对这一问题，可考虑用子空间模型对目标信号进行建模。在子空间模型中，信号表示为已知子空间矩阵和未知坐标矩阵的乘积。若基于多个待检测距离单元的主数据和辅助数据构成的整体数据集，对目标和干扰信号采取子空间建模，并利用GLRT准则构建检测统计量，则可获得部分均匀杂波加结构化干扰下距离扩展目标的子空间GLRT检测器(S
‑
GLRT
‑
PHE)。该检测器可获得较好的检测性能，但计算过程较为复杂，不便于求解。若采用Rao检测准则，则可获得部分均匀杂波加结构化干扰下距离扩展目标的子空间Rao检测器(S
‑
Rao
‑
PHE)。相比GLRT检测器，该检测器的检测性能在部分设定环境下有所提升，但检测统计量的计算复杂度较高，不便于工程实现。
[0005]针对多通道宽带雷达距离扩展目标自适应检测面临的非均匀杂波以及外部结构
化干扰等组成的复杂检测环境，如何合理设计距离扩展目标自适应检测器形式，在保持恒虚警率(CFAR)特性的同时有效抑制干扰信号，并兼顾失配鲁棒性、算法计算复杂度和检测性能间的有效平衡，是提升复杂干扰环境下宽带雷达探测能力的关键，也是多通道宽带雷达距离扩展目标自适应检测面临的难题之一。

技术实现思路

[0006]为了克服现有技术中的问题，本专利技术提出一种部分均匀杂波加干扰下目标智能检测方法。
[0007]本专利技术解决上述技术问题的技术方案如下：
[0008]一种部分均匀杂波加干扰下目标智能检测方法，包括以下步骤：
[0009]步骤1.从K个待检测距离单元获取主数据Z；在杂波协方差矩阵M、目标坐标矩阵P、干扰坐标矩阵Q和杂波功率因子γ均未知的情况下，利用有目标假设下主数据Z的复高斯概率密度函数对目标参数向量求偏导，并结合有目标假设下未知目标坐标矩阵P的最大似然估计和无目标假设下未知干扰坐标矩阵P的最大似然估计，构建已知杂波协方差矩阵M和杂波功率因子γ条件下的距离扩展目标两步Gradient检测统计量；
[0010]步骤2.从与待检测距离单元临近的R个参考距离单元获取辅助数据Y，获得基于辅助数据Y的杂波协方差矩阵M最大似然估计，将杂波协方差矩阵M最大似然估计带入步骤1获得的距离扩展目标两步Gradient检测统计量，替换其中未知的杂波协方差矩阵，构建已知杂波协方差矩阵条件下的距离扩展目标两步Gradient检测统计量；
[0011]步骤3.通过求解无目标假设下特征值方程的唯一正值解，从而获取无目标假设下未知杂波功率因子γ的最大似然估计，并将杂波功率因子γ的最大似然估计带入步骤2获得的距离扩展目标两步Gradient检测统计量，替换其中未知的杂波功率因子γ，构建部分均匀杂波加干扰下目标智能检测方法的检测统计量λ；
[0012]步骤4.根据预设的虚警概率设置检测门限T；将检测统计量λ与检测门限T进行比较，若λ≥T，则判定当前待检测距离单元存在距离扩展目标，主数据不作为后续其他待检测距离单元的辅助数据；反之若λ<T，则判定当前待检测距离单元不存在距离扩展目标，主数据作为后续其他待检测距离单元的辅助数据。
[0013]进一步地，所述步骤1中当杂波协方差矩阵M和杂波功率因子γ已知时，部分均匀杂波加干扰下目标智能检测器的两步Gradient检测统计量为：
[0014][0015]其中，
[0016][0017][0018][0019]式中，主数据Z＝[z1,z2,...,z
K
]为N
×
K维复矩阵，第t个待检测距离单元中的N
×
1维接收复信号表示为z
t
＝s
t
+j
t
+c
t
(t＝1,2,...,K)，其中N
×
1维目标复信号向量s
t
和N
×
1维
干扰复向量j
t
均假定为确定性的，并分别表示为s
t
＝Ηp
t
和j
t
＝Jq
t
，Η和J分别为已知的列满秩N
×
p维目标信号子空间复矩阵和N
×
q维干扰信号子空间复矩阵，p
×
1维复向量p
t
和q
×
1维复向量q
t
分别表示目标信号和干扰信号的未知复坐标向量；子空间Η和J是线性独立的，构建N
×
(p+q)维列满秩增广矩阵B＝[H J]，且满足p+q≤N；上标(
·
)
T
和(
·
)
H
分别表示转置和共轭转置，
·
表示方阵的行列式，tr函数表示取方阵的迹；I
m
代表m本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种部分均匀杂波加干扰下目标智能检测方法，其特征在于，包括以下步骤：步骤1.从K个待检测距离单元获取主数据Z；在杂波协方差矩阵M、目标坐标矩阵P、干扰坐标矩阵Q和杂波功率因子γ均未知的情况下，利用有目标假设下主数据Z的复高斯概率密度函数对目标参数向量求偏导，并结合有目标假设下未知目标坐标矩阵P的最大似然估计和无目标假设下未知干扰坐标矩阵P的最大似然估计，构建已知杂波协方差矩阵M和杂波功率因子γ条件下的距离扩展目标两步Gradient检测统计量；步骤2.从与待检测距离单元临近的R个参考距离单元获取辅助数据Y，获得基于辅助数据Y的杂波协方差矩阵M最大似然估计，将杂波协方差矩阵M最大似然估计带入步骤1获得的距离扩展目标两步Gradient检测统计量，替换其中未知的杂波协方差矩阵，构建已知杂波协方差矩阵条件下的距离扩展目标两步Gradient检测统计量；步骤3.通过求解无目标假设下特征值方程的唯一正值解，从而获取无目标假设下未知杂波功率因子γ的最大似然估计，并将杂波功率因子γ的最大似然估计带入步骤2获得的距离扩展目标两步Gradient检测统计量，替换其中未知的杂波功率因子γ，构建部分均匀杂波加干扰下目标智能检测方法的检测统计量λ；步骤4.根据预设的虚警概率设置检测门限T；将检测统计量λ与检测门限T进行比较，若λ≥T，则判定当前待检测距离单元存在距离扩展目标，主数据不作为后续其他待检测距离单元的辅助数据；反之若λ<T，则判定当前待检测距离单元不存在距离扩展目标，主数据作为后续其他待检测距离单元的辅助数据。2.根据权利要求1所述的一种部分均匀杂波加干扰下目标智能检测方法，其特征在于，所述步骤1中当杂波协方差矩阵M和杂波功率因子γ已知时，部分均匀杂波加干扰下目标智能检测器的两步Gradient检测统计量为：其中，其中，其中，式中，主数据Z＝[z1,z2,...,z
K
]为N
×
K维复矩阵，第t个待检测距离单元中的N
×
1维接收复信号表示为z
t
＝s
t
+j
t
+c
t
(t＝1,2,...,K)，其中N
×
1维目标复信号向量s
t
和N
×
1维干扰复向量j
t
均假定为确定性的，并分别表示为s
t
＝Ηp
t
和j
t
＝Jq
t
，Η和J分...

【专利技术属性】
技术研发人员：简涛，何佳，王海鹏，刘军，潘新龙，赵凌业，贾舒宜，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：