CN106199552B - 一种局部均匀海杂波背景下的分组广义似然比检测方法 - Google Patents
一种局部均匀海杂波背景下的分组广义似然比检测方法 Download PDFInfo
- Publication number
- CN106199552B CN106199552B CN201610607820.6A CN201610607820A CN106199552B CN 106199552 B CN106199552 B CN 106199552B CN 201610607820 A CN201610607820 A CN 201610607820A CN 106199552 B CN106199552 B CN 106199552B
- Authority
- CN
- China
- Prior art keywords
- grouping
- glrt
- indicate
- clutter
- parameter
- 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
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
本发明公开了一种局部均匀海杂波背景下的分组广义似然比检测方法,该方法是在局部均匀海杂波背景下,基于分组广义似然比的距离扩展目标检测方法。首先,将距离单元分组得到纹理分量的PDF。其次,采用具有逆伽玛分布纹理分量的复合高斯模型用于杂波数据的建模得到纹理分量在二元假设检验下的N阶PDFs;再次,采用距离分布目标的检验统计量一般模型,得到G‑GLRT检测器的数学模型。然后,用一个一步延迟相关系数直接获得杂波协方差矩阵M,用最大似然估计反映目标和信道影响的未知确定性参数αk。最后,将G‑GLRT检测器数学模型参数αk替换,得到分组G‑GLRT检测器的表达式。本方法提出的分组GLTR检测器能在实测海杂波数据实验中面对不同的目标获得更好的检测性能。
Description
技术领域
本发明涉及一种局部均匀海杂波背景下的分组广义似然比检测方法,属于雷达目标检测技术领域。
背景技术
在海面目标检测中,采用匹配于海杂波统计及相关特性的距离分布目标检测算法是一种普遍采用的技术手段。在局部均匀杂波中采用距离分布式目标检测,以满足相邻单元格的不同统计特性。高分辨率雷达由于其根据目标距离和雷达的分辨力解决多个散射体的目标检测而得到了高度重视。目前,海杂波背景下的距离分布目标检测器设计,往往为了简化计算,而假设所处理的雷达接收回波为均匀杂波特性,又或是为了应对局部均匀海杂波,针对目标单一不具有广泛的适用性而引起了性能损失。例如,北京环境特性研究所申请的授权发明专利:海杂波抑制以及海杂波背景中目标检测的方法和系统(专利申请号:CN201310556638.9,公告号:CN103645467B)。该专利申请根据实测时空色散关系中提取出实测速度项参数确定了基于所述本征速度项参数的海杂波的本征时空色散关系,重构得到估计的海杂波一维距离像的历程图,并与实测所得历程图相减来获得抑制海杂波的一维距离像的历程图的图像数据,最终达到消除多普勒频移的目的。该专利的不足之处在于:忽略局部均匀海杂波这一客观事实,使其最终得到的抑制海杂波的图像数据引入了非均匀海杂波的干扰特性。又例如,西安电子科技大学申请的发明专利:基于组合自适应归一化匹配滤波的雷达目标检测方法(专利申请号:CN201510040954.X,公开号:CN 104569949A),该专利申请根据雷达接收回波进行分组构造自适应匹配滤波器的方式应对局部均匀海杂波,从而实现准确的检测判决,提高了检测性能。但该专利的主要不足是:具有较高雷达分辨率的杂波在非均匀环境中相邻单元中的向量不共享相同的协方差矩阵结构,分布参数的不合理假设,将会有严重的性能损失。
发明内容
本发明目的在于解决上述现有技术的不足,提出一种局部均匀海杂波背景下的分组广义似然比检测方法,其可以在复合高斯杂波情况下面对不同的目标,提高了检测器的性能,具有更广泛的适用性。
本发明解决其技术问题所采取的技术方案为一种局部均匀海杂波背景下的分组广义似然比检测方法,能在实测海杂波数据实验中面对不同的目标获得更好的检测性能,具有更广泛的适用性。
方法流程包含以下步骤:
步骤1:将K单元分为G组,得到纹理分量的PDF(Probability Density Function,概率密度函数);
步骤2:采用具有逆伽玛分布纹理分量的复合高斯模型用于杂波数据的建模,构建τk在二元假设检验下的N阶PDFs;
步骤3:采用距离分布目标的检验统计量一般模型,得到G-GLRT(Group-Generalized Likelihood Ratio Test,分组广义似然比检验)检测器的数学模型;
步骤4:以一个一步延迟相关系数直接获得杂波协方差矩阵M,以最大似然估计作为反映目标和信道影响的未知确定性参数αk的估计算法;
步骤5,将G-GLRT检测器数学模型参数αk替换,得到G-GLRT检测器的修正形式,即分组G-GLRT检测器的表达式。
进一步,上述步骤1中所述纹理分量的PDF为:
g=1,2,…,G,Hg+1≤k≤Hg+hg,τk>0
其中Γ(·)表示伽玛函数,τk表示纹理分量,βg为尺度参数,ηg为形状参数,hg表示各组距离单元个数,Hg表示g-1个分组内距离单元数之和。
进一步,上述步骤2中所述的τk在二元假设检验下的N阶PDFs:
其中i=0和i=1分别符合H0和H1二元假设检验,qik=(zk-iαkp)HM-1(zk-iαkp),M表示杂波协方差矩阵,G表示分组数,N表示阵元数。
进一步,上述步骤3中所述的距离分布目标的检验统计量一般模型:
得到G-GLRT检测器的数学模型:
其中αk表示反映信道和目标影响的未知确定性参数,ξ为判决门限。
进一步,上述步骤4中所述的反映目标和信道影响的未知确定性参数αk的最大似然估计为:
进一步,上述步骤5中所述的分组G-GLRT检测器的表达式为:
与与现有技术相比较,本发明的有益效果在于:
(1)本发明提出的分组GLTR(group GLRT,G-GLRT)检测器与其它检测器相比,能在实测海杂波数据实验中面对不同的目标获得更好的检测性能。
(2)本发明提出的G-GLRT检测器,其引入的反映信道和目标影响的未知确定性参数主要是为了削弱局部均匀海杂波对检测器性能的影响。但不失通用性,对于均匀海杂波背景下的目标检测,G-GLRT检测器仍具有与GLRT检测器相近的检测性能。符合实际的杂波环境要求。
(3)本发明提出的G-GLRT对尺度参数具有恒虚警特性。
(4)G-GLRT检测器中的反映信道和目标影响的未知确定性参数αk采用最大似然估计法,在实际环境中具有较好的性能表现。
附图说明
图1为本发明的方法流程图。
图2为本发明提出的G-GLRT与GCC-GLRT、OS-GLRT和NSDD-GLRT在不同模型的实测杂波情况下的检测性能比较图。
具体实施方式
下面结合说明书附图对本发明创造作进一步的详细说明。
本发明在局部均匀海杂波背景下,提升了GLRT检测器性能的方法,其中的主要技术问题包括:
G-GLRT检测器数学模型的建立。
未知确定性参数αk的估计。
G-GLRT检测器数学表达式的导出。
本发明所述的局部均匀海杂波中雷达目标的分组检测算法包括以下技术措施:本发明公开了一种局部均匀海杂波背景下的分组广义似然比检测方法,该方法是在局部均匀海杂波背景下,基于分组广义似然比的距离扩展目标检测方法。首先,将距离单元分组得到纹理分量的PDF。其次,采用具有逆伽玛分布纹理分量的复合高斯模型用于杂波数据的建模;再次,采用距离分布目标的检验统计量一般模型,得到G-GLRT检测器的数学模型。然后,用一个一步延迟相关系数直接获得杂波协方差矩阵M,用最大似然估计反映目标和信道影响的未知确定性参数αk。最后,将G-GLRT检测器数学模型参数αk替换,得到分组G-GLRT检测器的表达式。
如图1所示,本发明提供了一种局部均匀海杂波背景下的分组广义似然比检测方法,该方法包括:
步骤1:将K单元分为G组,得到纹理分量的PDF为:
其中Γ(·)表示伽玛函数,τk表示纹理分量,βg为尺度参数,ηg为形状参数,hg表示各组距离单元个数,Hg表示g-1个分组内距离单元数之和。
步骤2:采用具有逆伽玛分布纹理分量的复合高斯模型用于杂波数据的建模,τk在H0和H1假设条件下,z1,…,zK的N阶PDFs为
其中i=0和i=1分别符合H0和H1二元假设检验,qik=(zk-iαkp)HM-1(zk-iαkp),M表示杂波协方差矩阵,G表示分组数,N表示阵元数。
步骤3:采用距离分布目标的检验统计量一般模型:
将公式(1)和公式(2)代入公式(3),相应的得到G-GLRT检测器的数学模型:
其中αk表示反映信道和目标影响的未知确定性参数,ξ为判决门限。
步骤4:以一个一步延迟相关系数直接获得杂波协方差矩阵M,以最大似然估计作为反映目标和信道影响的未知确定性参数αk的估计算法,估计形式为:
步骤5,将分组GLTR(group GLRT,G-GLRT)检测器数学模型参数αk替换,得到分组GLTR(group GLRT,G-GLRT)检测器的修正形式,即分组GLTR(group GLRT,G-GLRT)检测器的表达式为:
公式(6)即为本发明提出的分组GLTR(group GLRT,G-GLRT)检测器。
本发明提出的分组GLTR(group GLRT,G-GLRT)检测器的可以通过下面的实验进一步验证。实验使用Fynmeet雷达采集的海杂波数据来分析G-GLRT的检测性能,雷达的载波频率为9GHz,距离分辨率为15m,脉冲重复频率(PRF)为2.5KHz。该数据包括VV极化中64个连续距离单元格199 946个时间序列。考虑到局部距离单元数据可能被污染,故而发明人选取使用12个距离单元格的数据用来作为主数据和剩余的48个距离单元格作为辅助数据来估计协方差矩阵。
图2是本发明提出的G-GLRT与GCC-GLRT、OS-GLRT和NSDD-GLRT在不同协方差矩阵估计下的检测性能比较。显然,在实测杂波中,面对不同的模型,G-GLRT的整体检测性能明显优于GCC-GLRT、OS-GLRT和NSDD-GLRT的检测性能。
以上所述并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种局部均匀海杂波背景下的分组广义似然比检测方法,其特征在于,所述方法包括如下步骤:
步骤1:将K单元分为G组,得到纹理分量τk的概率密度函数PDF,所述PDF为:
g=1,2,…,G,Hg+1≤k≤Hg+hg,τk>0
其中Γ()表示伽玛函数,τk表示纹理分量,βg为尺度参数,ηg为形状参数,hg表示各组距离单元个数,Hg表示g-1个分组内距离单元数之和;
步骤2:采用具有逆伽玛分布纹理分量的复合高斯模型用于杂波数据的建模,构建纹理分量τk在二元假设检验下的N阶概率密度函数PDFs,所述的τk在二元假设检验下的N阶PDFs:
其中i=0和i=1分别符合H0和H1二元假设检验,qik=(zk-iαkp)HM-1(zk-iαkp),M表示杂波协方差矩阵,G表示分组数,N表示阵元数;
步骤3:采用距离分布目标的检验统计量一般模型,得到分组广义似然比G-GLRT检测器的数学模型,所述的距离分布目标的检验统计量一般模型:
得到G-GLRT检测器的数学模型:
其中αk表示反映信道和目标影响的未知确定性参数,ξ为判决门限;
步骤4:以一个一步延迟相关系数直接获得杂波协方差矩阵M,以最大似然估计作为反映目标和信道影响的未知确定性参数αk的估计算法;
步骤5,将G-GLRT检测器数学模型参数αk替换,得到G-GLRT检测器的修正形式,即分组G-GLRT检测器的表达式,该表达式为:
其中G表示分组数,Hg表示g-1个分组内距离单元数之和,hg表示各距离单元个数,N表示阵元数,M表示杂波协方差矩阵,βg为尺度参数,ηg为形状参数,ξ为判决门限,H0为原假设,H1为备择假设,H为共轭转置。
2.根据权利要求1所述的局部均匀海杂波背景下的分组广义似然比检测方法,其特征在于,其中步骤4中所述的反映目标和信道影响的未知确定性参数αk的最大似然估计为:
其中M表示杂波协方差矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610607820.6A CN106199552B (zh) | 2016-07-28 | 2016-07-28 | 一种局部均匀海杂波背景下的分组广义似然比检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610607820.6A CN106199552B (zh) | 2016-07-28 | 2016-07-28 | 一种局部均匀海杂波背景下的分组广义似然比检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106199552A CN106199552A (zh) | 2016-12-07 |
CN106199552B true CN106199552B (zh) | 2019-03-29 |
Family
ID=57495935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610607820.6A Active CN106199552B (zh) | 2016-07-28 | 2016-07-28 | 一种局部均匀海杂波背景下的分组广义似然比检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106199552B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108535711B (zh) * | 2018-03-14 | 2021-06-04 | 南京邮电大学 | 一种基于分组的海杂波协方差矩阵估计方法 |
CN109709526B (zh) * | 2018-12-12 | 2023-02-14 | 南京邮电大学 | 一种知识辅助分组广义似然比检测方法 |
CN110865352B (zh) * | 2019-12-05 | 2021-03-30 | 中国船舶重工集团公司第七二四研究所 | 一种基于纹理相关性的块自适应海杂波抑制方法 |
CN113009444B (zh) * | 2021-02-26 | 2023-06-06 | 南京邮电大学 | 一种广义高斯纹理海杂波背景下的目标检测方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102520400A (zh) * | 2011-12-16 | 2012-06-27 | 河海大学 | 非高斯杂波环境下的mimo雷达目标检测的仿真方法 |
US8350749B1 (en) * | 2009-04-29 | 2013-01-08 | The United States Of America As Represented By The Secretary Of The Air Force | Radar signature database validation for automatic target recognition |
CN104931944A (zh) * | 2015-05-04 | 2015-09-23 | 南京邮电大学 | 基于海杂波散斑分量一致性因子的分布式目标检测方法 |
CN105093196A (zh) * | 2015-07-24 | 2015-11-25 | 西安电子科技大学 | 基于逆伽马纹理复合高斯模型下的相干检测方法 |
CN105425230A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 逆高斯纹理复合高斯杂波下距离扩展目标自适应检测方法 |
CN105738883A (zh) * | 2016-04-08 | 2016-07-06 | 南京邮电大学 | 一种部分均匀海杂波背景下的平滑广义似然比检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9188666B2 (en) * | 2013-06-07 | 2015-11-17 | Raytheon Applied Signal Technology | System and method for distribution free target detection in a dependent non-Gaussian background |
-
2016
- 2016-07-28 CN CN201610607820.6A patent/CN106199552B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8350749B1 (en) * | 2009-04-29 | 2013-01-08 | The United States Of America As Represented By The Secretary Of The Air Force | Radar signature database validation for automatic target recognition |
CN102520400A (zh) * | 2011-12-16 | 2012-06-27 | 河海大学 | 非高斯杂波环境下的mimo雷达目标检测的仿真方法 |
CN104931944A (zh) * | 2015-05-04 | 2015-09-23 | 南京邮电大学 | 基于海杂波散斑分量一致性因子的分布式目标检测方法 |
CN105093196A (zh) * | 2015-07-24 | 2015-11-25 | 西安电子科技大学 | 基于逆伽马纹理复合高斯模型下的相干检测方法 |
CN105425230A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 逆高斯纹理复合高斯杂波下距离扩展目标自适应检测方法 |
CN105738883A (zh) * | 2016-04-08 | 2016-07-06 | 南京邮电大学 | 一种部分均匀海杂波背景下的平滑广义似然比检测方法 |
Non-Patent Citations (1)
Title |
---|
非平稳海杂波背景下子带开关相干检测器;时艳玲;《电子学报》;20141031;第42卷(第10期);第1925-1931页 |
Also Published As
Publication number | Publication date |
---|---|
CN106199552A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN106199552B (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 | |
Abraham et al. | Novel physical interpretations of K-distributed reverberation | |
CN105807267B (zh) | 一种mimo雷达扩展目标的检测方法 | |
Martorella et al. | On the fractal dimension of sea surface backscattered signal at low grazing angle | |
Al-Ashwal et al. | Analysis of bistatic sea clutter-Part I: Average reflectivity | |
Torres et al. | Whitening in range to improve weather radar spectral moment estimates. Part I: Formulation and simulation | |
CN103149561A (zh) | 一种基于场景块稀疏的稀疏微波成像方法 | |
CN103364769B (zh) | 空间非均匀海杂波协方差矩阵的自适应估计方法 | |
Li et al. | Radar signal recognition algorithm based on entropy theory | |
Ding et al. | New spatial correlation models for sea clutter | |
CN104155653B (zh) | 一种基于特征距离子空间的sar后向投影成像方法 | |
CN112255607A (zh) | 一种海杂波的抑制方法 | |
Domps et al. | High-frequency radar ocean current mapping at rapid scale with autoregressive modeling | |
CN109709526B (zh) | 一种知识辅助分组广义似然比检测方法 | |
CN114609594A (zh) | 非均匀性杂波中知识辅助宽带雷达目标检测器及设计方法 | |
Zhao et al. | Atmospheric duct estimation using radar sea clutter returns by the adjoint method with regularization technique | |
Wen et al. | Modeling of correlated complex sea clutter using unsupervised phase retrieval | |
CN117491998A (zh) | 一种步进频率合成孔径成像方法及系统 | |
Torres et al. | The impact of signal processing on the range-weighting function for weather radars | |
CN105548986B (zh) | 海杂波背景下基于预白化比率中值检测器的目标检测方法 | |
CN112098952B (zh) | 一种基于时域统计处理的雷达侦察杂波抑制方法 | |
Gouri et al. | Mixture of compound-Gaussian distributions for radar sea-clutter modeling | |
Di Martino et al. | Physical models for SAR speckle simulation | |
CN109581319B (zh) | 基于多扫描递归的海杂波多普勒偏移和带宽估计方法 |
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 |