非均匀杂波下干扰正交抑制的目标智能检测方法技术

本发明专利技术公开了一种非均匀杂波下干扰正交抑制的目标智能检测方法，属于宽带雷达信号处理领域。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。在存在外部干扰和均匀辅助数据量较少情况下，针对多通道宽带雷达距离扩展目标检测难以兼顾检测性能和失配鲁棒性的难题，充分挖掘杂波协方差矩阵斜对称结构信息，降低了对辅助数据量的需求，提高了未知杂波协方差矩阵估计精度，为实现干扰存在的小样本条件下目标自适应检测提供了有力支撑。撑。撑。

【技术实现步骤摘要】
非均匀杂波下干扰正交抑制的目标智能检测方法


[0001]本专利技术属于宽带雷达信号处理
，具体涉及一种非均匀杂波下干扰正交抑制的目标智能检测方法。

技术介绍

[0002]随着雷达带宽的增加，其距离分辨率进一步改善，宽带雷达广泛应用于抗干扰、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，围绕宽带雷达距离扩展目标的自适应检测已成为雷达界的热点问题之一。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，宽带雷达目标散射点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。若仍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，距离扩展目标强散射点能量易泄漏到相邻距离单元而导致信号污染现象，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，使得点目标检测方法效果不佳；另一方面，在实际应用中，雷达探测面临复杂电磁环境，可能存在电子对抗信号或各种民用电磁信号等自然或人为干扰源，另外目标所处环境复杂多变，使得背景杂波非均匀性增强，满足独立同分布的纯杂波辅助数据数量较为有限，而相比窄带雷达，这一问题在宽带雷达目标检测场景下尤为突出，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。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。
[0003]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Rao检验准则构建检测统计量，则可获得非均匀杂波下干扰正交抑制的距离扩展目标子空间Rao检测器(S
‑
Rao
‑
PHE)；若利用GLRT检验准则构建检测统计量，则可获得非均匀杂波下干扰正交抑制的距离扩展目标子空间GLRT检测器(S
‑
GLRT
‑
PHE)。两种检测器在辅助数据量充足情况下，可获得一定的检测鲁棒性，但实际应用场景中辅助数据量往往较为有限，该检测器难以有效发挥作用。考虑实际环境中难以获得足够的纯杂波辅助数据，而对于使用中心对称线性阵列或中心对称间隔脉冲串的雷达接收机时，其杂波协方差矩阵存在特殊的斜对称结构。而利用斜对称结构信息往往能使检测器的检测性能得到提升，且能够降低对辅助数据量的需求。
[0004]在存在外部干扰和均匀辅助数据量较少情况下，针对多通道宽带雷达距离扩展目标检测难以兼顾检测性能和失配鲁棒性的难题，如何充分利用斜对称结构信息，降低对辅
助数据量的实际需求，提高未知杂波协方差矩阵估计精度，进而构建具有闭合形式的距离扩展目标智能检测方法，在保持恒虚警率(CFAR)特性的同时有效抑制干扰信号，并兼顾失配鲁棒性和检测性能之间的有效平衡，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

[0005]为了克服现有技术中的问题，本专利技术提出了一种非均匀杂波下干扰正交抑制的目标智能检测方法。
[0006]本专利技术解决上述技术问题的技术方案如下：
[0007]一种非均匀杂波下干扰正交抑制的目标智能检测方法，包括以下步骤：
[0008]步骤1.从K个待检测距离单元获取主数据Z，从与待检测距离单元临近的R个参考距离单元获取R个辅助数据；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，利用杂波协方差矩阵斜对称特性，将主数据Z、杂波协方差矩阵M、目标坐标矩阵P和干扰坐标矩阵Q进行酉变换；
[0009]步骤2.利用无目标假设下斜对称变换主数据Z
p
和辅助数据Y的复高斯联合概率密度函数对杂波协方差矩阵M和干扰坐标矩阵Q求偏导，求解杂波协方差矩阵M与干扰坐标矩阵Q在无目标假设下的最大似然估计；利用有目标假设下斜对称变换主数据Z
p
和辅助数据Y的复高斯联合概率密度函数对杂波协方差矩阵M、目标信号与干扰联合坐标矩阵D求偏导，求解杂波协方差矩阵M、目标信号与干扰联合坐标矩阵D在有目标假设下的最大似然估计；结合杂波功率因子γ在有目标假设和无目标假设下的最大似然估计，构建距离扩展目标GLRT检测统计量；
[0010]步骤3.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K个待检测距离单元存在距离扩展目标；反之若λ<T，则判定当前K个待检测距离单元不存在距离扩展目标。
[0011]进一步地，所述步骤1中将主数据Z酉变换得到斜对称变换主数据Z
p
：
[0012][0013]其中，
[0014][0015]式中，主数据表示为N
×
K维复矩阵Z＝[z1,z2,...,z
K
]，在有目标假设下，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，并可以分别表示为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；第t个待检测距离单元中N
×
1维杂波向量c
t
是零均值复圆高斯向量，表示为且不同距离单元间的杂波向量是独立同分布的，其中N
×
N维的杂波协方差矩阵M是未知的Hermitian正定复矩阵，γ是主数据和辅助数据之间未知杂波功率的比例因子；D
N
为斜对称矩阵。
[0016]进一步地，所述步骤2中在无目标假设下，利用无目标假设下斜对称变换主数据Z
p
和辅助数据Y的复高斯联合概率密度函数对杂波协方差矩阵M和干扰坐标矩阵Q求偏导，求解杂波协方差矩阵M与干扰坐标矩阵Q在无目标假设下的最大似然估计：...

【技术保护点】

【技术特征摘要】
1.一种非均匀杂波下干扰正交抑制的目标智能检测方法，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，从与待检测距离单元临近的R个参考距离单元获取R个辅助数据；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，利用杂波协方差矩阵斜对称特性，将主数据Z、杂波协方差矩阵M、目标坐标矩阵P和干扰坐标矩阵Q进行酉变换；步骤2.利用无目标假设下斜对称变换主数据Z
p
和辅助数据Y的复高斯联合概率密度函数对杂波协方差矩阵M和干扰坐标矩阵Q求偏导，求解杂波协方差矩阵M与干扰坐标矩阵Q在无目标假设下的最大似然估计；利用有目标假设下斜对称变换主数据Z
p
和辅助数据Y的复高斯联合概率密度函数对杂波协方差矩阵M、目标信号与干扰联合坐标矩阵D求偏导，求解杂波协方差矩阵M、目标信号与干扰联合坐标矩阵D在有目标假设下的最大似然估计；结合杂波功率因子γ在有目标假设和无目标假设下的最大似然估计，构建距离扩展目标GLRT检测统计量；步骤3.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K个待检测距离单元存在距离扩展目标；反之若λ<T，则判定当前K个待检测距离单元不存在距离扩展目标。2.根据权利要求1所述的一种非均匀杂波下干扰正交抑制的目标智能检测方法，其特征在于，所述步骤1中将主数据Z酉变换得到斜对称变换主数据Z
p
：Z
p
＝[z
e1
，z
e2
，
…
，z
eK
，z
o1
，z
o2
，
…
，z
oK
]∈C
N
×
2K
其中，式中，主数据表示为N
×
K维复矩阵Z＝[z1,z2,...,z
K
]，在有目标假设下，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，并可以分别表示为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...

【专利技术属性】
技术研发人员：简涛，何佳，张财生，宋杰，王世强，任利强，郭晨，
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：