CN105425223B - 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 - Google Patents

广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 Download PDF

Info

Publication number
CN105425223B
CN105425223B CN201510765463.1A CN201510765463A CN105425223B CN 105425223 B CN105425223 B CN 105425223B CN 201510765463 A CN201510765463 A CN 201510765463A CN 105425223 B CN105425223 B CN 105425223B
Authority
CN
China
Prior art keywords
mrow
msub
msup
radar
mover
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510765463.1A
Other languages
English (en)
Other versions
CN105425223A (zh
Inventor
许述文
蒲佳
水鹏朗
薛健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201510765463.1A priority Critical patent/CN105425223B/zh
Publication of CN105425223A publication Critical patent/CN105425223A/zh
Application granted granted Critical
Publication of CN105425223B publication Critical patent/CN105425223B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种广义帕累托杂波背景下的自适应稀疏距离扩展雷达目标的检测方法，其具体思路为：采用二元假设法描述雷达目标检测问题，并据此进行建模，分别得到sk和ck，根据sk和ck，计算得到雷达回波数据的似然比检测统计量，进而得到均匀帕累托杂波的距离扩展雷达目标检测器，再利用最大似然估计方法，分别得到均匀帕累托杂波距离扩展雷达目标的广义似然比检测器和均匀帕累托杂波非起伏稀疏距离扩展雷达目标的广义似然比检测器，设定雷达目标的虚警概率PFA，然后计算得到所述似然比检测器的检测门限T，并据此任意选取雷达回波数据中的一个距离单元为检测单元，计算该检测单元的检测统计量Λ，利用Λ与T获知雷达回波数据中每一个距离单元存在的所述雷达目标。

Description

广义帕累托杂波下稀疏距离扩展雷达目标的检测方法
技术领域
本发明属于雷达目标检测技术领域，特别涉及一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，适用于宽带高分辨雷达目标检测。
背景技术
在近几十年内，低分辨率雷达在不同杂波背景下的点状目标自适应检测已经被广泛地研究。然而，现代宽带高分辨率雷达(HRR)能够解析出雷达距离扩展目标的独立散射中心，宽带高分辨率雷达能够捕获大量的雷达目标散射形状的细节信息，用于进行雷达目标的分类、识别和成像。然而，由于海尖峰的出现使得杂波的统计特性不能再用高斯随机过程建模描述，进而使得宽带高分辨率雷达下的杂波模型随之变得非常复杂。
现代宽带高分辨率雷达通常工作在杂波环境下。一般来说，云、雨、雾、陆地以及海洋表面的回波比接收器的噪声要大很多，杂波环境下的距离雷达目标检测器在近几年被广泛研究，研究人员致力于研究高斯杂波和K分布杂波下的距离扩展雷达目标各自的检测性能，K分布已被证实在大多数情况下对于杂波是很好的模型。然而，海尖峰的出现使标准K分布在重拖尾区域的拟合效果很差，混合分布如已知的K分布虽提高了水平极化杂波的拟合程度，但是KK分布却需要更多的参数去描述杂波。
近些年，研究人员提出用广义帕累托分布(GP)来描述海杂波，特别是对于在低擦地角高分辨率情况下的海杂波，帕累托杂波下的距离扩展雷达目标的自适应检测器也相继(RST-GLRT)被提出，其中认为每个距离单元的杂波纹理分量服从独立同分布(IIID)。然而，对于每个距离单元的纹理分量一致的均匀杂波环境，距离扩展雷达目标的广义似然比检测器检测效果会明显下降；并且，非起伏稀疏距离扩展雷达目标的散射体可能只占据雷达目标距离扩展范围的一节，使得雷达回波数据的振幅估计方法也需要重新考虑。
发明内容
针对以上现有技术存在的不足，本发明的目的在于提出一种广义帕累托杂波背景下的自适应稀疏距离扩展雷达目标的检测方法，该方法能够克服现有技术存在的不足，并能够提高宽带高分辨率雷达目标的检测性能。
为达到上述技术目的，本发明采用如下技术方案予以实现。
一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，包括以下步骤：
步骤1，雷达目标的检测模型采用二元假设法描述如下：
其中，H0表示假设无雷达目标存在，H1表示假设有雷达目标存在，zk'表示被用来参考的第k'个距离单元的雷达回波数据的次要数据，zk”表示第k”个距离单元的雷达回波数据，zk表示第k个距离单元的雷达回波数据的主要数据，ck'表示第k'个距离单元雷达回波数据的次要数据的海杂波回波，ck”表示第k”个距离单元雷达回波数据的海杂波回波，ck表示第k个距离单元雷达回波数据的主要数据的海杂波回波，sk表示第k个距离单元雷达回波数据的主要数据的雷达目标回波，K表示雷达回波数据的主要数据包含的距离单元个数，R表示雷达回波数据的次要数据包含的距离单元个数；
步骤2，分别设定包含雷达目标的雷达目标信号和包含海杂波的海杂波信号，并根据步骤1所述的雷达目标检测模型，对所述雷达目标信号进行建模，得到第k个距离单元的雷达回波数据的主要数据包含的所述雷达目标信号的数学模型sk；对所述海杂波信号进行建模，得到第k个距离单元的雷达回波数据的主要数据包含的所述海杂波信号的复合高斯向量ck；其中，k∈{1,2,…,K}，K表示雷达回波数据的主要数据包含的距离单元个数；
步骤3，根据第k个距离单元的雷达回波数据的主要数据包含的雷达目标信号的数学模型sk和第k个距离单元的雷达回波数据的主要数据包含的海杂波信号的复合高斯向量ck，并利用Neyman-Pearson准则，得到第1个距离单元～第K+R个距离单元雷达回波数据对应的似然比检测统计量Λ(1:K+R)；其中，k∈{1,2,…,K}，K表示雷达回波数据的主要数据包含的距离单元个数，R表示雷达回波数据的次要数据包含的距离单元个数；
步骤4，利用第1个距离单元～第K+R个距离单元雷达回波数据对应的似然比检测统计量Λ(1:K+R)，得到均匀帕累托杂波的距离扩展雷达目标检测器；
步骤5，根据均匀帕累托杂波的距离扩展雷达目标检测器，分别得到均匀帕累托杂波距离扩展雷达目标的广义似然比检测器和均匀帕累托杂波非起伏稀疏距离扩展雷达目标的广义似然比检测器；
步骤6，根据均匀帕累托杂波距离扩展雷达目标的广义似然比检测器和均匀帕累托杂波非起伏稀疏距离扩展雷达目标的广义似然比检测器，设定所述雷达目标的虚警概率PFA，然后计算得到雷达回波数据的似然比检测器的检测门限T；
步骤7，根据雷达回波数据的似然比检测器的检测门限T，选取雷达回波数据中第k”个距离单元为检测单元，计算该检测单元的检测统计量Λ，再将该检测单元的检测统计量Λ与雷达回波数据的似然比检测器检测门限T进行比较，判断该检测单元中是否存在所述雷达目标；
如果Λ≥T，说明该检测单元中存在所述雷达目标；如果Λ<T，则说明该检测单元中没有所述雷达目标，进而获知雷达回波数据中每一个距离单元存在的所述雷达目标；
其中，k”∈{1,2,…,K,K+1,…,K+R}，K表示雷达回波数据的主要数据包含的距离单元个数，R表示雷达回波数据的次要数据包含的距离单元个数。
本发明的有益效果为：
第一，本发明在帕累托杂波环境下，利用均匀杂波的纹理分量均匀性，与传统的距离扩展雷达目标广义似然比检测器(RST-GLRT)相比有更好的检测性能；
第二，本发明提出了一种宽带非起伏模型的振幅估计方法，该方法有效提高了对振幅的估计准确度，进而提高了检测器的检测性能。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法实现流程图；
图2为本发明与传统检测器在形状参数ν＝2条件下的检测性能对比图；
图3为本发明与传统检测器在形状参数ν＝16条件下的检测性能对比图。
具体实施方式
参照图1，为本发明的一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法实现流程图，该种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，包括以下步骤：
步骤1，采用二元假设法描述雷达目标检测问题，其表述如下：
其中，H0表示假设无雷达目标存在，H1表示假设有雷达目标存在，zk'表示被用来参考的第k'个距离单元的雷达回波数据的次要数据，zk”表示第k”个距离单元的雷达回波数据，zk表示第k个距离单元的雷达回波数据的主要数据，ck'表示第k'个距离单元雷达回波数据的次要数据的海杂波回波，ck”表示第k”个距离单元雷达回波数据的海杂波回波，ck表示第k个距离单元雷达回波数据的主要数据的海杂波回波，sk表示第k个距离单元雷达回波数据的主要数据的雷达目标回波，K表示雷达回波数据的主要数据包含的距离单元个数，R表示雷达回波数据的次要数据包含的距离单元个数。
步骤2，分别设定包含雷达目标的雷达目标信号和包含海杂波的海杂波信号，并根据步骤1所述的雷达目标检测模型，对所述雷达目标信号进行建模，得到第k个距离单元的雷达回波数据的主要数据包含的所述雷达目标信号的数学模型sk；对所述海杂波信号进行建模，得到第k个距离单元的雷达回波数据的主要数据包含的所述海杂波信号的复合高斯向量ck；其中，k∈{1,2，…,K}，K表示雷达回波数据的主要数据包含的距离单元个数。
2.1设定包含雷达目标的雷达目标信号，并根据步骤1所述的雷达目标检测模型，对所述雷达目标信号建模，得到第k个距离单元的雷达回波数据的主要数据包含所述雷达目标信号的数学模型sk。
具体地，第k个距离单元的雷达回波数据的主要数据包含所述雷达目标信号的数学模型sk，其具体表达式为：
sk＝akp
其中，假设所述雷达目标信号没有多普勒偏移和距离游走效应，ak表示第k个距离单元的雷达回波数据的主要数据的复振幅，rk表示第k个距离单元的雷达回波数据的主要数据的振幅，φk表示第k个距离单元的雷达回波数据的主要数据的初相位，p表示雷达回波数据的复多普勒导向矢量，T表示矩阵转置操作符，fd表示雷达回波数据的归一化多普勒频率，N表示雷达回波数据的每一个距离单元包含的相干脉冲个数。
2.2设定包含海杂波的海杂波信号，并根据步骤1所述的雷达目标检测模型，对所述海杂波信号进行建模，得到第k个距离单元的雷达回波数据的主要数据包含所述海杂波信号的复合高斯向量ck。
具体地，第k个距离单元的雷达回波数据的主要数据包含所述海杂波信号的复合高斯向量ck，其具体表达式为：
其中，u表示所述海杂波信号的散斑分量，M＝E{uuH}，M表示所述海杂波信号的散斑分量u的协方差矩阵，τk表示第k个距离单元的雷达回波数据的主要数据的每一个距离单元的纹理分量，上标H表示共轭转置，k∈{1,2,…,K}，K表示雷达回波数据的主要数据包含的距离单元个数。
使用所述海杂波信号的散斑分量u的协方差矩阵M的零均值进行复高斯向量建模，并且在所述海杂波为均匀帕累托杂波时，雷达回波数据的主要数据的每一个距离单元的纹理分量分别是一样的。因此，雷达回波数据的主要数据的每一个距离单元的纹理分量分别用τ表示。
设定所述海杂波信号的能量属于广义帕累托杂波能量模型时，所述海杂波信号的纹理分量的概率密度函数服从逆Gamma分布。因此，使用海杂波信号的纹理分量τ的倒数α＝1/τ表示所述海杂波信号的纹理分量的概率密度函数pα(α)，其具体表达式为
pα(α)＝ηναν-1exp(-ηα)/Γ(ν),α≥0 <2>
其中，α表示海杂波信号的纹理分量τ的倒数，τ表示海杂波信号的纹理分量，ν表示海杂波信号的纹理分量的逆Gamma分布的形状参数，η表示海杂波信号的纹理分量的逆Gamma分布的尺度参数，Γ(·)表示Gamma函数，exp(·)表示指数函数。所以，得到所述海杂波信号的纹理分量τ的概率密度函数pτ(τ)，其表达式为：
pτ(τ)＝ηνexp(-η/τ)/(Γ(ν)τν+1),τ≥0 <3>
其中，E(τ)＝η/(v-1)。因此，广义帕累托杂波能量模型的概率密度函数p(C)为：
其中，C表示所述海杂波信号的功率，并且得出的广义帕累托杂波能量模型服从Lomax广义帕累托分布。当所述海杂波信号的纹理分量逆Gamma分布的形状参数ν>1时，广义帕累托杂波能量模型的均值是η/(v-1)。
步骤3，根据第k个距离单元的雷达回波数据的主要数据包含的雷达目标信号的数学模型sk和第k个距离单元的雷达回波数据的主要数据包含的海杂波信号的复合高斯向量ck，并利用Neyman-Pearson准则，得到第1个距离单元～第K+R个距离单元雷达回波数据对应的似然比检测统计量Λ(1:K+R)；其中，k∈{1,2，…,K}，K表示雷达回波数据的主要数据包含的距离单元个数，R表示雷达回波数据的次要数据包含的距离单元个数。
3.1根据第k个距离单元的雷达回波数据的主要数据包含的雷达目标信号的数学模型sk和第k个距离单元的雷达回波数据的主要数据包含的海杂波信号的复合高斯向量ck，得到第k个距离单元的雷达回波数据的主要数据zk的概率密度函数pi(zk)，其表达式为：
其中，i∈{0,1}，i＝0时，pi(zk)和分别取p0(zk)和i＝1时pi(zk)和取p1(zk)和p0(zk)表示在H0条件下zk的概率密度函数，p1(zk)表示在H1条件下zk的概率密度函数，zk表示第k个距离单元的雷达回波数据的主要数据，H0表示假设无雷达目标存在，H1表示假设有雷达目标存在，N表示雷达回波数据的每一个距离单元包含的相干脉冲个数。为了使式<5>简洁方便，分别记M＝E{uuH}，M表示所述海杂波信号的散斑分量u的协方差矩阵。
假设在单杂波情况下，间隔检测单元的主要数据向量也具有相同的概率密度函数。因此，得到雷达回波数据的联合概率密度函数f0(z1,z2,…zK+R)，其表达式为：
将H0和H1下的联合概率密度函数可以写成统一形式f(z1,z2,…zK+R|Hi)，其表达式为：
其中，i∈{0,1}， k”∈{1,2,…,K,K+1,…,K+R}，k∈{1,2,…,K}，k'∈{K+1,K+2,…,K+R}，zk”表示第k”个距离单元的雷达回波数据，zk表示第k个距离单元的雷达回波数据的主要数据，zk'表示被用来参考的第k'个距离单元的雷达回波数据的次要数据，M＝E{uuH}，M表示所述海杂波信号的散斑分量u的协方差矩阵，ak表示第k个距离单元的雷达回波数据的主要数据的复振幅，rk表示第k个距离单元的雷达回波数据的主要数据的振幅，φk表示第k个距离单元的雷达回波数据的主要数据的初相位，p表示雷达回波数据的复多普勒导向矢量，T表示矩阵转置操作符，fd表示雷达回波数据的归一化多普勒频率，N表示雷达回波数据的每一个距离单元包含的相干脉冲个数。
3.2根据Neyman-Pearson准则，在雷达回波数据的每一个距离单元相互独立的假设下，计算得到第1个距离单元～第K+R个距离单元雷达回波数据分别对应的似然比检测统计量ΛNP(z1:K+R)，其表达式为：
其中，ΛNP(z1:K+R)表示第1个距离单元～第K+L个距离单元雷达回波数据分别对应的似然比检测统计量， k”∈{1,2,…,K,K+1,…,K+R}，k∈{1,2,…,K}，k'∈{K+1,K+2,…,K+R}，zk”表示第k”个距离单元的雷达回波数据，zk表示第k个距离单元的雷达回波数据的主要数据，zk'表示被用来参考的第k'个距离单元的雷达回波数据的次要数据，M＝E{uuH}，M表示所述海杂波信号的散斑分量u的协方差矩阵，ak表示第k个距离单元的雷达回波数据的主要数据的复振幅，rk表示第k个距离单元的雷达回波数据的主要数据的振幅，φk表示第k个距离单元的雷达回波数据的主要数据的初相位，K表示雷达回波数据的主要数据包含的距离单元个数，R表示雷达回波数据的次要数据包含的距离单元个数，p表示雷达回波数据的复多普勒导向矢量，T表示矩阵转置操作符，fd表示雷达回波数据的归一化多普勒频率，表示(·)满足时H1假设成立，(·)不满足时H0假设成立，H0表示假设无雷达目标存在，H1表示假设有雷达目标存在，N表示雷达回波数据的每一个距离单元包含的相干脉冲个数。
步骤4，利用第1个距离单元～第K+R个距离单元雷达回波数据对应的似然比检测统计量Λ(1:K+R)，得到均匀帕累托杂波的距离扩展雷达目标检测器。
具体地，利用第1个距离单元～第K+R个距离单元雷达回波数据对应的似然比检测统计量Λ(1:K+R)，并根据海杂波属于广义帕累托杂波时，海杂波信号的纹理分量τ服从逆Gamma分布，将式<2>代入式<8>，得到均匀帕累托杂波的距离扩展雷达目标检测器，其表达式为：
其中，表示k从1到K的求和符号，表示k从1到K+R的求和符号，表示通过蒙特卡洛实验方法得到的雷达目标的检测门限；该检测器称为均匀帕累托杂波距离扩展雷达目标检测器(HP-RST)。
步骤5，根据均匀帕累托杂波的距离扩展雷达目标检测器，利用最大似然估计方法，分别得到均匀帕累托杂波距离扩展雷达目标的广义似然比检测器(HP-NSRST-GLRT)和均匀帕累托杂波非起伏稀疏距离扩展雷达目标的广义似然比检测器(HP-RST-GLRT)。
具体地，本实施例提出了一种宽带非起伏模型的雷达目标振幅估计方法，其过程为：
在H1假设下，ak的最大似然估计值为：
其中，k∈{1,2,…,K}，zk表示第k个距离单元的雷达回波数据的主要数据。
然后，提取K1×N个距离单元的雷达回波数据作为雷达回波数据的主要数据，该雷达回波数据的主要数据包括K1个距离单元的雷达目标和海杂波回波 其中，K1表示包含雷达目标的雷达回波数据的主要数据的距离单元个数，N表示雷达回波数据的每一个距离单元包含的相干脉冲个数。
再将该雷达回波数据的主要数据和步骤1中雷达回波数据的次要数据组成优化观测数据
根据所述海杂波回波重新估计雷达目标的振幅在第个距离单元的估计值假设估计得出的分别是相同的，此处用a分别表示并且，a的最大似然估计表示为：
其中，表示f(·)取最大值时a的对应值，pτ(τ)表示海杂波纹理分量τ的概率密度函数，为了表示方便，记
求解式(11)得到雷达目标的估计振幅
海杂波是均匀的，海杂波散斑分量的归一化样本协方差矩阵(NSCM)为：
使用估计的海杂波散斑分量的协方差矩阵和雷达目标的估计振幅得到均匀帕累托杂波距离扩展雷达目标的广义似然比检测器(HP-NSRST-GLRT)，其表示为：
为了便于比较，将式<9>和式<13>估计值分别代入式<8>中，得到均匀帕累托杂波距离扩展雷达目标的广义似然比检测器(HP-RST-GLRT)表示为：
其中，η表示海杂波信号的纹理分量的逆Gamma分布的尺度参数，ν表示海杂波信号的纹理分量的逆Gamma分布的形状参数，表示ak的最大似然估计值。
步骤6，根据均匀帕累托杂波距离扩展雷达目标的广义似然比检测器
(HP-NSRST-GLRT)和均匀帕累托杂波非起伏稀疏距离扩展雷达目标的广义似然比检测器(HP-RST-GLRT)，设定所述雷达目标的虚警概率PFA，然后计算得到雷达回波数据的似然比检测器(LRT)的检测门限T。
具体地，采用实测海杂波数据，并通过蒙特卡罗实验方法计算得到雷达回波数据的似然比检测器(LRT)的检测门限T，其过程如下：
6.1A表示设定的蒙特卡罗实验次数，且令A为大于1的自然数，本发明实施例中经验性地将A设定为100/PFA，然后计算第1次实验的所述雷达目标的检测统计量Λ1到第A次实验的所述雷达目标的检测统计量ΛA，进而分别得到A个所述雷达目标的检测统计量Λ1～ΛA；其中，PFA表示设定所述雷达目标的虚警概率。
6.2将A个所述雷达目标的检测统计量Λ1～ΛA按降序排列，然后在降序排列后的A个雷达目标检测统计量中，选取第[APFA]个元素值作为雷达回波数据的似然比检测器(LRT)的检测门限T，[APFA]表示不超过实数APFA的最大整数。
步骤7，根据雷达回波数据的似然比检测器(LRT)的检测门限T，选取雷达回波数据中第k”个距离单元为检测单元，计算该检测单元的检测统计量Λ，再将该检测单元的检测统计量Λ与雷达回波数据的似然比检测器(LRT)检测门限T进行比较，判断该检测单元中是否存在所述雷达目标。
如果Λ≥T，说明该检测单元中存在所述雷达目标；如果Λ<T，则说明该检测单元中没有所述雷达目标，进而获知雷达回波数据中每一个距离单元存在的所述雷达目标。
其中，k”∈{1,2，…,K,K+1,…,K+R}，K表示雷达回波数据的主要数据包含的距离单元个数，R表示雷达回波数据的次要数据包含的距离单元个数。
本发明效果可以通过以下仿真实验进一步说明。
(一)仿真实验条件。
仿真实验中作为比较的传统帕累托杂波距离扩展雷达目标的广义似然比检测器(RST-GLRT)表示如下：
海杂波信号的散斑分量的协方差矩阵的数学表达式为：
Σ(i,j)＝ρ|i-j|，1≤i≤j≤N
其中，ρ表示一阶迟滞相关系数，在雷达海杂波中通常在[0.9,0.99]之间，仿真时设置一阶迟滞相关系数ρ＝0.9，N表示雷达回波数据的每一个距离单元包含的相干脉冲个数。仿真实验中，定义信杂比(SCR)的计算式为：
其中，表示海杂波实现序列的平均能量。
仿真实验中，设置雷达回波数据的每一个距离单元包含的相干脉冲个数N＝8，归一化多普勒频率fd＝0.25，K＝10，K1＝3，R＝64，尺度参数设置为η＝ν-1，设置所述雷达目标的虚警概率PFA为10-3，设定的蒙特卡罗实验次数A：A＝100/PFA＝10-5。
(二)仿真实验内容
仿真1，在纹理分量形状参数ν＝2下，采用本发明提出的两种检测器(HP-NSRST-GLRT和HP-RST-GLRT)与传统检测器(RST_GLRT)，在信杂比(SCR)从-20dB变化至0dB条件下，使用三种检测器分别得到的检测概率曲线如图2所示，图2中横轴表示信杂比变化，纵轴表示检测概率。
仿真2，在纹理分量形状参数ν＝16下，采用本发明提出的两种检测器(HP-NSRST-GLRT和HP-RST-GLRT)与传统检测器(RST-GLRT)，在信杂比(SCR)从-20dB变化至0dB条件下，三种检测器的检测概率如图2所示，图2中横轴表示信杂比变化，纵轴表示检测概率。
从图2和图3中可以看出，提出的均匀帕累托杂波距离扩展雷达目标的广义似然比检测器(HP-NSRST-GLRT)和均匀帕累托杂波非起伏稀疏距离扩展雷达目标的广义似然比检测器(HP-RST-GLRT)两种检测器的检测效果优于传统帕累托杂波距离扩展雷达目标的广义似然比检测器(RST-GLRT)检测器，并且对于非起伏稀疏距离扩展雷达目标，均匀帕累托杂波距离扩展雷达目标的广义似然比检测器(HP-NSRST-GLRT)检测器比均匀帕累托杂波非起伏稀疏距离扩展雷达目标的广义似然比检测器(HP-RST-GLRT)的检测效果更好。
综上所述，仿真实验验证了本发明的正确性，有效性和可靠性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围；这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，其特征在于，包括以下步骤：
步骤1，雷达目标的检测模型采用二元假设法描述如下：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>H</mi> <mn>0</mn> </msub> <mo>:</mo> <msub> <mi>z</mi> <msup> <mi>k</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> </msub> <mo>=</mo> <msub> <mi>c</mi> <msup> <mi>k</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> </msub> <mo>,</mo> <msup> <mi>k</mi> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msup> <mo>&amp;Element;</mo> <mo>{</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>K</mi> <mo>,</mo> <mi>K</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>K</mi> <mo>+</mo> <mi>R</mi> <mo>}</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>H</mi> <mn>1</mn> </msub> <mo>:</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>z</mi> <mi>k</mi> </msub> <mo>=</mo> <msub> <mi>s</mi> <mi>k</mi> </msub> <mo>+</mo> <msub> <mi>c</mi> <mi>k</mi> </msub> <mo>,</mo> <mi>k</mi> <mo>&amp;Element;</mo> <mo>{</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>K</mi> <mo>}</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>z</mi> <msup> <mi>k</mi> <mo>&amp;prime;</mo> </msup> </msub> <mo>=</mo> <msub> <mi>c</mi> <msup> <mi>k</mi> <mo>&amp;prime;</mo> </msup> </msub> <mo>,</mo> <msup> <mi>k</mi> <mo>&amp;prime;</mo> </msup> <mo>&amp;Element;</mo> <mo>{</mo> <mi>K</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>K</mi> <mo>+</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>K</mi> <mo>+</mo> <mi>R</mi> <mo>}</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> </mtable> </mfenced>
其中，H0表示假设无雷达目标存在，H1表示假设有雷达目标存在，zk′表示被用来参考的第k′个距离单元的雷达回波数据的次要数据，zk″表示第k″个距离单元的雷达回波数据，zk表示第k个距离单元的雷达回波数据的主要数据，ck′表示第k′个距离单元雷达回波数据的次要数据的海杂波回波，ck″表示第k″个距离单元雷达回波数据的海杂波回波，ck表示第k个距离单元雷达回波数据的主要数据的海杂波回波，sk表示第k个距离单元雷达回波数据的主要数据的雷达目标回波，K表示雷达回波数据的主要数据包含的距离单元个数，R表示雷达回波数据的次要数据包含的距离单元个数；
步骤2，分别设定包含雷达目标的雷达目标信号和包含海杂波的海杂波信号，并根据步骤1所述的雷达目标检测模型，对所述雷达目标信号进行建模，得到第k个距离单元的雷达回波数据的主要数据包含的所述雷达目标信号的数学模型sk；对所述海杂波信号进行建模，得到第k个距离单元的雷达回波数据的主要数据包含的所述海杂波信号的复合高斯向量ck；其中，k∈{1，2，…，K}；
步骤3，根据第k个距离单元的雷达回波数据的主要数据包含的雷达目标信号的数学模型sk和第k个距离单元的雷达回波数据的主要数据包含的海杂波信号的复合高斯向量ck，并利用Neyman-Pearson准则，得到第1个距离单元～第K+R个距离单元雷达回波数据对应的似然比检测统计量Λ(1∶K+R)；
步骤4，利用第1个距离单元～第K+R个距离单元雷达回波数据对应的似然比检测统计量Λ(1∶K+R)，得到均匀帕累托杂波的距离扩展雷达目标检测器；
步骤5，根据均匀帕累托杂波的距离扩展雷达目标检测器，分别得到均匀帕累托杂波距离扩展雷达目标的广义似然比检测器和均匀帕累托杂波非起伏稀疏距离扩展雷达目标的广义似然比检测器；
步骤6，根据均匀帕累托杂波距离扩展雷达目标的广义似然比检测器和均匀帕累托杂波非起伏稀疏距离扩展雷达目标的广义似然比检测器，设定所述雷达目标的虚警概率PFA，然后计算得到雷达回波数据的似然比检测器的检测门限T；
步骤7，根据雷达回波数据的似然比检测器的检测门限T，选取雷达回波数据中第k″个距离单元为检测单元，计算该检测单元的检测统计量Λ，再将该检测单元的检测统计量Λ与雷达回波数据的似然比检测器检测门限T进行比较，判断该检测单元中是否存在所述雷达目标；
如果Λ≥T，说明该检测单元中存在所述雷达目标；如果Λ＜T，则说明该检测单元中没有所述雷达目标，进而获知雷达回波数据中每一个距离单元存在的所述雷达目标；
其中，k″∈{1，2，…，K，K+1，…，K+R}。
2.如权利要求1所述的一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，其特征在于，在步骤2中，所述第k个距离单元的雷达回波数据的主要数据包含的所述雷达目标信号的数学模型sk，其具体表达式为：
sk＝akp
其中，假设所述雷达目标信号没有多普勒偏移和距离游走效应，ak表示第k个距离单元的雷达回波数据的主要数据的复振幅，rk表示第k个距离单元的雷达回波数据的主要数据的振幅，φk表示第k个距离单元的雷达回波数据的主要数据的初相位，p表示雷达回波数据的复多普勒导向矢量，T表示矩阵转置操作符，fd表示雷达回波数据的归一化多普勒频率，N表示雷达回波数据的每一个距离单元包含的相干脉冲个数。
3.如权利要求1所述的一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，其特征在于，在步骤2中，所述第k个距离单元的雷达回波数据的主要数据包含的所述海杂波信号的复合高斯向量ck，其具体表达式为：
<mrow> <msub> <mi>c</mi> <mi>k</mi> </msub> <mo>=</mo> <msqrt> <msub> <mi>&amp;tau;</mi> <mi>k</mi> </msub> </msqrt> <mi>u</mi> </mrow>
其中，u表示所述海杂波信号的散斑分量，M＝E{uuH}，M表示所述海杂波信号的散斑分量u的协方差矩阵，τk表示第k个距离单元的雷达回波数据的主要数据的每一个距离单元的纹理分量，上标H表示共轭转置，k∈{1，2，…，K}，K表示雷达回波数据的主要数据包含的距离单元个数。
4.如权利要求1所述的一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，其特征在于，在步骤3中，所述得到第1个距离单元～第K+R个距离单元雷达回波数据对应的似然比检测统计量，其过程为：
3.1根据第k个距离单元的雷达回波数据的主要数据包含的雷达目标信号的数学模型sk和第k个距离单元的雷达回波数据的主要数据包含的海杂波信号的复合高斯向量ck，得到第k个距离单元的雷达回波数据的主要数据zk的概率密度函数pi(zk)；
3.2设定雷达回波数据的每一个距离单元相互独立，计算得到第1个距离单元～第K+R个距离单元雷达回波数据分别对应的似然比检测统计量Λ(1∶K+L)。
5.如权利要求4所述的一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，其特征在于，所述第k个距离单元的雷达回波数据的主要数据zk的概率密度函数pi(zk)，其表达式为：
<mrow> <msub> <mi>p</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mrow> <mo>+</mo> <mi>&amp;infin;</mi> </mrow> </msubsup> <mfrac> <mn>1</mn> <mrow> <msup> <mi>&amp;pi;</mi> <mi>N</mi> </msup> <msup> <mrow> <mo>|</mo> <mi>M</mi> <mo>|</mo> </mrow> <mi>N</mi> </msup> <msup> <mi>&amp;tau;</mi> <mi>N</mi> </msup> </mrow> </mfrac> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mfrac> <msubsup> <mi>q</mi> <mi>i</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </msubsup> <mi>&amp;tau;</mi> </mfrac> <mo>)</mo> </mrow> <msub> <mi>p</mi> <mi>&amp;tau;</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;tau;</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>&amp;tau;</mi> <mo>,</mo> <mi>i</mi> <mo>&amp;Element;</mo> <mo>{</mo> <mn>0</mn> <mo>,</mo> <mn>1</mn> <mo>}</mo> </mrow>
其中，i∈{0，1}，i＝0时，pi(zk)和分别取p0(zk)和i＝1时pi(zk)和取p1(zk)和p0(zk)表示在H0条件下zk的概率密度函数，p1(zk)表示在H1条件下zk的概率密度函数，zk表示第k个距离单元的雷达回波数据的主要数据，H0表示假设无雷达目标存在，H1表示假设有雷达目标存在，N表示雷达回波数据的每一个距离单元包含的相干脉冲个数，M＝E{uuH}，M表示所述海杂波信号的散斑分量u的协方差矩阵。
6.如权利要求4所述的一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，其特征在于，所述得到第1个距离单元～第K+R个距离单元雷达回波数据分别对应的似然比检测统计量Λ(1∶K+L)，其表达式为：
<mrow> <mi>&amp;Lambda;</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>:</mo> <mi>K</mi> <mo>+</mo> <mi>L</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mrow> <mo>+</mo> <mi>&amp;infin;</mi> </mrow> </msubsup> <mfrac> <mn>1</mn> <msup> <mi>&amp;tau;</mi> <mrow> <mi>N</mi> <mrow> <mo>(</mo> <mi>K</mi> <mo>+</mo> <mi>R</mi> <mo>)</mo> </mrow> </mrow> </msup> </mfrac> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <msub> <mi>Q</mi> <mn>1</mn> </msub> <mo>/</mo> <mi>&amp;tau;</mi> <mo>)</mo> </mrow> <msub> <mi>p</mi> <mi>&amp;tau;</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;tau;</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>&amp;tau;</mi> </mrow> <mrow> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <mrow> <mo>+</mo> <mi>&amp;infin;</mi> </mrow> </msubsup> <mfrac> <mn>1</mn> <msup> <mi>&amp;tau;</mi> <mrow> <mi>N</mi> <mrow> <mo>(</mo> <mi>K</mi> <mo>+</mo> <mi>R</mi> <mo>)</mo> </mrow> </mrow> </msup> </mfrac> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <msub> <mi>Q</mi> <mn>0</mn> </msub> <mo>/</mo> <mi>&amp;tau;</mi> <mo>)</mo> </mrow> <msub> <mi>p</mi> <mi>&amp;tau;</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;tau;</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>&amp;tau;</mi> </mrow> </mfrac> <munderover> <mtable> <mtr> <mtd> <mo>&gt;</mo> </mtd> </mtr> <mtr> <mtd> <mo>&lt;</mo> </mtd> </mtr> </mtable> <msub> <mi>H</mi> <mn>0</mn> </msub> <msub> <mi>H</mi> <mn>1</mn> </msub> </munderover> <msup> <mi>e</mi> <mi>T</mi> </msup> </mrow>
其中，Λ(1∶K+L)表示第1个距离单元～第K+L个距离单元雷达回波数据分别对应的似然比检测统计量， zk″表示第k″个距离单元的雷达回波数据，zk表示第k个距离单元的雷达回波数据的主要数据，zk′表示被用来参考的第k′个距离单元的雷达回波数据的次要数据，M＝E{uuH}，M表示所述海杂波信号的散斑分量u的协方差矩阵，ak表示第k个距离单元的雷达回波数据的主要数据的复振幅，rk表示第k个距离单元的雷达回波数据的主要数据的振幅，φk表示第k个距离单元的雷达回波数据的主要数据的初相位，p表示雷达回波数据的复多普勒导向矢量，T表示矩阵转置操作符，fd表示雷达回波数据的归一化多普勒频率，表示(·)满足时H1假设成立，(·)不满足时H0假设成立，H0表示假设无雷达目标存在，H1表示假设有雷达目标存在，N表示雷达回波数据的每一个距离单元包含的相干脉冲个数。
7.如权利要求1所述的一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，其特征在于，在步骤4中，所述得到均匀帕累托杂波的距离扩展雷达目标检测器，其表达式为：
<mrow> <mo>-</mo> <mrow> <mo>(</mo> <mi>N</mi> <mo>(</mo> <mrow> <mi>K</mi> <mo>+</mo> <mi>R</mi> </mrow> <mo>)</mo> <mo>+</mo> <mi>v</mi> <mo>)</mo> </mrow> <mi>ln</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <mrow> <mo>(</mo> <mn>2</mn> <mi>Re</mi> <mo>(</mo> <mrow> <msup> <mrow> <mo>(</mo> <mrow> <msub> <mi>a</mi> <mi>k</mi> </msub> <mi>p</mi> </mrow> <mo>)</mo> </mrow> <mi>H</mi> </msup> <msup> <mi>M</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msub> <mi>z</mi> <mi>k</mi> </msub> </mrow> <mo>)</mo> <mo>-</mo> <msup> <mrow> <mo>|</mo> <msub> <mi>a</mi> <mi>k</mi> </msub> <mo>|</mo> </mrow> <mn>2</mn> </msup> <msup> <mi>p</mi> <mi>H</mi> </msup> <msup> <mi>M</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mi>p</mi> <mo>)</mo> </mrow> </mrow> <mrow> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>K</mi> <mo>+</mo> <mi>R</mi> </mrow> </munderover> <msup> <msub> <mi>z</mi> <mi>k</mi> </msub> <mi>H</mi> </msup> <msup> <mi>M</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msub> <mi>z</mi> <mi>k</mi> </msub> <mo>+</mo> <mi>&amp;eta;</mi> </mrow> </mfrac> <mo>)</mo> </mrow> <munderover> <mtable> <mtr> <mtd> <mo>&gt;</mo> </mtd> </mtr> <mtr> <mtd> <mo>&lt;</mo> </mtd> </mtr> </mtable> <msub> <mi>H</mi> <mn>0</mn> </msub> <msub> <mi>H</mi> <mn>1</mn> </msub> </munderover> <mover> <mi>T</mi> <mo>~</mo> </mover> </mrow>
其中，表示k从1到K的求和符号，表示k从1到K+R的求和符号，表示通过蒙特卡洛实验方法得到的雷达目标的检测门限。
8.如权利要求1所述的一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，其特征在于，在步骤5中，所述均匀帕累托杂波距离扩展雷达目标的广义似然比检测器和均匀帕累托杂波非起伏稀疏距离扩展雷达目标的广义似然比检测器，其表达式分别为：
所述均匀帕累托杂波距离扩展雷达目标的广义似然比检测器，其表达式为：
<mrow> <mo>-</mo> <mrow> <mo>(</mo> <mi>N</mi> <mo>(</mo> <mrow> <mi>K</mi> <mo>+</mo> <mi>R</mi> </mrow> <mo>)</mo> <mo>+</mo> <mi>v</mi> <mo>)</mo> </mrow> <mi>ln</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mover> <mi>k</mi> <mo>~</mo> </mover> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>K</mi> <mn>1</mn> </msub> </munderover> <mrow> <mo>(</mo> <mn>2</mn> <mi>Re</mi> <mo>(</mo> <mrow> <msup> <mrow> <mo>(</mo> <mrow> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mi>k</mi> </msub> <mi>p</mi> </mrow> <mo>)</mo> </mrow> <mi>H</mi> </msup> <msup> <mover> <mi>M</mi> <mo>^</mo> </mover> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msub> <mover> <mi>z</mi> <mo>~</mo> </mover> <mover> <mi>k</mi> <mo>~</mo> </mover> </msub> </mrow> <mo>)</mo> <mo>-</mo> <msup> <mrow> <mo>|</mo> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mi>k</mi> </msub> <mo>|</mo> </mrow> <mn>2</mn> </msup> <msup> <mi>p</mi> <mi>H</mi> </msup> <msup> <mover> <mi>M</mi> <mo>^</mo> </mover> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mi>p</mi> <mo>)</mo> </mrow> </mrow> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mover> <mi>k</mi> <mo>~</mo> </mover> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <msub> <mi>K</mi> <mn>1</mn> </msub> <mo>+</mo> <mi>R</mi> </mrow> </munderover> <msup> <msub> <mover> <mi>z</mi> <mo>~</mo> </mover> <mover> <mi>k</mi> <mo>~</mo> </mover> </msub> <mi>H</mi> </msup> <msup> <mover> <mi>M</mi> <mo>^</mo> </mover> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msub> <mover> <mi>z</mi> <mo>~</mo> </mover> <mover> <mi>k</mi> <mo>~</mo> </mover> </msub> <mo>+</mo> <mi>&amp;eta;</mi> </mrow> </mfrac> <mo>)</mo> </mrow> <munderover> <mtable> <mtr> <mtd> <mo>&gt;</mo> </mtd> </mtr> <mtr> <mtd> <mo>&lt;</mo> </mtd> </mtr> </mtable> <msub> <mi>H</mi> <mn>0</mn> </msub> <msub> <mi>H</mi> <mn>1</mn> </msub> </munderover> <mi>T</mi> </mrow>
所述均匀帕累托杂波非起伏稀疏距离扩展雷达目标的广义似然比检测器，其表达式为：
<mrow> <mo>-</mo> <mrow> <mo>(</mo> <mi>N</mi> <mo>(</mo> <mrow> <mi>K</mi> <mo>+</mo> <mi>R</mi> </mrow> <mo>)</mo> <mo>+</mo> <mi>v</mi> <mo>)</mo> </mrow> <mi>ln</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mover> <mi>k</mi> <mo>~</mo> </mover> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>K</mi> <mn>1</mn> </msub> </munderover> <mrow> <mo>(</mo> <mn>2</mn> <mi>Re</mi> <mo>(</mo> <mrow> <msup> <mrow> <mo>(</mo> <mrow> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>,</mo> <mi>M</mi> <mi>L</mi> <mi>E</mi> </mrow> </msub> <mi>p</mi> </mrow> <mo>)</mo> </mrow> <mi>H</mi> </msup> <msup> <mover> <mi>M</mi> <mo>^</mo> </mover> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msub> <mover> <mi>z</mi> <mo>~</mo> </mover> <mover> <mi>k</mi> <mo>~</mo> </mover> </msub> </mrow> <mo>)</mo> <mo>-</mo> <msup> <mrow> <mo>|</mo> <msub> <mover> <mi>a</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>,</mo> <mi>M</mi> <mi>L</mi> <mi>E</mi> </mrow> </msub> <mo>|</mo> </mrow> <mn>2</mn> </msup> <msup> <mi>p</mi> <mi>H</mi> </msup> <msup> <mover> <mi>M</mi> <mo>^</mo> </mover> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mi>p</mi> <mo>)</mo> </mrow> </mrow> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mover> <mi>k</mi> <mo>~</mo> </mover> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <msub> <mi>K</mi> <mn>1</mn> </msub> <mo>+</mo> <mi>R</mi> </mrow> </munderover> <msup> <msub> <mover> <mi>z</mi> <mo>~</mo> </mover> <mover> <mi>k</mi> <mo>~</mo> </mover> </msub> <mi>H</mi> </msup> <msup> <mover> <mi>M</mi> <mo>^</mo> </mover> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <msub> <mover> <mi>z</mi> <mo>~</mo> </mover> <mover> <mi>k</mi> <mo>~</mo> </mover> </msub> <mo>+</mo> <mi>&amp;eta;</mi> </mrow> </mfrac> <mo>)</mo> </mrow> <munderover> <mtable> <mtr> <mtd> <mo>&gt;</mo> </mtd> </mtr> <mtr> <mtd> <mo>&lt;</mo> </mtd> </mtr> </mtable> <msub> <mi>H</mi> <mn>0</mn> </msub> <msub> <mi>H</mi> <mn>1</mn> </msub> </munderover> <mi>T</mi> </mrow>
其中，η表示海杂波信号的纹理分量的逆Gamma分布的尺度参数，ν表示海杂波信号的纹理分量的逆Gamma分布的形状参数，表示的最大似然估计值，表示雷达目标的振幅在第个距离单元的估计值，K1表示包含雷达目标的雷达回波数据的主要数据的距离单元个数，N表示雷达回波数据的每一个距离单元包含的相干脉冲个数，p表示雷达回波数据的复多普勒导向矢量，表示雷达回波数据的主要数据包括K1个距离单元的雷达目标和海杂波回波，表示海杂波散斑分量的归一化样本协方差矩阵，表示(·)满足时H1假设成立，(·)不满足时H0假设成立，H0表示假设无雷达目标存在，H1表示假设有雷达目标存在。
9.如权利要求1所述的一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，其特征在于，在步骤6中，所述计算得到雷达回波数据的似然比检测器的检测门限T，其过程为：
6.1 A表示设定的蒙特卡罗实验次数，然后计算第1次实验的所述雷达目标的检测统计量Λ1到第A次实验的所述雷达目标的检测统计量ΛA，进而分别得到A个所述雷达目标的检测统计量Λ1～ΛA；
6.2将A个所述雷达目标的检测统计量Λ1～ΛA按降序排列，然后在降序排列后的A个雷达目标检测统计量中，选取第[APFA]个元素值作为雷达回波数据的似然比检测器的检测门限T，[APFA]表示不超过实数APFA的最大整数。
10.如权利要求9所述的一种广义帕累托杂波下稀疏距离扩展雷达目标的检测方法，其特征在于，所述设定的蒙特卡罗实验次数A，为大于1的自然数，且将A确定为100/PFA，PFA表示设定所述雷达目标的虚警概率。
CN201510765463.1A 2015-11-11 2015-11-11 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 Active CN105425223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510765463.1A CN105425223B (zh) 2015-11-11 2015-11-11 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510765463.1A CN105425223B (zh) 2015-11-11 2015-11-11 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法

Publications (2)

Publication Number Publication Date
CN105425223A CN105425223A (zh) 2016-03-23
CN105425223B true CN105425223B (zh) 2017-11-03

Family

ID=55503551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510765463.1A Active CN105425223B (zh) 2015-11-11 2015-11-11 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法

Country Status (1)

Country Link
CN (1) CN105425223B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106646417B (zh) * 2016-12-29 2019-01-25 西安电子科技大学 广义帕累托分布参数的迭代最大似然估计方法
CN106707273B (zh) * 2017-01-23 2019-05-21 西安电子科技大学 基于奈曼皮尔逊准则量化的多站雷达信号融合检测方法
CN108919225B (zh) * 2018-07-26 2020-06-30 中国人民解放军海军航空大学 部分均匀环境下距离扩展目标多通道融合检测方法
CN109212493B (zh) * 2018-09-03 2021-02-02 杭州捍鹰科技有限公司 地杂波检测门限的自适应确定方法和装置
CN111175707B (zh) * 2020-01-08 2024-01-30 中国船舶集团有限公司第七二四研究所 一种雷达对海面运动目标的反馈非线性检测方法
CN111381216B (zh) * 2020-03-10 2022-03-11 中国科学院微电子研究所 混合分布的雷达海杂波分析方法及装置
CN115236598B (zh) * 2022-05-11 2024-07-02 西安电子科技大学 一种基于极化雷达的子空间距离扩展目标检测方法
CN115453484B (zh) * 2022-08-29 2023-08-25 电子科技大学 一种自适应散射中心估计的距离扩展目标检测方法
CN115685081B (zh) * 2022-11-10 2023-07-28 山东工商学院 基于glrt的干扰加噪声背景下距离扩展目标检测方法

Also Published As

Publication number Publication date
CN105425223A (zh) 2016-03-23

Similar Documents

Publication Publication Date Title
CN105425223B (zh) 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法
CN104076355B (zh) 基于动态规划的强杂波环境中弱小目标检测前跟踪方法
CN106125053B (zh) 脉冲多普勒雷达极化抗干扰方法
CN101881826A (zh) 扫描模式海杂波局部多重分形目标检测器
US9188666B2 (en) System and method for distribution free target detection in a dependent non-Gaussian background
CN106569193B (zh) 基于前-后向收益参考粒子滤波的海面小目标检测方法
CN104502906B (zh) 基于rmdcft的空间超高速机动目标检测方法
CN105807267A (zh) 一种mimo雷达扩展目标的检测方法
CN104569948A (zh) 海杂波背景下子带自适应glrt-ltd检测方法
CN102879766A (zh) 一种高频地波雷达弱目标检测跟踪方法和装置
CN105093196B (zh) 基于逆伽马纹理复合高斯模型下的相干检测方法
WO2023284698A1 (zh) 一种基于深度神经网络的多目标恒虚警率检测方法
CN109212503B (zh) 一种基于ar谱分形相关特征的海上目标检测方法及装置
CN105137396A (zh) 一种smsp干扰和c&amp;i干扰的检测方法
CN103645467A (zh) 海杂波抑制以及海杂波背景中目标检测的方法和系统
CN104977585A (zh) 一种鲁棒的运动声纳目标检测方法
CN104237861A (zh) 一种未知杂波背景下的cfar检测门限获取方法
CN105158749A (zh) 高频雷达海杂波幅度统计分布检验方法
Anderson et al. Analysis of ASCAT ocean backscatter measurement noise
Cosoli et al. A real-time and offline quality control methodology for SeaSonde high-frequency radar currents
Bell et al. Objective tropical cyclone center tracking using single-Doppler radar
CN105354594A (zh) 一种针对欠定盲源分离的混合矩阵估计方法
CN102621543B (zh) 基于粒子滤波和航迹管理的微弱目标检测前跟踪方法
CN106199552A (zh) 一种局部均匀海杂波背景下的分组广义似然比检测方法
CN106019250A (zh) 基于角闪烁转发式假目标鉴别方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant