CN107976654B - 基于环境认知的极化检测方法 - Google Patents

Abstract

本发明涉及一种基于环境认知的极化检测方法，对两个通道进行预处理后得到两个通道的动目标检测结果，同极化通道与不同权重系数乘积，再与交叉极化通道求和即可得到不同极化下的杂波功率，杂波功率除以系统的噪声功率就可以得到不同极化下的杂噪比，比较不同极化下的杂噪比，选择杂噪比最大值以及其对应的权系数、杂噪比最小值及其对应的权系数。如果杂噪比最大值都不大于阈值3dB，那么就判定环境为噪声背景，否则判定为杂波背景。若为噪声背景，则将最终的权重系数设置为1，若为杂波背景，则将最终的权重系数设置为杂噪比最小值对应的权系数。最后再进行恒虚警检测。

Description

基于环境认知的极化检测方法

技术领域

本发明涉及雷达信号处理领域，特别涉及雷达极化检测处理，提出了一种基于环境认知的极化检测方法，可在雷达极化检测中较传统算法有较大的检测性能改善。

背景技术

极化检测是利用雷达回波中的极化信息来抑制杂波，从而改善目标检测性能的一种检测方法。公开发表文献中的极化检测方法可分为三类：

第一类需要目标和杂波的先验信息，典型的方法为最佳极化检测器(OPD)、极化匹配滤波器(PMF)，在虚警概率恒定情况下，OPD具有最大的检测概率，PMF是一种最佳线性极化检测器，其使得输出信杂比最大。这类方法理论是最优的，但实际应用中，很难获得目标的先验信息，因此有较大局限性。

第二类不需要任何先验信息，典型方法有最佳张成检测器(OSD)、功率最大综合检测器(PMSD)、单通道检测器(SCD)。这一类方法不需要目标或杂波的先验信息，且工程实现简单，较适合噪声背景下的目标检测，这类方法缺点就是由于没有利用杂波的先验信息，在杂波背景下检测性能较差。

第三类只需要杂波的先验信息，典型的极化白化滤波器(PWF)，PWF使得输出信号强度的标准偏差与均值之比最小。这类方法不需要目标的先验信息，不少学者认为，如果在检测性能和所需的统计信息量两者之间进行折中的话，PWF无疑是优选的一种极化检测器，但这类方法环境推广性较差，特别是在噪声背景下会有一定的信噪比损失，另外，由于存在矩阵求逆等复杂运算，实现时资源开销较大。

发明内容

要解决的技术问题

针对传统极化白化滤波检测方法的环境推广性较差，特别是在噪声背景下会有一定的信噪比损失，且由于存在矩阵求逆等复杂运算，实现时资源开销较大的不足之处，提出了一种基于环境认知的极化检测方法，这种方法首先是对环境类型进行认知，区分环境为杂波还是噪声，其次会对杂波极化特性进行认知，结合两层认知结果来决定最终的接收极化方式，从而解决了极化白化滤波检测方法环境推广性较差的问题，且不存在矩阵求逆等复杂运算，从而解决了极化白化滤波检测方法运算量较大的问题。

技术方案

一种基于环境认知的极化检测方法，其特征在于步骤如下：

步骤1：对同极化通道和交叉极化通道的数据进行预处理后，分别得到两个通道的动目标检测的LL和RL，其中LL为同极化通道的动目标检测结果，矩阵大小为M×T，RL为交叉极化通道的动目标检测结果，矩阵大小为M×T，其中M为相参积累点数，T为每个脉冲重复周期内的采样点数；

步骤2：将同极化通道和交叉极化通道的检测单元分别记为CUT_LL和CUT_RL，对于每个检测单元来说，在同极化通道动目标检测结果和交叉极化通道动目标检测结果内分别取该检测单元两侧保护单元外的参考单元，分别记为X、Y，且X＝X₁、X₂、...、X_N，Y＝Y₁、Y₂、...、Y_N，且N为偶数；具体方法为在矩阵LL和矩阵RL中，取与检测单元CUT_LL和CUT_RL处于同一行上左右两侧的参考单元X和Y；

步骤3：将LL和RL两个通道的参考单元分别进行复数求平均处理，得到C_LL和C_RL；即，

其中C_LL和C_RL的大小为1×1；

步骤4：计算杂波功率统计量C_n，C_n＝10*log10(|C_LL×W_n+C_RL|)，其中权系数

n＝1、2、…、30，W_n大小为1×30，为复数向量；C_n大小为1×30，为实数向量；

步骤5：计算杂噪比CNR_n＝C_n-noise，noise为系统噪声功率，单位为dB，大小为1×1，是一个已知量，CNR_n大小为1×30，为实数向量；

步骤6：比较法找到CNR_n中的最小值和最大值，分别记作CNR_min和CNR_max，对应的权系数分别记为W_min和W_max，其中CNR_min、CNR_max、W_min、W_max大小都是1×1，CNR_min、CNR_max为实数，W_min、W_max为复数；

步骤7：若CNR_max>3dB，即感知为杂波环境，并令最优权系数W_opt＝W_min，若CNR_max≤3dB，即感知为噪声背景，令W_opt＝1；

步骤8：计算极化融合结果Y_out＝CUT_LL×W_opt+CUT_RL，其中，CUT_LL为同极化通道的检测单元值，CUT_RL为交叉极化通道的检测单元值；

步骤9：对Y_out进行门限检测，即将Y_out与门限值Thr进行比较，若Y_out>Thr，则输出Y_out，否则输出0，其中Thr为门限值，是一个已知量。

有益效果

本发明提出的一种基于环境认知的极化检测方法，既解决了传统极化白化滤波对环境适应性差，又解决了传统极化滤波算法由于存在矩阵求逆而运算量大的问题：本方法的处理流程为环境类型认知+杂波极化特性认知+恒虚警检测，该方法通过环境类型认知和杂波极化特性认知，使检测器具有较强的环境适应性，解决了传统极化白化滤波环境适应性差的问题，实现过程只有乘法和加法运算，而没有常规极化白化滤波方法中矩阵求逆等复杂运算，极大降低了传统极化白化滤波方法的运算量，极其适用于工程设计实现。

本发明与常规极化白化滤波方法相比较，具有的有益效果是：

通过两个层次的认知从而具备环境类型认知能力和杂波极化特性认知能力，使检测器具有较强的环境适应性和推广性。通过杂噪比的值对环境进行感知，区分环境为杂波还是噪声；如果是环境为杂波，则对杂波极化特性进行感知，即通过接收变极化，遍历极化权系数，选择使得杂噪比最小对应的极化权系数为最优加权系数；如果环境背景为噪声，则令最优权系数为1，即进行相参积累。

实现过程只有乘法和加法运算，而没有常规极化白化滤波方法中矩阵求逆等复杂运算，因此运算量较小。

附图说明

图1本发明基于环境认知的极化检测方法的认知流程框图；

图2本发明基于局部白化的极化检测方法的实现结构框图。

具体实施方式

现结合实施例、附图对本发明作进一步描述：

本发明解决技术问题的方案是：对两个通道进行预处理(包括数字下变频、脉冲压缩、动目标检测等)后得到两个通道(同极化通道与交叉极化通道)的动目标检测结果，同极化通道与不同权重系数乘积，再与交叉极化通道求和即可得到不同极化下的杂波功率，杂波功率除以系统的噪声功率(事先存储)就可以得到不同极化下的杂噪比，比较不同极化下的杂噪比，选择杂噪比最大值以及其对应的权系数、杂噪比最小值及其对应的权系数。如果杂噪比最大值都不大于阈值3dB，那么就判定环境为噪声背景，否则判定为杂波背景。若为噪声背景，则将最终的权重系数设置为1，若为杂波背景，则将最终的权重系数设置为杂噪比最小值对应的权系数。最后再进行门限检测，就完成了基于环境认知的极化检测。

图2是一种基于环境认识的极化检测方法的实现流程框图，算法步骤分以下几步：

(1)对两个通道(交叉极化通道和同极化通道)的数据进行预处理后，得出两个通道的动目标检测的结果，分别命名为LL和RL，其中LL为同极化通道的动目标检测结果，矩阵大小为M×T，RL为交叉极化通道的动目标检测结果，矩阵大小为M×T，其中M为相参积累点数，T为每个脉冲重复周期内的采样点数；

(2)将同极化通道和交叉极化通道的检测单元分别记为CUT_LL和CUT_RL，对于每个检测单元来说，在同极化通道LL和交叉极化通道RL内分别取该检测单元两侧保护单元外的参考单元，分别记为X、Y，且X＝X₁、X₂、...、X_N，Y＝Y₁、Y₂、...、Y_N，且N为偶数。具体方法为在矩阵LL和矩阵RL中，取与检测单元CUT_LL和CUT_RL处于同一行上左右两侧的参考单元X和Y，如图2所示；

(3)将LL和RL两个通道的参考单元分别进行复数求平均处理，得到C_LL和C_RL；即，

其中C_LL和C_RL的大小为1×1；需要特别说明的是，由于LL矩阵和RL矩阵的前N/2列做检测时，左侧参考单元数不够，同理后N/2列做检测时，右侧参考单元数不够，故LL矩阵和RL矩阵的前N/2列和后N/2列不做检测处理，输出Y_out为零；

(4)计算杂波功率统计量C_n，C_n＝10*log10(|C_LL×W_n+C_RL|)，其中权系数

n＝1、2、…、30，W_n大小为1×30，为复数向量；C_n大小为1×30，为实数向量；

(5)计算杂噪比CNR_n＝C_n-noise，noise为系统噪声功率(单位为dB)，大小为1×1，是一个已知量，CNR_n大小为1×30，为实数向量；

(6)比较法找到CNR_n中的最小值和最大值，分别记作CNR_min和CNR_max，对应的权系数分别记为W_min和W_max其中CNR_min、CNR_max、W_min、W_max大小都是1×1，CNR_min、CNR_max为实数，W_min、W_max为复数；

(7)若CNR_max>3dB，即感知为杂波环境，并令最优权系数W_opt＝W_min，若CNR_max≤3dB，即感知为噪声背景，令W_opt＝1；

(8)计算极化融合结果Y_out＝CUT_LL×W_opt+CUT_RL，其中；CUT_LL为同极化通道的检测单元值，CUT_RL为交叉极化通道的检测单元值；

(9)对Y_out进行门限检测，即将Y_out与门限值Thr进行比较，若Y_out>Thr，则输出Y_out，否则输出0，其中Thr为门限值，是一个已知量。

Claims (1)

1.一种基于环境认知的极化检测方法，其特征在于步骤如下：

步骤1：对同极化通道和交叉极化通道的数据进行预处理后，分别得到两个通道的动目标检测结果LL和RL，其中LL为同极化通道的动目标检测结果，LL的矩阵大小为M×T，RL为交叉极化通道的动目标检测结果，RL的矩阵大小为M×T，其中M为相参积累点数，T为每个脉冲重复周期内的采样点数；

步骤2：将同极化通道和交叉极化通道的检测单元分别记为CUT_LL和CUT_RL，对于每个检测单元来说，在同极化通道动目标检测结果和交叉极化通道动目标检测结果内分别取该检测单元两侧保护单元外的参考单元，分别记为X、Y，且X＝X₁、X₂、...、X_N，Y＝Y₁、Y₂、...、Y_N，且N为偶数；具体方法为在LL中取与检测单元CUT_LL处于同一行上左右两侧的参考单元X，和RL中取与检测单元CUT_RL处于同一行上左右两侧的参考单元Y；

步骤3：将参考单元X和Y分别进行复数求平均处理，得到C_LL和C_RL；即，

其中C_LL和C_RL的大小为1×1；

步骤4：计算杂波功率统计量C_n，C_n＝10*log10(|C_LL×W_n+C_RL|)，其中权系数

步骤5：计算杂噪比CNR_n＝C_n-noise，noise为系统噪声功率，单位为dB，大小为1×1，是一个已知量；

步骤6：比较法找到CNR_n中的最小值和最大值，分别记作CNR_min和CNR_max，对应的权系数分别记为W_min和W_max，其中CNR_min、CNR_max、W_min、W_max大小都是1×1，CNR_min、CNR_max为实数，W_min、W_max为复数；

步骤7：若CNR_max>3dB，即感知为杂波环境，令最优权系数W_opt＝W_min，若CNR_max≤3dB，即感知为噪声背景，令W_opt＝1；

步骤8：计算极化融合结果Y_out＝CUT_LL×W_opt+CUT_RL；

步骤9：对Y_out进行门限检测，即将Y_out与门限值Thr进行比较，若Y_out>Thr，则输出Y_out，否则输出0，其中Thr为门限值，是一个已知量。

Images