CN112149516B - 失配稳健的子空间信号检测方法及装置 - Google Patents

失配稳健的子空间信号检测方法及装置 Download PDF

Info

Publication number
CN112149516B
CN112149516B CN202010894426.1A CN202010894426A CN112149516B CN 112149516 B CN112149516 B CN 112149516B CN 202010894426 A CN202010894426 A CN 202010894426A CN 112149516 B CN112149516 B CN 112149516B
Authority
CN
China
Prior art keywords
hypothesis
detected
target
expression
distance unit
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
CN202010894426.1A
Other languages
English (en)
Other versions
CN112149516A (zh
Inventor
李刚
王泽玉
王钺
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN202010894426.1A priority Critical patent/CN112149516B/zh
Publication of CN112149516A publication Critical patent/CN112149516A/zh
Application granted granted Critical
Publication of CN112149516B publication Critical patent/CN112149516B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • 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
    • G01S7/40—Means for monitoring or calibrating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2132—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on discrimination criteria, e.g. discriminant analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请提出了一种失配稳健的子空间信号检测方法及装置，其中，方法包括：获取待检测距离单元数据和训练样本，通过二元假设检验对待检测距离单元数据的检测问题进行表示，生成待检测距离单元数据不含目标假设H0的表达式和含有目标和杂波假设H1的表达式，目标的导向矢量通过子空间模型表示，杂波服从部分均匀模型；计算假设H1条件下待检测距离单元数据和训练样本的联合概率密度函数；根据假设H1下的联合概率密度函数，计算假设H1下所有未知参数的第一估计值；计算复Fisher信息矩阵逆的左上分块矩阵在假设H1下的第二估计值；根据第一估计值、第二估计值和检验表达式确定目标的检测结果。根据本申请能够提高检测器在信号失配时对失配信号的稳健性能。

Description

失配稳健的子空间信号检测方法及装置
技术领域
本申请涉及雷达信号处理技术领域，尤其涉及一种失配稳健的子空间信号检测方法及装置。
背景技术
近年来，协方差矩阵未知的噪声环境下的雷达目标自适应检测技术获得了越来越多的关注。为了估计未知的协方差矩阵，一般假设存在一组不含目标信号的训练样本，训练样本与待检测距离单元数据中的噪声独立同分布。例如基于广义似然比检验的自适应检测方法，该方法通过计算两种假设下的未知参数来实现。其他具有代表性的自适应检测器还包括自适应匹配滤波器、自适应相参估计器、Rao检测器、Wald检测器等。
上述检测器均是在信号匹配场景下提出的，然而实际环境往往存在着由于波前畸变、校准和指向误差、不理想的天线形状等因素引起的信号失配。当信号失配时，不同的检测场景对检测器的要求不同，例如雷达处于扫描模式时，需要检测器对失配信号具有较好的稳健性能。因此，在信号失配场景提高检测器的失配稳健性能是非常必要的。此外，根据RMB(Reed-Mallett-Brennan)准则，若要获得良好的匹配检测性能，至少需要2倍系统自由度的训练样本来估计未知的协方差矩阵。然而，快速起伏的地形、密集目标以及城市杂波环境都会导致检测环境非平稳非均匀，在非平稳非均匀环境下，难以满足估计协方差矩阵所需的充足训练样本，使传统检测器的检测性能下降严重。
发明内容
本申请旨在至少在一定程度上解决传统中的技术问题之一。
为此，本申请提出一种失配稳健的子空间信号检测方法及装置，能够提高检测器在信号失配时对失配信号的稳健性能。
本申请第一方面实施例提出了一种失配稳健的子空间信号检测方法，包括：
获取待检测距离单元数据和训练样本，通过二元假设检验对所述待检测距离单元数据的检测问题进行表示，生成所述待检测距离单元数据不含目标假设H0的表达式和所述待检测距离单元数据含有目标和杂波假设H1的表达式，其中，所述目标的导向矢量通过子空间模型表示，所述杂波服从部分均匀模型；
计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数；
获取检验表达式；
根据假设H1下所述待检测距离单元数据和所述训练样本的联合概率密度函数，计算假设H1下所有未知参数的第一估计值；
计算复Fisher信息矩阵逆的左上分块矩阵在假设H1下的第二估计值；
将所述第一估计值和所述第二估计值代入所述检验表达式，生成第一表达式；
将所述第一表达式的结果与检测门限进行比较，确定对所述目标的检测结果。
本申请实施例的失配稳健的子空间信号检测方法，通过利用子空间表示目标导向矢量的不确定性，从而提高检测器在信号失配时对失配信号的稳健性能。
另外，根据本申请上述实施例的失配稳健的子空间信号检测方法还可以具有如下附加技术特征：
可选地，所述假设H0的表达式和所述假设H1的表达式如下：
Figure BDA0002657984520000021
其中，z为所述待检测距离单元数据，zt为所述训练样本，K为训练样本数目，A为目标所在的子空间，α为坐标参数，n表示待检测距离单元数据中的杂波，nt表示训练样本中的杂波，nt和n均为复高斯向量，nt对应的协方差矩阵为∑，n对应的协方差矩阵为τΣ。
可选地，所述计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数，包括：根据所述目标和所述杂波的分布，利用杂波协方差矩阵∑和目标所在的子空间的斜对称性质，计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数。
可选地，所述检验表达式为
Figure BDA0002657984520000022
其中，
Figure BDA0002657984520000023
表示θr在假设H1条件下的估计值，
Figure BDA0002657984520000024
表示θ在假设H1条件下的估计值，
Figure BDA0002657984520000031
θr为2p维列向量，
Figure BDA0002657984520000032
θ为(2p+N2+1)维列向量，θs＝[τ,vecT(∑)]T，
Figure BDA0002657984520000033
表示Fisher信息矩阵。
可选地，所述根据假设H1下所述待检测距离单元数据和所述训练样本的联合概率密度函数，计算假设H1下所有未知参数的第一估计值包括：根据假设H1下的所述联合概率密度函数对杂波协方差矩阵∑求导，计算假设H1下杂波协方差矩阵∑的估计值
Figure BDA0002657984520000034
将所述估计值
Figure BDA0002657984520000035
代入所述联合概率密度函数表达式中，获取第二表达式，根据所述第二表达式对坐标参数α求导，计算假设H1下坐标参数α的估计值
Figure BDA0002657984520000036
将所述估计值
Figure BDA0002657984520000037
和所述估计值
Figure BDA0002657984520000038
代入所述联合概率密度函数表达式，计算假设H1下参数τ的估计值。
可选地，所述计算复Fisher信息矩阵逆的左上分块矩阵在假设H1下的第二估计值，包括：计算假设H1条件下所述联合概率密度函数的对数对θr的梯度；根据所述梯度计算复Fisher信息矩阵逆的左上分块矩阵在假设H1下的第二估计值。
可选地，所述将所述第一表达式的结果与检测门限进行比较，确定对所述目标的检测结果包括：将所述第一表达式的结果与检测门限进行比较；若所述结果大于所述检测门限，则确定所述目标存在；若所述结果小于等于所述检测门限，则确定所述目标不存在。
本申请第二方面实施例提出了一种失配稳健的子空间信号检测装置，包括：
第一获取模块，用于获取待检测距离单元数据和训练样本，通过二元假设检验对所述待检测距离单元数据的检测问题进行表示，生成所述待检测距离单元数据不含目标假设H0的表达式和所述待检测距离单元数据含有目标和杂波假设H1的表达式，其中，所述目标的导向矢量通过子空间模型表示，所述杂波服从部分均匀模型；
第一计算模块，用于计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数；
第二获取模块，用于获取检验表达式；
第二计算模块，用于根据假设H1下所述待检测距离单元数据和所述训练样本的联合概率密度函数，计算假设H1下所有未知参数的第一估计值；
第三计算模块，用于计算复Fisher信息矩阵逆的左上分块矩阵在假设H1下的第二估计值；
生成模块，用于将所述第一估计值和所述第二估计值代入所述Wald检验表达式，生成第一表达式；
确定模块，用于将所述第一表达式的结果与检测门限进行比较，确定对所述目标的检测结果。
本申请实施例的失配稳健的子空间信号检测装置，通过利用子空间表示目标导向矢量的不确定性，从而提高检测器在信号失配时对失配信号的稳健性能。
本申请第三方面实施例提出了一种计算机设备，包括处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第一方面实施例所述的失配稳健的子空间信号检测方法。
本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的失配稳健的子空间信号检测方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
图1为本申请实施例所提供的一种失配稳健的子空间信号检测方法的流程示意图；
图2为不存在信号失配时本申请检测方法、传统的自适应检测方法以及秩1信号自适应检测在不同信噪比下的检测概率结果图；
图3为失配角余弦平方为0.6146时本申请检测方法、传统的自适应检测方法以及秩1信号自适应检测方法在不同信噪比下的检测概率结果图；
图4为本申请实施例所提供的一种失配稳健的子空间信号检测装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的失配稳健的子空间信号检测方法、装置及设备。
图1为本申请实施例所提供的一种失配稳健的子空间信号检测方法的流程示意图，如图1所示，该方法包括：
步骤101，获取待检测距离单元数据和训练样本，通过二元假设检验对待检测距离单元数据的检测问题进行表示，生成待检测距离单元数据不含目标假设H0的表达式和待检测距离单元数据含有目标和杂波假设H1的表达式。
本申请实施例的失配稳健的子空间信号检测方法，应用于雷达目标检测。在进行雷达目标信号检测时，获取雷达接收到的待检测距离单元数据。
本实施例中，目标的导向矢量通过子空间模型表示，杂波服从部分均匀模型。其中，利用子空间模型表示目标导向矢量的不确定性，利用部分均匀模型对杂波进行建模。
其中，H0表示待检测距离单元数据不含目标的假设，H1表示待检测距离单元数据含有目标和杂波的假设，假设H0的表达式和假设H1的表达式如下：
Figure BDA0002657984520000051
其中，z表示待检测距离单元数据，zt表示训练样本，K为训练样本数目，A为目标所在的子空间，A∈CN×p。α为坐标参数，表示未知的坐标，a∈Cp×1。n表示待检测距离单元数据中的杂波，nt表示训练样本中的杂波，n∈CN×1且nt∈CN×1，nt和n分别是零均值协方差矩阵为Σ和τΣ的复高斯向量，τ为未知常数。Cm×n表示m×n维复矩阵。
步骤102，计算假设H0和假设H1条件下待检测距离单元数据和训练样本的联合概率密度函数。
本实施例中，根据目标和杂波的分布，利用杂波协方差矩阵∑和目标所在的子空间A的斜对称性质，计算假设H0和假设H1条件下待检测距离单元数据和训练样本的联合概率密度函数。具体地，假设杂波协方差矩阵Σ和子空间A具有斜对称性质，即杂波协方差矩阵Σ和子空间A满足：Σ＝JΣ*J，A＝JA*。
联合概率密度函数f(z,z1,...,zK|Hi)如下：
Figure BDA0002657984520000052
其中，J∈RN×N为置换矩阵，RN×N表示N×N维实矩阵，当元素J(i,j)的下标满足i+j＝N+1时，J(i,j)＝1，否则，J(i,j)＝0，(·)H表示共轭转置，det(·)表示取行列式，(·)*表示共轭，tr(·)表示矩阵迹，zp＝[ze,zo]∈CN×2，
Figure BDA0002657984520000053
α＝[ae,ao]，ae＝Re(a)，ao＝jIm(a)，
Figure BDA0002657984520000061
步骤103，获取检验表达式。
本实施例中，根据步骤101所述的部分均匀杂波下的子空间信号检测问题，借助于Wald检验准则解决检测问题。
其中，Wald检验表达式为：
Figure BDA0002657984520000062
其中，
Figure BDA0002657984520000063
表示θr在假设H1条件下的估计值，
Figure BDA0002657984520000064
表示θ在假设H1条件下的估计值，
Figure BDA0002657984520000065
θr为2p维列向量，
Figure BDA0002657984520000066
θ为(2p+N2+1)维列向量，θs＝[τ,vecT(∑)]T，vec(·)表示向量化，
Figure BDA0002657984520000067
表示Fisher信息矩阵，
Figure BDA0002657984520000068
Figure BDA0002657984520000069
Figure BDA00026579845200000610
Figure BDA00026579845200000611
步骤104，根据假设H1下待检测距离单元数据和训练样本的联合概率密度函数，计算假设H1下所有未知参数的第一估计值。
本实施例中，根据假设H1条件下待检测距离单元的联合概率密度函数、矩阵微分和矩阵行列式的性质，计算假设H1条件下杂波协方差矩阵∑，参数α以及参数τ的估计值。
具体地，(1)利用假设H1条件下待检测距离单元数据和训练样本数据的联合概率密度函数f(z,z1,...,zK|H1)，对杂波协方差矩阵∑求导，计算得到假设H1下杂波协方差矩阵∑的估计值：
Figure BDA00026579845200000612
(2)将假设H1下杂波协方差矩阵∑的估计值
Figure BDA00026579845200000613
代入联合概率密度函数的表达式中并进行化简，得到表达式
Figure BDA00026579845200000614
进而对表达式
Figure BDA0002657984520000071
求关于α的导数，计算参数α的估计值：
Figure BDA0002657984520000072
(3)将假设H1下杂波协方差矩阵的估计值
Figure BDA0002657984520000073
以及参数α的估计值
Figure BDA0002657984520000074
代入联合概率密度函数的表达式中并化简，推导参数τ的估计值。具体地，根据文献(CONTE E,DE MAIO A,RICCI G.GLRT-based adaptive detection algorithms for range-spread targets[J].IEEE Transactions on Signal Processing,2001,49(7):1336-1348.)的命题2，计算得到假设H1下参数τ的估计值为下列等式的正数解：
Figure BDA0002657984520000075
其中，r1满足r1＝min(N-p,2)，min(·)表示取最小值。λ1l是矩阵
Figure BDA0002657984520000076
的非零特征值，
Figure BDA0002657984520000077
步骤105，计算复Fisher信息矩阵逆的左上分块矩阵在假设H1下的第二估计值。
本实施例中，根据复Fisher矩阵的定义，计算复Fisher信息矩阵逆的左上分块矩阵在假设H1下的估计值。
具体地，计算假设H1条件下待检测距离单元数据和训练数据的联合概率密度函数f(z,z1,...,zK|H1)的对数对θr的梯度：
Figure BDA0002657984520000078
Figure BDA0002657984520000079
进而，根据复Fisher矩阵的定义，计算复Fisher信息矩阵逆的左上分块矩阵在假设H1下的估计值：
Figure BDA00026579845200000710
其中，
Figure BDA00026579845200000711
表示克罗内克积。
步骤106，将第一估计值和第二估计值代入检验表达式，生成第一表达式。
本实施例中，将步骤104中假设H1下杂波协方差矩阵的估计值、参数α的估计值、参数τ的估计值以及步骤105中复Fisher信息矩阵逆的左上分块矩阵在假设H1下的估计值代入Wald检验表达式中，并进行化简，计算得到失配稳健的子空间信号自适应检测方法表达式：
Figure BDA0002657984520000081
步骤107，将第一表达式的结果与检测门限进行比较，确定对目标的检测结果。
本实施例中，设定失配稳健的子空间信号自适应检测方法的检测门限为ζ，将检验表达式的结果与检测门限作对比，如果检验表达式的值大于检测门限，则判定目标存在；否则，判定目标不存在。具体地，将失配稳健的子空间信号自适应检测表达式T的值与设定的检测门限ζ作比，如果表达式T的值大于检测门限ζ，则判定待检测距离单元中存在目标；反之，则待检测距离单元中不含有目标。
本申请实施例的失配稳健的子空间信号检测方法，通过利用子空间表示目标导向矢量的不确定性，实现了待检测距离单元数据的目标检测，从而提高检测器在信号失配时对失配信号的稳健性能。
通过以下仿真实验对本申请作进一步验证说明。
(一)实验环境和内容
实验环境：MATLAB R2010b，Intel(R)Pentium(R)2CPU 2.7GHz，Window 7旗舰版。
实验内容：在部分均匀杂波环境中，应用本申请方法对目标进行检测，门限以及检测概率均采用106次蒙特卡洛实验获得，定义信噪比为SNR＝tr(aHAH∑-1Aa)，Σ表示杂波的协方差矩阵，a表示坐标，A表示目标子空间，tr(·)表示求迹操作，上标H表示共轭转置，上标-1表示求逆操作。
(二)实验结果
当系统自由度为10，τ＝2，目标子空间维度为2，不含目标的训练样本数目为10时，应用本申请检测方法，秩1信号检测方法以及传统的自适应子空间信号检测方法在不同信噪比条件下进行检测，得到的检测概率结果对比图如图2和图3所示，图2是不存在信号失配情况下，本申请检测方法、传统的自适应子空间信号检测方法和秩1信号检测方法在不同信噪比下得到的检测概率结果图，图3是失配角余弦平方为0.6146时本申请检测方法、传统的自适应子空间信号检测方法以及秩1信号检测方法在不同信噪比下得到的检测概率结果图。
根据图2可知，当不存在信号失配时，本申请方法相比于传统中的自适应子空间信号检测方法具有明显的匹配检测性能改善。同时，本申请方法相比于秩1信号检测方法具有少量的匹配检测性能损失。根据图3可知，当存在信号失配时，传统的自适应子空间信号检测方法和秩1信号检测方法遭受严重的性能损失，本申请方法相比于秩1信号检测方法和传统的自适应子空间信号检测方法的性能改善超过15dB，因而对失配信号具有更好的稳健性能。综上所述，仿真实验验证了本申请的正确性、有效性和可靠性。
为了实现上述实施例，本申请还提出一种失配稳健的子空间信号检测装置。
图4为本申请实施例所提供的一种失配稳健的子空间信号检测装置的结构示意图，如图4所示，该装置包括：第一获取模块10，第一计算模块20，第二获取模块30，第二计算模块40，第三计算模块50，生成模块60，确定模块70。
其中，第一获取模块10，用于获取待检测距离单元数据和训练样本，通过二元假设检验对所述待检测距离单元数据的检测问题进行表示，生成所述待检测距离单元数据不含目标假设H0的表达式和所述待检测距离单元数据含有目标和杂波假设H1的表达式，其中，所述目标的导向矢量通过子空间模型表示，所述杂波服从部分均匀模型。
第一计算模块20，用于计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数。
第二获取模块30，用于获取检验表达式。
第二计算模块40，用于根据假设H1下所述待检测距离单元数据和所述训练样本的联合概率密度函数，计算假设H1下所有未知参数的第一估计值。
第三计算模块50，用于计算复Fisher信息矩阵逆的左上分块矩阵在假设H1下的第二估计值。
生成模块60，用于将第一估计值和第二估计值代入Wald检验表达式，生成第一表达式。
确定模块70，用于将第一表达式的结果与检测门限进行比较，确定对目标的检测结果。
本申请实施例的失配稳健的子空间信号检测装置，通过利用子空间表示目标导向矢量的不确定性，实现待检测距离单元数据的目标检测，从而提高检测器在信号失配时对失配信号的稳健性能。
为了实现上述实施例，本申请还提出一种计算机设备，包括处理器和存储器；其中，处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如前述任一实施例所述的失配稳健的子空间信号检测方法。
为了实现上述实施例，本申请还提出一种计算机程序产品，当计算机程序产品中的指令被处理器执行时实现如前述任一实施例所述的失配稳健的子空间信号检测方法。
为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如前述任一实施例所述的失配稳健的子空间信号检测方法。
在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种失配稳健的子空间信号检测方法，其特征在于，应用于雷达目标检测，包括以下步骤：
获取待检测距离单元数据和训练样本，通过二元假设检验对所述待检测距离单元数据的检测问题进行表示，生成所述待检测距离单元数据不含目标假设H0的表达式和所述待检测距离单元数据含有目标和杂波假设H1的表达式，其中，所述目标的导向矢量通过子空间模型表示，所述杂波服从部分均匀模型；
计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数；
获取检验表达式，所述检验表达式为
Figure FDA0003880796870000011
其中，
Figure FDA0003880796870000012
表示θr在假设H1条件下的估计值，
Figure FDA0003880796870000013
表示θ在假设H1条件下的估计值，
Figure FDA0003880796870000014
θr为2p维列向量，
Figure FDA0003880796870000015
θ为(2p+N2+1)维列向量，θs＝[τ,vecT(∑)]T，
Figure FDA0003880796870000016
表示Fisher信息矩阵；
根据假设H1下所述待检测距离单元数据和所述训练样本的联合概率密度函数，计算假设H1下所有未知参数的第一估计值；
计算Fisher信息矩阵在假设H1下的第二估计值；
将所述第一估计值和所述第二估计值代入所述检验表达式，生成第一表达式；
将所述第一表达式的结果与检测门限进行比较，确定对所述目标的检测结果。
2.如权利要求1所述的方法，其特征在于，所述假设H0的表达式和所述假设H1的表达式如下：
Figure FDA0003880796870000017
其中，z为所述待检测距离单元数据，zt为所述训练样本，K为训练样本数目，A为目标所在的子空间，α为坐标参数，n表示待检测距离单元数据中的杂波，nt表示训练样本中的杂波，nt和n均为复高斯向量，nt对应的协方差矩阵为∑，n对应的协方差矩阵为τΣ。
3.如权利要求2所述的方法，其特征在于，所述计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数，包括：
根据所述目标和所述杂波的分布，利用杂波协方差矩阵∑和目标所在的子空间的斜对称性质，计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数。
4.如权利要求3所述的方法，其特征在于，所述根据假设H1下所述待检测距离单元数据和所述训练样本的联合概率密度函数，计算假设H1下所有未知参数的第一估计值包括：
根据假设H1下的所述联合概率密度函数对杂波协方差矩阵∑求导，计算假设H1下杂波协方差矩阵∑的估计值
Figure FDA0003880796870000021
将所述估计值
Figure FDA0003880796870000022
代入所述联合概率密度函数的表达式中，获取第二表达式，根据所述第二表达式对坐标参数α求导，计算假设H1下坐标参数α的估计值
Figure FDA0003880796870000023
将所述估计值
Figure FDA0003880796870000024
和所述估计值
Figure FDA0003880796870000025
代入所述联合概率密度函数的表达式，计算假设H1下参数τ的估计值。
5.如权利要求1所述的方法，其特征在于，所述计算Fisher信息矩阵在假设H1下的第二估计值，包括：
计算假设H1条件下所述联合概率密度函数的对数对θr的梯度；
根据所述梯度计算Fisher信息矩阵在假设H1下的第二估计值。
6.如权利要求1所述的方法，其特征在于，所述将所述第一表达式的结果与检测门限进行比较，确定对所述目标的检测结果包括：
将所述第一表达式的结果与检测门限进行比较；
若所述结果大于所述检测门限，则确定所述目标存在；
若所述结果小于等于所述检测门限，则确定所述目标不存在。
7.一种失配稳健的子空间信号检测装置，其特征在于，应用于雷达目标检测，包括：
第一获取模块，用于获取待检测距离单元数据和训练样本，通过二元假设检验对所述待检测距离单元数据的检测问题进行表示，生成所述待检测距离单元数据不含目标假设H0的表达式和所述待检测距离单元数据含有目标和杂波假设H1的表达式，其中，所述目标的导向矢量通过子空间模型表示，所述杂波服从部分均匀模型；
第一计算模块，用于计算假设H0和假设H1条件下所述待检测距离单元数据和所述训练样本的联合概率密度函数；
第二获取模块，用于获取检验表达式，所述检验表达式为
Figure FDA0003880796870000026
其中，
Figure FDA0003880796870000027
表示θr在假设H1条件下的估计值，
Figure FDA0003880796870000028
表示θ在假设H1条件下的估计值，
Figure FDA0003880796870000029
θr为2p维列向量，
Figure FDA00038807968700000210
θ为(2p+N2+1)维列向量，θs＝[τ,vecT(∑)]T，
Figure FDA00038807968700000211
表示Fisher信息矩阵；
第二计算模块，用于根据假设H1下所述待检测距离单元数据和所述训练样本的联合概率密度函数，计算假设H1下所有未知参数的第一估计值；
第三计算模块，用于计算Fisher信息矩阵在假设H1下的第二估计值；
生成模块，用于将所述第一估计值和所述第二估计值代入Wald检验表达式，生成第一表达式；
确定模块，用于将所述第一表达式的结果与检测门限进行比较，确定对所述目标的检测结果。
8.一种计算机设备，其特征在于，包括处理器和存储器；
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求1-6中任一项所述的失配稳健的子空间信号检测方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的失配稳健的子空间信号检测方法。
CN202010894426.1A 2020-08-31 2020-08-31 失配稳健的子空间信号检测方法及装置 Active CN112149516B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010894426.1A CN112149516B (zh) 2020-08-31 2020-08-31 失配稳健的子空间信号检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010894426.1A CN112149516B (zh) 2020-08-31 2020-08-31 失配稳健的子空间信号检测方法及装置

Publications (2)

Publication Number Publication Date
CN112149516A CN112149516A (zh) 2020-12-29
CN112149516B true CN112149516B (zh) 2022-12-02

Family

ID=73890367

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010894426.1A Active CN112149516B (zh) 2020-08-31 2020-08-31 失配稳健的子空间信号检测方法及装置

Country Status (1)

Country Link
CN (1) CN112149516B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115575946B (zh) * 2022-10-20 2024-06-04 中国人民解放军海军航空大学 雷达目标斜对称子空间智能融合检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106019256A (zh) * 2016-07-29 2016-10-12 西安电子科技大学 基于自回归模型的雷达信号自适应检测方法
CN107942308A (zh) * 2017-10-19 2018-04-20 西安电子科技大学 复合高斯环境下基于伽玛纹理的自适应Rao检测方法
CN111157956A (zh) * 2019-12-24 2020-05-15 清华大学 一种非高斯背景下的雷达信号失配敏感检测方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8284098B2 (en) * 2010-11-24 2012-10-09 Mitsubishi Electric Research Laboratories, Inc. Persymmetric parametric adaptive matched filters for detecting targets using space-time adaptive processing of radar signals
US8907841B2 (en) * 2011-04-04 2014-12-09 Mitsubishi Electric Research Laboratories, Inc. Method for detecting targets using space-time adaptive processing

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106019256A (zh) * 2016-07-29 2016-10-12 西安电子科技大学 基于自回归模型的雷达信号自适应检测方法
CN107942308A (zh) * 2017-10-19 2018-04-20 西安电子科技大学 复合高斯环境下基于伽玛纹理的自适应Rao检测方法
CN111157956A (zh) * 2019-12-24 2020-05-15 清华大学 一种非高斯背景下的雷达信号失配敏感检测方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Adaptive Detection of a Subspace Signal in Signal-Dependent Interference;Zeyu Wang等;《IEEE Transactions on Signal Processing》;20170915;第65卷(第18期);第4812-4820页 *
One-Step Persymmetric GLRT for Subspace Signals;Jun Liu等;《IEEE TRANSACTIONS ON SIGNAL PROCESSING》;20190715;第67卷(第14期);第3639-3648页 *
Performance prediction of subspace-based adaptive detectors with signal mismatch;WeijianLiu等;《Signal Processing》;20160630;第123卷;第122-126页 *
复合高斯杂波中距离扩展目标的参数化Wald检测;许琦等;《信号处理》;20120725;第28卷(第07期);第899-916页 *
适用于子空间信号失配的参数可调多通道自适应检测器;刘维建等;《电子与信息学报》;20161231;第38卷(第12期);第3011-3017页 *

Also Published As

Publication number Publication date
CN112149516A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN109951807A (zh) 基于WiFi信号的融合RSS和CSI室内定位方法
CN106443598B (zh) 基于卷积神经网络的雷达网协同航迹欺骗干扰鉴别方法
Li et al. Measures of performance for evaluation of estimators and filters
CN107153180B (zh) 一种目标信号检测方法及系统
CN106501800B (zh) 基于代价参考粒子滤波的mimo雷达目标检测前跟踪方法
Bizup et al. Maneuver detection using the radar range rate measurement
US9213100B1 (en) Bearing-only tracking for horizontal linear arrays with rapid, accurate initiation and a robust track accuracy threshold
CN110889862B (zh) 一种网络传输攻击环境中多目标跟踪的组合测量方法
CN107942308A (zh) 复合高斯环境下基于伽玛纹理的自适应Rao检测方法
CN113219432B (zh) 基于知识辅助和稀疏贝叶斯学习的运动目标检测方法
CN112782728A (zh) 一种基于惯性辅助的天线阵欺骗干扰信号检测方法
CN115032623B (zh) 子空间信号失配时双参数加权的扩展目标检测方法与系统
CN112149516B (zh) 失配稳健的子空间信号检测方法及装置
CN111157956A (zh) 一种非高斯背景下的雷达信号失配敏感检测方法及系统
CN113376613A (zh) 用于雷达探测的恒虚警检测方法、装置及电子设备
CN116256713B (zh) 用于确定目标对象的移动性状态的方法
CN115390027A (zh) 非均匀杂波下目标知识辅助智能融合检测方法
CN110488273B (zh) 一种基于雷达的车辆跟踪检测方法及装置
CN115508824A (zh) 多目标大数据关联融合跟踪方法及系统
Wang et al. Adaptive detection of distributed target in the presence of signal mismatch in compound Gaussian clutter
CN110472607A (zh) 一种船舶跟踪方法及系统
Li et al. MUSIC with capped Frobenius norm: Efficient robust direction-of-arrival estimator
Gao et al. Subspace detection for range-spread target to suppress interference: exploiting persymmetry in non-homogeneous scenario
CN105652256B (zh) 一种基于极化信息的高频地波雷达tbd方法
US20230101091A1 (en) Determining reliability of a direction of arrival (doa) of a signal received by a radar system from a source and apparatus for determining reliability

Legal Events

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