CN112799043B - 一种部分均匀环境中存在干扰时的扩展目标检测器与系统 - Google Patents
一种部分均匀环境中存在干扰时的扩展目标检测器与系统 Download PDFInfo
- Publication number
- CN112799043B CN112799043B CN202110376536.3A CN202110376536A CN112799043B CN 112799043 B CN112799043 B CN 112799043B CN 202110376536 A CN202110376536 A CN 202110376536A CN 112799043 B CN112799043 B CN 112799043B
- Authority
- CN
- China
- Prior art keywords
- matrix
- interference
- whitening
- detected
- constructing
- 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
Images
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种部分均匀环境中存在干扰时的扩展目标检测器与系统。首先构造数据矩阵;然后构造采样协方差矩阵;接着根据采样协方差矩阵构造白化矩阵;再根据白化矩阵对信号矩阵、干扰矩阵和待检测数据矩阵进行白化;接着根据白化后的待检测数据矩阵、白化后的信号矩阵和白化后的干扰矩阵构造厄米特矩阵,并计算该矩阵的迹;然后求解协方差矩阵失配量;再根据厄米特矩阵的迹和协方差矩阵失配量构造检测统计量;接着根据系统设定的虚警概率及检测统计量确定检测门限;最后比较检测统计量与检测门限的大小,并判决目标是否存在。本发明设计的检测器无需独立的滤波和恒虚警处理步骤就可实现干扰抑制和目标检测,且具有恒虚警特性。
Description
技术领域
本发明涉及信号检测技术领域,尤其涉及一种部分均匀环境中存在干扰时的扩展目标检测器与系统。
背景技术
随着雷达工作带宽的不断提升,雷达的距离分辨能力也不断提高,相应的雷达距离分辨单元不断变小。因此,目标往往呈现出扩展特性,从而占据多个距离分辨单元。由于分辨单元尺寸的减小,每个分辨单元中含有的杂波强散射点减少,增加了不同距离单元之间统计特性不相同的可能性,从而导致环境的非均匀特性。部分均匀是一种典型的非均匀特性,可广泛适用于机载雷达等其他场景,具体指的是,待检测单元的协方差矩阵与训练样本的协方差矩阵具有相同的结构,但具有不同的功率。
除了杂波环境的非均匀特性以外,雷达的接收数据中往往还含有由敌方释放的干扰或者由友邻雷达/电台/通信设备释放的无意干扰,严重影响雷达探测性能的发挥。
发明内容
为了解决部分均匀环境中存在干扰时的目标检测难题,本发明基于自适应检测思想,提供一种部分均匀环境中存在干扰时的扩展目标检测器与系统。
一方面,本发明提供一种部分均匀环境中存在干扰时的扩展目标检测器,包括以下步骤:
步骤1:构造待检测数据矩阵、训练样本矩阵、信号矩阵和干扰矩阵;
步骤2:根据所述训练样本矩阵构造采样协方差矩阵;
步骤3:根据所述采样协方差矩阵构造白化矩阵;
步骤4:根据所述白化矩阵对信号矩阵、干扰矩阵和待检测数据矩阵进行白化;
步骤5:根据所述白化后的待检测数据矩阵、白化后的信号矩阵和白化后的干扰矩阵构造厄米特矩阵,并计算该矩阵的迹;
步骤6:求解协方差矩阵失配量;
步骤7:根据所述厄米特矩阵的迹和所述协方差矩阵失配量构造检测统计量;
步骤8:根据系统设定的虚警概率及所述的检测统计量确定检测门限;
步骤9:比较所述检测统计量与所述检测门限的大小,并判决目标是否存在;
所述步骤1中,构造的信号矩阵、干扰矩阵、待检测数据矩阵和训练样本矩阵可分
别可表示为、、和,四者的数据维数分别为、、和,
表示系统维数,也就是待检测数据矩阵的行数,表示信号矩阵的列数,表示干扰矩阵的
列数,表示待检测数据矩阵的列数,表示训练样本的个数,也就是训练样本矩阵的列
数;
所述步骤5中,根据所述白化后的待检测数据矩阵、白化后的信号矩阵和白化后的干扰矩阵构造的厄米特矩阵为
所述步骤6中,协方差矩阵失配量通过求解下述方程得到
进一步,所述步骤2中,根据所述训练样本构造的采样协方差矩阵为
进一步,所述步骤3中,根据所述采样协方差矩阵构造的白化矩阵为
进一步,所述步骤4中,根据所述平方根矩阵对信号矩阵、干扰矩阵和待检测数据矩阵进行白化处理分别通过下面3个等式实现
和
进一步,所述步骤7中,根据所述厄米特矩阵的迹和所述协方差矩阵失配量构造检测统计量为
进一步,所述步骤8中,根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现
进一步,所述步骤9中,比较所述检测统计量与所述检测门限的大小,并判决目标是否存在,分下述两种情况进行判定:
另一方面,本发明提供一种部分均匀环境中存在干扰时的扩展目标检测系统,包括以下模块:
数据矩阵构造模块,用于构造待检测数据矩阵、训练样本矩阵、干扰矩阵和信号矩阵;
采样协方差矩阵构造模块,用于利用训练样本构造采样协方差矩阵;
白化矩阵构造模块,用于利用采样协方差矩阵构造白化矩阵;
数据白化模块,用于利用白化矩阵对待检测数据矩阵、信号矩阵和干扰矩阵进行白化处理;
厄米特矩阵构造及迹计算模块,用于利用白化后的数据矩阵构造厄米特矩阵并求该矩阵的迹;
协方差矩阵失配量计算模块,用于计算协方差矩阵的失配量;
检测统计量构造模块,用于利用厄米特矩阵的迹和协方差矩阵失配量构造检测统计量;
检测门限确定模块,用于根据检测统计量和系统设定的虚警概率值确定检测门限;
目标判决模块,用于比较检测统计量与检测门限的大小,并做出目标是否存在的判决。
与现有技术相比,本发明的有益效果在于:
1)本发明设计的检测器能够彻底抑制干扰,且无需独立的干扰抑制步骤,干扰抑制能力体现在检测器的检测统计量中;
2)本发明设计的检测器对噪声协方差矩阵和协方差矩阵失配量均具有恒虚警特性,无需额外的恒虚警处理;
3)由于无需独立的干扰抑制和恒虚警处理,本发明设计的检测器有效简化了检测流程,提高了检测效率。
附图说明
图1为本发明所述一种部分均匀环境中存在干扰时的扩展目标检测器的流程示意图;
图2为本发明所述一种部分均匀环境中存在干扰时的扩展目标检测系统的结构框架图。
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
相反地,如果待检测数据中不含有目标信号,则待检测数据可表示为:
整合式(1)、(2)和(3)中的结果,可把检测问题用下述二元假设检验表示为:
本发明的目的在于解决存在干扰时部分均匀环境中的扩展目标检测问题。为实现上述目的,请参阅图1所示,本发明提供了一种部分均匀环境中存在干扰时的扩展目标检测器,包括以下步骤:
步骤1:构造待检测数据矩阵、训练样本矩阵、信号矩阵和干扰矩阵;
步骤2:根据所述训练样本矩阵构造采样协方差矩阵;
步骤3:根据所述采样协方差矩阵构造白化矩阵;
步骤4:根据所述白化矩阵对信号矩阵、干扰矩阵和待检测数据矩阵进行白化;
步骤5:根据所述白化后的待检测数据矩阵、白化后的信号矩阵和白化后的干扰矩阵构造厄米特矩阵,并计算该矩阵的迹;
步骤6:求解协方差矩阵失配量;
步骤7:根据所述厄米特矩阵的迹和所述协方差矩阵失配量构造检测统计量;
步骤8:根据系统设定的虚警概率及所述的检测统计量确定检测门限;
步骤9:比较所述检测统计量与所述检测门限的大小,并判决目标是否存在;
所述步骤1中,构造的信号矩阵、干扰矩阵、待检测数据矩阵和训练样本矩阵可分
别可表示为 、、和,四者的数据维数分别为、、和,
表示系统维数,也就是待检测数据矩阵的行数,表示信号矩阵的列数,表示干扰矩阵的
列数,表示待检测数据矩阵的列数,表示训练样本的个数,也就是训练样本矩阵的列
数;
所述步骤5中,根据所述白化后的待检测数据矩阵、白化后的信号矩阵和白化后的干扰矩阵构造的厄米特矩阵为
所述步骤6中,协方差矩阵失配量通过求解下述方程得到
具体而言,所述步骤2中,根据所述训练样本构造的采样协方差矩阵为
具体而言,所述步骤3中,根据所述采样协方差矩阵构造的白化矩阵为
具体而言,所述步骤4中,根据所述平方根矩阵对信号矩阵、干扰矩阵和待检测数据矩阵进行白化处理分别通过下面3个等式实现
和
具体而言,所述步骤7中,根据所述厄米特矩阵的迹和所述协方差矩阵失配量构造检测统计量为
具体而言,所述步骤8中,根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现
具体而言,所述步骤9中,比较所述检测统计量与所述检测门限的大小,并判决目标是否存在,分下述两种情况进行判定:
请参阅图2所示,本发明还提供一种部分均匀环境中存在干扰时的扩展目标检测系统,包括以下模块:
数据矩阵构造模块,用于构造待检测数据矩阵、训练样本矩阵、干扰矩阵和信号矩阵;
采样协方差矩阵构造模块,用于利用训练样本构造采样协方差矩阵;
白化矩阵构造模块,用于利用采样协方差矩阵构造白化矩阵;
数据白化模块,用于利用白化矩阵对待检测数据矩阵、信号矩阵和干扰矩阵进行白化处理;
厄米特矩阵构造及迹计算模块,用于利用白化后的数据矩阵构造厄米特矩阵并求该矩阵的迹;
协方差矩阵失配量计算模块,用于计算协方差矩阵的失配量;
检测统计量构造模块,用于利用厄米特矩阵的迹和协方差矩阵失配量构造检测统计量;
检测门限确定模块,用于根据检测统计量和系统设定的虚警概率值确定检测门限;
目标判决模块,用于比较检测统计量与检测门限的大小,并做出目标是否存在的判决。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。 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 (8)
1.一种部分均匀环境中存在干扰时的扩展目标检测器,其特征在于:包括以下步骤:
步骤1:构造待检测数据矩阵、训练样本矩阵、信号矩阵和干扰矩阵;
步骤2:根据所述训练样本矩阵构造采样协方差矩阵;
步骤3:根据所述采样协方差矩阵构造白化矩阵;
步骤4:根据所述白化矩阵对信号矩阵、干扰矩阵和待检测数据矩阵进行白化;
步骤5:根据所述白化后的待检测数据矩阵、白化后的信号矩阵和白化后的干扰矩阵构造厄米特矩阵,并计算该矩阵的迹;
步骤6:求解协方差矩阵失配量;
步骤7:根据所述厄米特矩阵的迹和所述协方差矩阵失配量构造检测统计量;
步骤8:根据系统设定的虚警概率及所述的检测统计量确定检测门限;
步骤9:比较所述检测统计量与所述检测门限的大小,并判决目标是否存在;
所述步骤1中,构造的信号矩阵、干扰矩阵、待检测数据矩阵和训练样本矩阵可分别表示为、、和,四者的数据维数分别为、、和,表示系统维数,也就是待检测数据矩阵的行数,表示信号矩阵的列数,表示干扰矩阵的列数,表示待检测数据矩阵的列数,表示训练样本的个数,也就是训练样本矩阵的列数;
所述步骤5中,根据所述白化后的待检测数据矩阵、白化后的信号矩阵和白化后的干扰矩阵构造的厄米特矩阵为
所述步骤6中,协方差矩阵失配量通过求解下述方程得到
8.一种部分均匀环境中存在干扰时的扩展目标检测系统,其特征在于:包括以下模块:
数据矩阵构造模块,用于构造待检测数据矩阵、训练样本矩阵、干扰矩阵和信号矩阵;
采样协方差矩阵构造模块,用于利用训练样本构造采样协方差矩阵;
白化矩阵构造模块,用于利用采样协方差矩阵构造白化矩阵;
数据白化模块,用于利用白化矩阵对待检测数据矩阵、信号矩阵和干扰矩阵进行白化处理;
厄米特矩阵构造及迹计算模块,用于利用白化后的数据矩阵构造厄米特矩阵并求该矩阵的迹;
协方差矩阵失配量计算模块,用于计算协方差矩阵的失配量;
检测统计量构造模块,用于利用厄米特矩阵的迹和协方差矩阵失配量构造检测统计量;
检测门限确定模块,用于根据检测统计量和系统设定的虚警概率值确定检测门限;
目标判决模块,用于比较检测统计量与检测门限的大小,并做出目标是否存在的判决。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110376536.3A CN112799043B (zh) | 2021-04-08 | 2021-04-08 | 一种部分均匀环境中存在干扰时的扩展目标检测器与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110376536.3A CN112799043B (zh) | 2021-04-08 | 2021-04-08 | 一种部分均匀环境中存在干扰时的扩展目标检测器与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112799043A CN112799043A (zh) | 2021-05-14 |
CN112799043B true CN112799043B (zh) | 2021-07-06 |
Family
ID=75816547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110376536.3A Active CN112799043B (zh) | 2021-04-08 | 2021-04-08 | 一种部分均匀环境中存在干扰时的扩展目标检测器与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112799043B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589268B (zh) * | 2021-09-29 | 2021-12-21 | 中国人民解放军空军预警学院 | 部分均匀环境中的双子空间信号检测方法、系统及装置 |
CN114089325B (zh) * | 2022-01-18 | 2022-04-12 | 中国人民解放军空军预警学院 | 一种干扰信息不确定时的扩展目标检测方法与系统 |
CN114660567B (zh) * | 2022-05-25 | 2022-09-02 | 中国人民解放军空军预警学院 | 部分均匀环境中存在野值时的雷达目标检测方法与系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879767A (zh) * | 2012-06-28 | 2013-01-16 | 北京理工大学 | 一种用于空时自适应处理的干扰目标检测方法 |
CN105282067A (zh) * | 2015-09-16 | 2016-01-27 | 长安大学 | 一种复数域盲源分离方法 |
CN111999714A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于多散射点估计和杂波知识辅助的自适应融合检测方法 |
CN112564831A (zh) * | 2020-09-25 | 2021-03-26 | 广东电网有限责任公司江门供电局 | 一种小型移动主用户的信号精准检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5865689B2 (ja) * | 2011-12-08 | 2016-02-17 | 富士通株式会社 | 探知測距装置および角度推定方法 |
-
2021
- 2021-04-08 CN CN202110376536.3A patent/CN112799043B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879767A (zh) * | 2012-06-28 | 2013-01-16 | 北京理工大学 | 一种用于空时自适应处理的干扰目标检测方法 |
CN105282067A (zh) * | 2015-09-16 | 2016-01-27 | 长安大学 | 一种复数域盲源分离方法 |
CN111999714A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于多散射点估计和杂波知识辅助的自适应融合检测方法 |
CN112564831A (zh) * | 2020-09-25 | 2021-03-26 | 广东电网有限责任公司江门供电局 | 一种小型移动主用户的信号精准检测方法 |
Non-Patent Citations (2)
Title |
---|
基于干扰矩阵重构的稳健自适应波束形成算法;杨金金 等;《信息工程大学学报》;20140630;第15卷(第3期);第286-292页 * |
部分均匀环境中存在干扰时机载雷达广义似然比检测;刘维建 等;《电子与信息学报》;20130831;第35卷(第8期);第1820-1826页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112799043A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112799043B (zh) | 一种部分均匀环境中存在干扰时的扩展目标检测器与系统 | |
CN109444820B (zh) | 杂波和干扰共存时多通道雷达先干扰抑制后目标检测方法 | |
CN109444869B (zh) | 一种用于信号失配的雷达扩展目标参数可调检测器 | |
CN112835000B (zh) | 一种非均匀杂波及干扰条件下的自适应检测方法 | |
CN114089325B (zh) | 一种干扰信息不确定时的扩展目标检测方法与系统 | |
CN114660567B (zh) | 部分均匀环境中存在野值时的雷达目标检测方法与系统 | |
CN112558034A (zh) | 一种子空间信号失配时的扩展目标敏感检测器与系统 | |
CN113253235B (zh) | 一种严重非均匀环境中的自适应信号检测方法与系统 | |
CN112558014A (zh) | 一种杂波中扩展目标参数可调子空间检测方法与系统 | |
CN112799042B (zh) | 一种干扰下基于斜投影的扩展目标自适应检测方法与系统 | |
CN110988831A (zh) | 杂波和干扰共存环境下当信号失配时的参数可调检测器 | |
CN113267758B (zh) | 一种复合高斯环境下存在干扰时的目标检测方法与系统 | |
CN111413682B (zh) | 基于顺序统计量的合成极窄脉冲雷达检测门限计算方法 | |
CN107808170B (zh) | 高光谱遥感图像加性乘性混合噪声参数估计方法 | |
CN113030932A (zh) | 一种扩展目标稳健自适应检测方法与系统 | |
CN109143184B (zh) | 一种扫描雷达的双门限检测方法 | |
CN112799022B (zh) | 一种非均匀及干扰环境中的扩展目标检测方法与系统 | |
CN112834999B (zh) | 一种干扰方位已知时雷达目标恒虚警检测方法与系统 | |
Kang et al. | Analysis of space–time adaptive processing performance using K-means clustering algorithm for normalisation method in non-homogeneity detector process | |
CN113030928B (zh) | 非均匀环境中极化雷达扩展目标自适应检测方法与系统 | |
CN114994628A (zh) | 一种基于背景感知的超视距雷达多策略cfar检测方法 | |
Kulpa et al. | Single channel clutter cancelation in mobile PCL | |
Doukovska | Constant false alarm rate detectors in intensive noise environment conditions | |
CN113504521B (zh) | 一种用于多目标环境下的基于混合模型的恒虚警检测方法 | |
CN116953655B (zh) | 一种基于Durbin检验的前向散射雷达运动目标检测方法和装置 |
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 |