CN103076602B - 针对多目标背景的雷达自适应恒虚警率融合检测方法 - Google Patents

Abstract

本发明公开了一种针对多目标背景的雷达自适应恒虚警率融合检测方法，属于雷达信号处理领域。在干扰目标个数未知的多目标背景下，为了克服现有恒虚警率(CFAR)检测方法检测性能下降或计算复杂度过高等问题，本发明提出一种简单有效的自适应CFAR融合检测方法，该方法根据正态分布的3-Sigma准则自动确定干扰目标个数；基于估计的干扰目标个数，有效剔除参考单元中的干扰目标采样，去除干扰目标的不利影响，并融合剩余的纯杂波采样值形成检测阈值；在满足虚警概率恒定的同时能有效检测多目标，具有很强的虚警控制能力和多目标分辨能力，且计算简单便于工程实现，具有推广应用价值。

Description

针对多目标背景的雷达自适应恒虚警率融合检测方法

一、技术领域

本发明隶属于雷达信号处理领域，具体涉及一种多目标背景下的雷达自适应恒虚警率融合检测方法。

二、背景技术

雷达是一种利用无线电波探测目标的工具，它的主要目的就是在存在干扰的背景中检测出有用目标。一般来说，雷达目标自动检测系统在所选择的分辨单元中，把匹配滤波器的输出与适应于干扰背景变化的阈值进行比较，获得具有恒定虚警率(CFAR)的自动目标检测能力。换句话说，CFAR设计的目的是提供相对来说可以避免背景噪声、杂波和干扰变化影响的检测阈值，并且使自动检测具有恒定的虚警概率。

在均匀高斯背景下，单元平均(CA)-CFAR检测方法具有最佳检测性能，但其在多目标环境下性能急剧退化。这是因为在参考滑窗中出现干扰目标时，会导致检测阈值升高，最终使对主目标的检测性能严重下降。为了改善检测方法在多目标环境下的检测性能，出现了多种CFAR处理技术。其中，选小(SO)-CFAR检测方法解决了在空间上相隔很近的多目标检测问题，但它无法处理前后参考滑窗均存在干扰目标的情况。为此，有序统计类CFAR检测方法通过对参考滑窗中的参考样本按幅值大小进行排序，然后基于有序样本进行选择或删除等操作，有效改善了检测方法的多目标分辨能力，但此类CFAR检测方法均需要干扰目标数的先验信息，且排序操作在一定程度上增加了计算量。在干扰目标数未知的情况下，为得到背景杂波平均功率水平的准确估计，需要将干扰目标从参考单元序列中排除出去，这正是自适应CFAR检测方法所需解决的问题。目前，大部分自适应CFAR检测方法通过多步循环删除或迭代删除技术对参考单元中的干扰目标进行剔除，虽然在一定程度上改善了多目标环境下的检测性能，但其中涉及的复杂循环(或迭代)及排序操作导致了巨大的计算量，制约了这类自适应CFAR检测方法的工程实现及有效应用。在干扰目标数未知的情况下，设计简单有效的自适应CFAR检测方法具有重要的现实意义。

三、发明内容

1.要解决的技术问题

在干扰目标数未知的多目标情况下，为了克服现有CFAR检测方法检测性能下降或计算复杂度高等问题，本发明提出一种简单有效的自适应CFAR融合检测方法，该方法能自动确定干扰目标数，有效剔除参考单元中的干扰目标采样，去除干扰目标的不利影响，并利用剩余的纯杂波采样值融合形成检测阈值，在满足虚警概率恒定的同时能有效检测多目标，具有很强的虚警控制能力和多目标分辨能力，且计算简单便于工程实现。

2.技术方案

本发明所述自适应CFAR融合检测方法包括以下技术措施：

步骤1：自动估计参考单元中的干扰目标数并剔除干扰目标

首先，在待检测单元附近采用2M个雷达回波数据(x_m，m＝1，2，…，2M)形成一检测滑窗，并估计检测滑窗内所有雷达回波数据的均值和方差，其中，均值估计由数据的算术平均值获得，即

$\widehat{\mathrm{\μ}}=\frac{1}{2M}\underset{m=1}{\overset{2M}{\mathrm{\Σ}}}{x}_m---\left(1\right)$

而方差估计由下式获得

${\widehat{\mathrm{\σ}}}^2=\frac{1}{2M}\underset{m=1}{\overset{2M}{\mathrm{\Σ}}}{(x_m-\widehat{\mathrm{\μ}})}^2---\left(2\right)$

其次，基于正态分布的3-Sigma准则估计参考单元中的干扰目标数并剔除干扰目标，即将满足下式的雷达回波数据判定为来自干扰目标，并将其从参考单元中剔除

$|x_m-\widehat{\mathrm{\μ}}|>3\widehat{\mathrm{\σ}},m=\mathrm{1,2},\·\·\·,2M---\left(3\right)$

经过筛选和剔除，假设满足式(3)的雷达回波数据为N个，则剩下的2M-N个雷达回波采样(y_m，m＝1，2，…，2M-N)被判定为纯杂波采样；

步骤2：利用筛选后的纯杂波采样融合形成检测阈值并进行目标有无的判决

首先，利用2M-N个纯杂波采样(y_k，k＝1，2，…，2M-N)融合估计杂波平均功率水平Z，即

$Z=\underset{k=1}{\overset{2M-N}{\mathrm{\Σ}}}{y}_k^2---\left(4\right)$

其次，根据下式利用牛顿迭代法计算给定虚警概率P_fa时的门限因子T，

$P_{\mathrm{fa}}=\underset{k=1}{\overset{2M-N}{\mathrm{\Σ}}}\frac{a_k}{c_k+T}---\left(5\right)$

其中，系数c_k和a_k(k＝1，2，…，2M-N)分别为

$c_k=\frac{2M-k+1}{2M-N-k+1}---\left(6\right)$

$a_k=\frac{{\mathrm{\Π}}_{j=1}^{2M-N}{c}_j}{{\mathrm{\Π}}_{\underset{j=1}{j\≠k}}^{2M-N}(c_j-c_k)}---\left(7\right)$

最后，利用杂波平均功率水平Z与门限因子T相乘获得检测门限S＝TZ，并与待检测单元采样数据D的平方值D²进行比较；若D²≥S，则判定待检测单元存在目标，反之若D²＜S，则判定待检测单元不存在目标。

3.有益效果

与背景技术相比，本发明的有益效果是：在未知干扰目标数的多目标情况下，无需采用现有技术中的多步循环删除(或迭代删除)及数据排序等复杂操作，就能自动确定干扰目标数并剔除参考单元中的干扰目标采样，在满足虚警概率恒定的同时能有效检测多目标，且计算简单便于工程实现。

四、附图说明

图中，1.匹配滤波器，2.2_1至2_M为前沿滑窗的M个移位寄存器，3.待检测单元的移位寄存器，4.4_1至4_M为后沿滑窗的M个移位寄存器，5.干扰目标自动删除处理器，6.平方求和运算器，7.门限因子计算器，8.乘法器，9.平方运算器，10.比较器。

五、具体实施方式

从雷达天线回来的信号经放大和混频后，送入匹配滤波器(1)进行能量积累，将积累后的信号按雷达的距离分辨单元进行采样，得到长度为2M+1的序列x₁，…，x_M，D，x_M+1…，x_2M，并将该序列依次送入前沿滑窗的M个移位寄存器(2_1)至(2_M)、待检测单元的移位寄存器(3)和后沿滑窗的M个移位寄存器(4_1)至(4_M)中。将前沿滑窗(2)和后沿滑窗(4)中的2M个数据(x_m，m＝1，2，…，2M)送入干扰目标自动删除处理器(5)，根据式(1)和式(2)分别计算检测滑窗内所有数据的均值估计值和方差估计值，再对所有2M个数据(x_m，m＝1，2，…，2M)经过筛选和剔除，即将满足式(3)的数据从参考单元中剔除，剩下2M-N个纯杂波采样(y_k，k＝1，2，…，2M-N)。将纯杂波采样(y_k，k＝1，2，…，2M-N)送入平方求和运算器(6)，依据式(4)估计出杂波平均功率水平Z，同时在门限因子计算器(7)中根据式(5)计算出给定虚警概率P_fa时的门限因子T，并将Z和T在乘法器(8)中相乘获得检测门限S。将移位寄存器(3)中待检测单元的采样数据D送入平方运算器(9)中，得到平方值D²。将平方值D²与检测门限S送入比较器(10)中进行比较；若D²≥S，则判定待检测单元存在目标；若D²＜S，则判定待检测单元不存在目标。

Claims (1)

1.干扰目标数未知的多目标情况下雷达自适应恒虚警率检测融合方法，其特征在于包括以下步骤：

步骤1：自动估计参考单元中的干扰目标数并剔除干扰目标

首先，在待检测单元附近采用2M个雷达回波数据(x_m,m＝1,2,…,2M)形成一检测滑窗，并估计检测滑窗内所有雷达回波数据的均值和方差，其中，均值估计由数据的算术平均值获得，即

$\widehat{\mathrm{\μ}}=\frac{1}{2M}\underset{m=1}{\overset{2M}{\Σ}}{x}_m---\left(1\right)$

而方差估计由下式获得

${\widehat{\mathrm{\σ}}}^2=\frac{1}{2M}\underset{m=1}{\overset{2M}{\Σ}}{(x_m-\widehat{\mathrm{\μ}})}^2---\left(2\right)$

其次，基于正态分布的3-Sigma准则估计参考单元中的干扰目标数并剔除干扰目标，即将满足下式的雷达回波数据判定为来自干扰目标，并将其从参考单元中剔除

$|x_m-\widehat{\mathrm{\μ}}|>3\widehat{\mathrm{\σ}},m=1,2,...,2M---\left(3\right)$

经过筛选和剔除，假设满足式(3)的雷达回波数据为N个，则剩下的2M-N个雷达回波采样(y_m,m＝1,2,…,2M-N)被判定为纯杂波采样；

步骤2：利用筛选后的纯杂波采样融合形成检测阈值并进行目标有无的判决

首先，利用2M-N个纯杂波采样(y_k,k＝1,2,…,2M-N)融合估计杂波平均功率水平Z，即

$Z=\underset{k=1}{\overset{2M-N}{\Σ}}{y}_k^2---\left(4\right)$

其次，根据下式利用牛顿迭代法计算给定虚警概率P_fa时的门限因子T，

$P_{fa}=\underset{k=1}{\overset{2M-N}{\Σ}}\frac{a_k}{c_k+T}---\left(5\right)$

其中，系数c_k和a_k(k＝1,2,…,2M-N)分别为

$c_k=\frac{2M-k+1}{2M-N-k+1}---\left(6\right)$

$a_k=\frac{{\Π}_{j=1}^{2M-N}{c}_j}{{\Π}_{\underset{j=1}{j\≠k}}^{2M-N}\left(c_j-c_k\right)}---\left(7\right)$

最后，利用杂波平均功率水平Z与门限因子T相乘获得检测门限S＝TZ，并与待检测单元采样数据D的平方值D²进行比较；若D²≥S，则判定待检测单元存在目标，反之若D²<S，则判定待检测单元不存在目标。