CN108318877B - 基于多基地雷达的杂波子空间下目标检测方法 - Google Patents

Abstract

本发明公开了一种基于多基地雷达的杂波子空间下目标检测方法，主要解决现有技术计算量大，检测性能低下的问题。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广义似然比检测，得到局部检验统计量；3、将局部检验统计量传输到融合中心，融合中心根据局部检验统计量计算全局检验统计量；4、计算检测门限；5、根据检测门限对全局检验统计量进行判别，若全局检验统计量大于检测门限，则判决目标存在，否则判决目标不存在。本发明提高了多基地雷达杂波子空间下目标的检测性能，且计算量小，适用性广泛，可用于多基地雷达目标检测系统。

Description

基于多基地雷达的杂波子空间下目标检测方法

技术领域

本发明属于雷达技术领域，具体说是一种杂波子空间下目标检测方法，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不含有杂波子空间的情况。然而，在雷达实际工作中，局部雷达站往往收到杂波子空间的干扰，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杂波子空间下目标检测的方法，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：在结构化杂波子空间已知，非结构化杂波未知的情况下，各个局部雷达站对信号进行信息融合，并融合后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，并与检测门限比较，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个雷达站中的原始数据，n＝1,2,...,N，N为局部雷达站个数，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中的元素进行广义似然比检测，得到N×L×(K+1)维经广义似然比检测后的数据矩阵Z＝[Z₁,Z₂,...,Z_n,...,Z_N]，Z_n表示Z中的第n个数据元素；

(3)对经广义似然比检测后的数据矩阵Z进行数据融合，得到全局检验统计向量Y；

(4)根据局部雷达站个数N、脉冲个数L，参考单元个数K，干扰子空间个数D以及全局虚警概率P_fa计算检验门限τ：

τ＝{τ:F(τ|N,1/(K-L+D+1))＝P_fa}

其中，

Γ(N)＝(N-1)！，t表示积分因子，！表示阶乘运算；

(5)将全局检验统计量Y与检验门限τ比较：若Y≥τ，则判决目标存在，若Y＜τ，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、本发明由于通过局部雷达站对原始信息进行广义似然比检测，得到局部检验统计量并将其传输到融合中心，有效的降低了传输信息带宽，减小了检测系统的复杂度。

2、本发明由于将原始数据经过干扰补空间映射，通过广义似然比检验得到统计量，与现有的忽略杂波子空间的检测算法相比，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：

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进行广义似然比检验，得到局部检验统计量。

2.1)根据已知的L×D维结构化干扰子空间H_n计算L×L维补空间映射E_n：

E_n＝I-H_nH_n ⁺，

其中，D表示局部雷达站的干扰源个数，I表示L×L维单位矩阵，(·)⁺表示共轭伪矩阵；

2.2)取L×L维补空间映射E_n的前(L-D)列元素，构成L×(L-D)维干扰补空间矩阵U_n；

2.3)根据L×(L-D)维干扰补空间U_n，利用如下公式对原始数据矩阵X_n中的元素进行广义似然比检测：

其中，

x_n0表示原始数据X_n中第一列数据元素，x_ni表示原始数据X_n中第i+1列数据元素，

表示求共轭矩阵，(·)^-1表示求矩阵逆运算，(·)^T表示求矩阵转置，|·|²表示求数据模平方。

2.4)对原始数据矩阵X中的每个元素X_n都进行步骤(2.3)的操作，得到局部检验统计量Z＝[Z₁,Z₂,...,Z_n,...,Z_N]，Z_n表示Z中第n个数据元素。

步骤3、对局部雷达站经广义似然比检验后的数据Z进行数据融合，得到全局检验统计向量。

3.1)将经过广义似然比检验后的数据Z_n取对数，得到对数似然比检验统计量F_n：

F_n＝log(Z_n)，

其中，log(·)表示取自然对数运算；

3.2)对N局部雷达站的对数似然比检验统计量F_n求和，得到全局检验统计量Y：

步骤4、根据局部雷达站个数N、脉冲个数L，参考单元个数K，干扰子空间个数D以及全局虚警概率P_fa计算检验门限τ：

τ＝{τ:F(τ|N,1/(K-L+D+1))＝P_fa}

其中，

Γ(N)＝(N-1)！，t表示积分因子，！表示阶乘运算；

步骤5、全局检验统计量判别。

将全局检验统计量Y与检验门限τ比较：若Y≥τ，则判决目标存在，若Y＜τ，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：局部雷达站个数N＝4，一个非相干积累周期中所包含的脉冲个数L＝20，参考单元数K＝16，每个雷达站收到的干扰个数为D＝4，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全局虚警概率一定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2所示。

从图2中可以看出，在全局信噪比一定时，本发明的检测性能相较于忽略子空间干扰的检测方法有3dB的性能提升；相较于“或”准则有3.5dB的性能提升，相较于“与”准则有4dB的性能提升。表明本发明在全局虚警概率一定下有很好的检测性能。

Claims (4)

1.一种基于多基地雷达的杂波子空间下目标检测方法，包括：

(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个雷达站中的原始数据，n＝1,2,...,N，N为局部雷达站个数，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中的元素进行广义似然比检测，得到N×L×(K+1)维经广义似然比检测后的数据矩阵Z＝[Z₁,Z₂,...,Z_n,...,Z_N]，Z_n表示Z中的第n个数据元素；

(3)对经广义似然比检测后的数据矩阵Z进行数据融合，得到全局检验统计向量Y；

(4)根据局部雷达站个数N、脉冲个数L，参考单元个数K，干扰子空间个数D以及全局虚警概率P_fa计算检验门限τ：

τ＝{τ:F(τ|N,1/(K-L+D+1))＝P_fa}

其中，

Γ(N)＝(N-1)！，t表示积分因子，！表示阶乘运算；

(5)将全局检验统计量Y与检验门限τ比较：若Y≥τ，则判决目标存在，若Y＜τ，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)中对数据矩阵X中的元素进行广义似然比检测，按如下步骤进行：

2.1)根据已知的L×D维结构化干扰子空间矩阵H_n，计算L×(L-D)维干扰补空间U_n：

2.1.1)根据已知的L×D维结构化干扰子空间H_n计算L×L维补空间映射E_n：

E_n＝I-H_nH_n ⁺，

其中，D表示局部雷达站的干扰源个数，I表示L×L维单位矩阵，(·)⁺表示共轭伪矩阵；

2.1.2)取L×L维补空间映射E_n的前(L-D)列元素，构成L×(L-D)维干扰补空间矩阵U_n；

2.2)根据L×(L-D)维干扰补空间U_n，对原始数据矩阵X_n中的元素进行广义似然比检测：

其中，

x_n0表示原始数据X_n中第一列数据元素，x_ni表示原始数据X_n中第i+1列数据元素，

表示求共轭矩阵，(·)^-1表示求矩阵逆运算，(·)^T表示求矩阵转置，|·|²表示求数据模平方。

4.根据权利要求1所述的方法，其中步骤(3)中计算全局检验统计向量Y，其步骤如下：

3.1)将经过广义似然比检验后的数据Z_n取对数，得到对数似然比检验统计量F_n：

F_n＝log(Z_n)；

3.2)对N局部雷达站的对数似然比检验统计量F_n求和，得到全局检验统计量Y：

Images