CN107390196B - 基于多基地雷达的快起伏目标双门限恒虚警检测方法 - Google Patents

Abstract

本发明公开了一种基于多基地雷达的快起伏目标双门限恒虚警检测方法，其实现步骤为：1、对回波数据进行采集；2、对采集的回波数据进行平方律检波；3、根据平方律检波后的数据计算局部检验统计量；4、计算第一门限，并根据第一门限对局部检验统计量进行判别，若局部检验统计量大于第一门限，则将局部检验统计量传输到融合中心，否则剔除；5、根据传输到融合中心的局部检验统计量计算全局检验统计量；6、估计第二门限，并根据第二门限对全局检验统计量进行判别，若全局检验统计量大于第二门限，则判决目标存在，否则判决目标不存在。本发明能有效的对雷达目标进行检测，且系统简单，适用性广泛，可用于提高多基地雷达目标检测性能。

Description

基于多基地雷达的快起伏目标双门限恒虚警检测方法

技术领域

本发明属于雷达技术领域，具体说是一种快起伏目标双门限恒虚警检测的方法，可用于多基地雷达目标检测系统。

背景技术

在多基地雷达系统中，为了获得某种准则下最优的检测性能，通常需要各个雷达站将接收的信号全部传输到融合中心，这无疑需要很大的通信传输带宽，如果采用光纤通信，其通信带宽很容易满足数据传输要求，但是这种有线连接方式限制了雷达站的机动性和灵活性。但对于机载雷达和舰载雷达等移动平台，需要通过无线传输将雷达回波数据传送给处理中心。这种情况下，信号传输带宽往往不能满足数据的传输要求，并且随着通信带宽的增加，需要付出更多的代价。

解决数据传输率约束的有效手段是局部雷达站将原始观测数据进行量化后传送给融合中心。在传统的分布式检测算法中，局部雷达站将“0/1”判决结果传送给融合中心，融合中心根据相应的融合准则得到最终判决结果，这种基于局部判决的分布式检测算法虽然能有效降低处理中心的计算量和局部雷达站与处理中心之间的数据传输量，但是破坏了原始数据的结构，减少了数据所包含的信息量，从而降低分布式系统的检测性能。为解决将局部判决结果传送到融合中心引起的信息损失问题，人们研究了多种既能减小数据传输量又能增加信息量的分布式检测算法。

现有方法一：

在数据传输率和虚警概率的约束条件下，确定含有信息量更多的观测区域，并将落入该区域的观测传送给融合中心，使检测性能或目标函数达到最优。然而，当检验统计量的统计特性很难给出时，这种根据约束条件解优化方法的计算量大。

现有方法二：

局部雷达站根据观测量含有信息量的大小按顺序传送信号，当融合中心得到判决时，将控制信息反馈给局部雷达站，终止数据的传送，从而降低数据传输量，同时保证与无通信带宽约束条件具有相同的虚警概率和漏警概率。但这种方法需要严格控制雷达站的数据传送时间，同时需要反馈，系统较为复杂。

现有方法三：

在杂波和噪声功率已知的情况下，第一门限由数据传输率约束确定，在奈曼皮尔逊准则下，数据传输率约束可近似由局部虚警概率约束表示。局部雷达站将超过第一门限的观测数据传送到融合中心，融合中心根据奈曼皮尔逊准则得到似然比检测器，并由第二门限保证全局虚警概率。

上述检测方法仅适用于杂波和噪声功率已知且目标起伏模型为慢起伏时的情况。然而，在雷达实际工作中，杂波和噪声功率很难预先估计，且当雷达视线的姿态角变化剧烈目标起伏模型为快起伏时，上述方法不能对目标进行恒虚警检测。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于多基地雷达的快起伏目标双门限恒虚警检测方法，以减小检验统计量的计算难度以及检测系统的复杂度，提高目标检测性能。

本发明的技术方案是：在杂波加噪声功率未知的情况下，各个局部雷达站对信号进行非相干积累，采用自适应滤波算法进行第一门限检测，并将超过第一门限的观测数据传送到融合中心；融合中心根据局部雷达站传送的数据计算融合后的检验统计量，并与第二门限比较，得到最终的判决结果。其实现步骤包括如下：

(1)对雷达回波信号进行采集，得到N×L×(K+1)维原始数据矩阵：X＝[X₁,X₂,...,X_n,...,X_N]，X_n表示第n个空间分集通道中的原始数据，n＝1,2,...,N，N为空间分集通道数，L为一个非相干积累周期中所包含的脉冲个数，K代表检测单元附近参考单元个数；

(2)对数据矩阵X中的元素进行平方律检波，得到N×L×(K+1)维经平方律检波后的数据矩阵Z＝[Z₁,Z₂,...,Z_n,...,Z_N]，Z_n表示Z中的第n个数据元素；

(3)对平方律检波后的数据矩阵Z采用自适应滤波算法进行处理，得到局部检验统计量：Y＝[Y₁,Y₂,...,Y_n,...,Y_N]^T，其中，Y_n表示Y中第n个元素，[·]^T表示矩阵转置；

(4)计算第一门限τ₁：

根据脉冲个数L、参考单元个数K以及局部虚警概率p_fa计算第一门限τ₁：

τ₁＝F_p(1-p_fa,L,K)，

其中，

v表示积分因子，r表示求和因子，γ表示欧拉常数，γ≈0.5772156649，e表示自然常数，e≈2.71828，！表示阶乘运算；

(5)将局部检验统计量Y中的每个元素Y_n与第一门限τ₁相比较：

若Y_n≥τ₁，则将数据Y_n传输到融合中心，记传输到融合中心的数据为B＝[B₁,…,B_m,…,B_M]，B_m为B中第m个元素，m＝1,2,...,M，M为传输到融合中心的数据个数；

若Y_n＜τ₁，则数据Y_n不传输；

(6)采用蒙特卡洛仿真实验，估计出全局虚警概率设定为P_fa时的第二门限η₂；

(7)对传输到融合中心数据B中的元素进行求和，得到全局检验统计量E，将全局检验统计量E与第二门限η₂比较：若E≥η₂，则判决目标存在，若E＜η₂，则判决目标不存在。

本发明与现有技术相比具有以下优点：

1、本发明由于将超过第一门限的局部检验统计量传输到融合中心，将未超过第一门限的局部检验统计量剔除，有效的降低了传输信息带宽，减小了检测系统的复杂度。

2、本发明由于将超过第一门限的局部检验统计量传输到融合中心，使局部检验统计量保留了原始数据信息，与现有的分布式检测算法中局部雷达站将“0/1”判决结果传送给融合中心的方案相比，提高了检测系统的检测性能。

附图说明

图1是本发明的实现总流程图；

图2是本发明中估计第二门限的子流程图；

图3是对本发明的检测性能仿真图。

具体实施方式

参照图1，本发明的实施步骤如下：

步骤1、对雷达回波信号进行采集，得到N×L×(K+1)维原始数据矩阵：

X＝[X₁,X₂,...,X_n,...,X_N]，

其中，X_n表示第n个空间分集通道中的原始数据，X_n为L×(K+1)维的矩阵，其表示如下：

其中，x_nls表示第n个空间分集通道中第l个脉冲的第s+1个数据，n＝1,2,...,N，N为空间分集通道数，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝0时，x_nls代表检测单元信息，s＝1,2,...,K时，x_nls代表检测单元附近参考单元信息，K代表检测单元附近参考单元个数。

步骤2、对原始数据矩阵X进行检波。

常用的检波方法有平方律检波和包络检波，平方律检波器线路简单，能对很小的信号检波，检波输出电流与输入载波电压幅度的平方成正比，在无线电测量仪表中得到较为广泛的应用。本步骤使用平方律检波，其实现如下：

对数据矩阵X中的元素进行平方律检波，得到N×L×(K+1)维经平方律检波后的数据矩阵Z＝[Z₁,Z₂,...,Z_n,...,Z_N]，其中Z_n表示Z中的第n个数据元素，表示为L×(K+1)维的矩阵：

其中，z_nls表示Z_n中第l行第s+1列的数据元素，z_nls＝|x_nls|²。

步骤3、对平方律检波后的数据矩阵Z采用自适应滤波算法进行处理，得到局部检验统计向量Y。

3.1)将经平方律检波后的数据Z_n中每行的第一个数据除以该行剩余数据之和，得到向量Q＝[q_n1,…,q_nl,…,q_nL]，其中，q_nl表示Q中第l个的数据元素：

其中，z_nl0表示Z_n中第l行第1列的数据元素，z_nls表示Z_n中第l行第s+1列的数据元素，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝1,...,K，K代表参考单元个数；

3.2)对Q中的元素求和，得到局部检验统计量：

3.3)对经平方律检波后的数据矩阵Z＝[Z₁,Z₂,...,Z_n,...,Z_N]中每个元素都按步骤(3.1)与步骤(3.2)处理，得到局部检验统计向量Y＝[Y₁,Y₂,...,Y_n,...,Y_N]，其中，Y_n表示Y中第n个元素。

步骤4、计算第一门限τ₁。

第一门限τ₁用于判决局部检验统计量，其具体实现如下：

根据脉冲个数L、参考单元个数K以及局部虚警概率p_fa计算第一门限τ₁：

τ₁＝F_p(1-p_fa,L,K),

其中，

v表示积分因子，r表示求和因子，γ表示欧拉常数，γ≈0.5772156649，e表示自然常数，e≈2.71828，！表示阶乘运算。

步骤5、对局部检验统计量进行判别。

将局部检验统计向量Y中的每个元素Y_n与第一门限τ₁相比较：

若Y_n≥τ₁，则将数据Y_n传输到融合中心，记传输到融合中心的数据为B＝[B₁,…,B_m,…,B_M]，B_m为B中第m个元素，m＝1,2,...,M，M为传输到融合中心的数据个数；

若Y_n＜τ₁，则数据Y_n不传输。

步骤6、估计第二门限η。

第二门限用于全局检验统计检验量判别。本发明中采用matlab软件进行蒙特卡洛实验，估计出全局虚警概率为设定的P_fa时的第二门限η。

参照图2，本步骤的具体实现如下：

6.1)在0到20内以0.01为间隔取值，记为

同时产生计数向量

其中，

为

中的第m个元素，m＝1,2,...,M，M为

中元素的个数，

为

中的第m个元素，

中每个元素的初始值设置为0；

6.2)产生N×L×(K+1)维均值为0，方差为1的复合高斯随机数据

其中，

为

中第n个数据，

的具体表示为：

其中，

表示

中第l行第s+1列的数据元素，

的概率密度函数为：

n＝1,2,...,N，N为空间分集通道数，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝0,1,2,...,K，K代表检测单元附近参考单元个数；

6.3)获得局部检验统计向量：

其中，

表示

中第n个元素

其计算公式为：

式中，

表示

中第l行第1列的数据元素，

表示

中第l行第s+1列的数据元素，s＝1,...,K，K代表参考单元个数；

6.4)根据脉冲个数L、参考单元个数K以及局部传输速率p_fa计算出第一门限：

其中，

v表示积分因子，r表示求和因子，γ表示欧拉常数，γ≈0.5772156649，e表示自然常数，e≈2.71828，！表示阶乘运算；

6.5)将局部检验统计量

与第一门限

相比较：

若

则将

传输到融合中心，记传输到融合中心的数据为

为

中第t个元素，t＝1,2,...,T，T为传输到融合中心的数据个数；

若

则数据

不传输；

6.6)对传输到融合中心数据

中的元素进行求和，得到全局检验统计量

6.7)将全局检验统计量

与

中每个元素相比较：若

则

加1，若

则

保持不变；

6.8)重复步骤(6.2)～(6.7)共10⁶次；

6.9)记cnt＝10⁶×P_fa，查找出

中与cnt最接近的

记录下标m值，则第二门限

步骤7、全局检验统计量判别。

对传输到融合中心数据B中的元素进行求和，得到全局检验统计量E，将全局检验统计量E与第二门限η₂比较：若E≥η₂，则判决目标存在，若E＜η₂，则判决目标不存在。

本发明的可行性和有效性可通过以下仿真数据的处理结果进一步验证。

1、实验方法：本实验采用matlab仿真，产生一组模拟目标存在的数据，处理过程中的参数设置为：空间分集通道数N＝6，一个非相干积累周期中所包含的脉冲个数L＝4，参考单元数K＝8，局部虚警概率p_fa分别设置为10^-1和10^-2，全局虚警概率P_fa设置为10^-4。

2、实验内容：

为证明本发明能够在传输带宽约束的情况下有较好的目标检测，本实验产生一组包含目标信号的数据作为原始数据，运用本发明方法，对此数据进行处理，得到检测性能随信噪比变化的曲线，如图3所示。

从图3中可以看出，在全局信噪比一定时，集中式检测算法检测性能最好；在局部虚警概率p_fa设置为10^-1，即传输速率降低为原来的十分之一时，信噪比损失不到0.1dB；在局部虚警概率p_fa设置为10^-2，即传输速率降低为原来的百分之一时，信噪比损失不到1dB。表明本发明在局部传输速率约束下有很好的检测性能。

Claims (5)

1.一种基于多基地雷达的快起伏目标双门限恒虚警检测方法，包括如下步骤：

(1)对雷达回波信号进行采集，得到N×L×(K+1)维原始数据矩阵：X＝[X₁,X₂,...,X_n,...,X_N]，X_n表示第n个空间分集通道中的原始数据，n＝1,2,...,N，N为空间分集通道数，L为一个非相干积累周期中所包含的脉冲个数，K代表检测单元附近参考单元个数；

(2)对数据矩阵X中的元素进行平方律检波，得到N×L×(K+1)维经平方律检波后的数据矩阵Z＝[Z₁,Z₂,...,Z_n,...,Z_N]，Z_n表示Z中的第n个数据元素；

(3)对平方律检波后的数据矩阵Z采用自适应滤波算法进行处理，得到局部检验统计向量：Y＝[Y₁,Y₂,...,Y_n,...,Y_N]^T，其中，Y_n表示Y中第n个元素，[·]^T表示矩阵转置；

(4)计算第一门限τ₁：

根据脉冲个数L、参考单元个数K以及局部虚警概率p_fa计算第一门限τ₁：

τ₁＝F_p(1-p_fa,L,K)，

其中，

v表示积分因子，r表示求和因子，γ表示欧拉常数，γ≈0.5772156649，e表示自然常数，e≈2.71828，！表示阶乘运算；

(5)将局部检验统计向量Y中的每个元素Y_n与第一门限τ₁相比较：

若Y_n≥τ₁，则将数据Y_n传输到融合中心，记传输到融合中心的数据为B＝[B₁,…,B_m,…,B_M]，B_m为B中第m个元素，m＝1,2,...,M，M为传输到融合中心的数据个数；

若Y_n＜τ₁，则数据Y_n不传输；

(6)采用蒙特卡洛仿真实验，估计出全局虚警概率设定为P_fa时的第二门限η₂；

(7)对传输到融合中心数据B中的元素进行求和，得到全局检验统计量E，将全局检验统计量E与第二门限η₂比较：若E≥η₂，则判决目标存在，若E＜η₂，则判决目标不存在。

2.根据权利要求1所述的方法，其中步骤(1)中第n个空间分集通道中的原始数据X_n为L×(K+1)维的矩阵，其表示如下：

其中，x_nls表示第n个空间分集通道中第l个脉冲的第s+1个数据，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝0时，x_nls代表检测单元信息，s＝1,2,...,K时，x_nls代表检测单元附近参考单元信息，K代表检测单元附近参考单元个数。

3.根据权利要求1所述的方法，其中步骤(2)中经平方律检波后的数据Z_n为L×(K+1)维的矩阵，其表示如下：

其中，z_nls表示，z_nls表示Z_n中第l行第s+1列的数据元素，z_nls＝|x_nls|²，x_nls表示第n个空间分集通道中第l个脉冲的第s+1个数据，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝0,1,...,K，s＝0时，x_nls代表检测单元信息，s＝1,2,...,K时，x_nls代表检测单元附近参考单元信息，K代表检测单元附近参考单元个数。

4.根据权利要求1所述的方法，其中步骤(3)中的局部检验统计向量Y_n，按如下步骤计算：

3.1)将经平方律检波后的数据Z_n中每行的第一个数据除以该行剩余数据之和，得到向量Q＝[q_n1,…,q_nl,…,q_nL]，其中，q_nl表示Q中第l个的数据元素：

其中，z_nl0表示Z_n中第l行第1列的数据元素，z_nls表示Z_n中第l行第s+1列的数据元素，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝1,...,K，K代表参考单元个数；

3.2)对Q中的元素求和，得到局部检验统计向量：

5.根据权利要求1所述的方法，其中步骤(6)中估计第二门限η₂，使用matlab软件实现，其步骤如下：

6.1)在0到20内以0.01为间隔取值，记为

同时产生计数向量

其中，

为

中的第m个元素，m＝1,2,...,M，M为

中元素的个数，

为

中的第m个元素，

中每个元素的初始值设置为0；

6.2)产生N×L×(K+1)维均值为0，方差为1的复合高斯随机数据

其中，

为

中第n个数据，

的具体表示为：

其中，

表示

中第l行第s+1列的数据元素，

的概率密度函数为：

n＝1,2,...,N，N为空间分集通道数，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝0,1,2,...,K，K代表检测单元附近参考单元个数；

6.3)获得局部检验统计向量：

其中，

表示

中第n个元素其计算公式为：

式中，

表示

中第l行第1列的数据元素，

表示

中第l行第s+1列的数据元素，s＝1,...,K，K代表参考单元个数；

6.4)根据脉冲个数L、参考单元个数K以及局部虚警概率p_fa计算出第一门限：

其中，

v表示积分因子，r表示求和因子，γ表示欧拉常数，γ≈0.5772156649，e表示自然常数，e≈2.71828，！表示阶乘运算；

6.5)将局部检验统计量

与第一门限

相比较：

若

则将

传输到融合中心，记传输到融合中心的数据为

为

中第t个元素，t＝1,2,...,T，T为传输到融合中心的数据个数；

若

则数据

不传输；

6.6)对传输到融合中心数据

中的元素进行求和，得到全局检验统计量

6.7)将全局检验统计量

与

中每个元素相比较：若

则

加1，若

则

保持不变；

6.8)重复步骤(6.2)～(6.7)共10⁶次；

6.9)记cnt＝10⁶×P_fa，查找出

中与cnt最接近的

记录下标m值，则第二门限

Images