CN112835000B - 一种非均匀杂波及干扰条件下的自适应检测方法 - Google Patents

Abstract

本发明涉及一种非均匀杂波及干扰条件下的自适应检测方法，首先利用训练样本形成采样协方差矩阵，然后计算采样协方差矩阵的平方根矩阵，接着用采样协方差矩阵的平方根矩阵对待检测数据、干扰矩阵和信号矩阵进行准白化处理，接着利用准白化后的待检测数据、准白化后的干扰矩阵和准白化后的信号矩阵构造检测统计量，再利用检测统计量和虚警概率确定检测门限，最后比较检测统计量与检测门限之间的大小，若检测统计量大于检测门限，则判决目标存在，反之则判决目标不存在，本发明设计的检测器能够在非均匀杂波中实现对干扰的有效抑制，并同时实现目标检测。

Description

一种非均匀杂波及干扰条件下的自适应检测方法

技术领域

本发明涉及信号检测技术领域，尤其涉及一种非均匀杂波及干扰条件下的自适应检测方法。

背景技术

雷达所面临的环境常常呈现出非均匀特性，即待检测单元的统计特性与训练样本的统计特性不同，这给雷达目标探测带来了困难。除此之外，实际环境中还时常存在敌方释放的干扰或者由于工业生产所导致的无意干扰，进一步加剧了目标检测的困难。如何提高非均匀环境中存在干扰时的雷达目标探测性能是实战环境中确保雷达效能正常发挥的关键。

传统解决方法往往先对干扰进行抑制，然后采用单元平均等恒虚警策略实现对目标的检测，这种分步检测的方法，并非以最大目标检测概率为准则，影响了目标检测性能的提升。

发明内容

为此，本发明提供一种非均匀杂波及干扰条件下的自适应检测方法，用以克服现有技术中目标检测性能低的问题。

本发明提供一种非均匀杂波及干扰条件下的自适应检测方法，包括：

步骤1：利用训练样本形成采样协方差矩阵；

步骤2：计算所述采样协方差矩阵的平方根矩阵；

步骤3：用所述采样协方差矩阵的平方根矩阵对待检测数据、干扰矩阵和信号矩阵进行准白化处理；

步骤4：利用所述准白化处理完成的待检测数据、干扰矩阵和信号矩阵构造检测统计量；

步骤5：利用所述检测统计量和虚警概率确定检测门限；

步骤6：比较所述检测统计量与所述检测门限之间的大小，若检测统计量大于检测门限，则判决目标存在，若检测统计量小于等于检测门限，则判决目标不存在。

进一步地，所述步骤1中，所述形成采样协方差矩阵的方法为利用L个N×1维训练样本x_l构造N×N维采样协方差矩阵：

其中，l＝1,2,…,L，N为雷达系统空域通道数，上标[·]^H表示共轭转置。

进一步地，所述步骤2中，所述平方根矩阵如下式所示：

其中，

为

的特征值分解，U为

的特征矩阵，L＝diag(λ₁,λ₂,…,λ_N)为对角矩阵，

λ₁,λ₂,…,λ_N为

的N个特征值，diag(·)表示对角矩阵。

进一步地，所述步骤3中的准白化处理如下式所示：

和

其中，N×1维列向量x表示待检测数据，N×q维矩阵J表示干扰子空间，N×q维矩阵J的表达式如下式所示：

式中，d为天线阵元间距，λ为雷达发射信号波长，θ_m为第m个干扰的方位角，上标[·]^T表示转置，N×p维矩阵H表示信号子空间。

进一步地，所述步骤4中的检测统计量如下式所示：

进一步地，所述检测统计量式中的投影矩阵

的表达式如下式所示:

式中，

进一步地，所述检测统计量式中的投影矩阵

的表达式如下式所示：

式中，

进一步地，所述步骤5中的检测门限公式如下式所示：

η＝t(n_*)

式中，

M为蒙特卡洛仿真次数，μ为系统的虚警概率值，

为取整操作，t(i)为序列

由大到小排列第i个最大值，

x(k)为仅含干扰和噪声分量的待检测数据的第k次实现，k＝1,2,…,M。

与现有技术相比，本发明的有益效果在于，本发明基于自适应检测思想，提出了一种一体化的自适应检测策略，在对干扰和杂波进行抑制的同时，实现目标检测目的，有效提高了目标探测性能。

进一步地，通过所述训练样本形成采样协方差矩阵，通过计算可以获得准确的数值，有助于检测系统进行自适应检测，从而有效抑制干扰和杂波，进一步提高目标探测性能。

进一步地，通过计算所述采样协方差矩阵的平方根矩阵获得准确数值，有助于检测系统进行自适应检测，从而有效抑制干扰和杂波，进一步提高目标探测性能。

进一步地，通过用采样协方差矩阵的平方根矩阵对待检测数据、干扰矩阵和信号矩阵进行准白化处理，可以获得准确的准白化处理后的数据，有助于检测系统进行自适应检测，从而有效抑制干扰和杂波，进一步提高目标探测性能。

进一步地，通过利用准白化后的待检测数据、准白化后的干扰矩阵和信号矩阵构造检测统计量，计算出准确检测统计量，有助于检测系统进行自适应检测，从而有效抑制干扰和杂波，进一步提高目标探测性能。

进一步地，通过利用检测统计量和虚警概率确定检测门限，可获得准确检测门限，有助于检测系统进行自适应检测，从而有效抑制干扰和杂波，进一步提高目标探测性能。

进一步地，通过比较检测统计量与检测门限之间的大小，判断目标是否存在，从而有效抑制干扰和杂波，进一步提高目标探测性能。

附图说明

图1为本发明所述非均匀杂波及干扰条件下的自适应检测方法的流程示意图；

图2为本发明所述非均匀杂波及干扰条件下的自适应检测方法的检测系统的结构框架图。

具体实施方式

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。

对于系统通道数为N的相控阵或MIMO等多通道雷达，假设空间存在M个干扰，每个干扰相对雷达阵列法线的角度为θ_m，式中，m＝1,2,…,M，若存在目标，令目标相对雷达阵列法线的角度为θ_t，则雷达接收数据可用N×1维向量表示为：

式中，a_t表示目标幅度，s(θ_t)为目标导向矢量，其表达式为：

其中，d为天线阵元间距，λ为雷达发射信号波长，θ_t为目标的方位角度，上标[·]^T表示转置；

公式(1)中，a_m为第m个干扰的幅度，s(θ_m)为第m个干扰的导向矢量，其表达式为：

式中，w为待检测数据中的热噪声和杂波分量之和。

基于公式(1)，待检测数据的干扰加噪声协方差矩阵为：

R＝E[ww^H] (4)

式中，E[·]表示统计期望，上标[·]^H表示共轭转置操作。

在实际环境中，杂波加噪声协方差矩阵R也未知，为此，需要一定数量的训练样本对R进行估计，假设存在L个不包含目标的训练样本，记第l个训练样本为：

x_l＝n_l (5)

式中，l＝1,2,…,L，n_l为第l个训练样本中的杂波和热噪声分量之和，基于训练样本，R的估计量为采样协方差矩阵

本发明的目的在于解决非均匀环境中存在干扰时的雷达目标检测性能低的难题，为了实现上述目的，请参阅图1所示，本发明提供了一种非均匀杂波及干扰条件下的自适应检测方法，包括：

步骤1：利用训练样本形成采样协方差矩阵；

步骤2：计算所述采样协方差矩阵的平方根矩阵；

步骤3：用所述采样协方差矩阵的平方根矩阵对待检测数据、干扰矩阵和信号矩阵进行准白化处理；

步骤4：利用所述准白化处理完成的待检测数据、干扰矩阵和信号矩阵构造检测统计量；

步骤5：利用所述检测统计量和虚警概率确定检测门限；

步骤6：比较所述检测统计量与所述检测门限之间的大小，若检测统计量大于检测门限，则判决目标存在，若检测统计量小于等于检测门限，则判决目标不存在。

具体而言，所述步骤1中，所述形成采样协方差矩阵的方法为利用L个N×1维训练样本x_l构造N×N维采样协方差矩阵：

其中，l＝1,2,…,L，N为雷达系统空域通道数，上标[·]^H表示共轭转置。

具体而言，所述步骤2中，所述平方根矩阵如下式所示：

其中，

为

的特征值分解，U为

的特征矩阵，L＝diag(λ₁,λ₂,…,λ_N)为对角矩阵，

λ₁,λ₂,…,λ_N为

的N个特征值，diag(·)表示对角矩阵。

具体而言，所述步骤3中的准白化处理如下式所示：

和

其中，N×1维列向量x表示待检测数据，N×q维矩阵J表示干扰子空间，N×q维矩阵J的表达式如下式所示：

式中，d为天线阵元间距，λ为雷达发射信号波长，θ_m为第m个干扰的方位角，上标[·]^T表示转置，N×p维矩阵H表示信号子空间。

具体而言，所述步骤4中的检测统计量如下式所示：

具体而言，所述检测统计量式中的投影矩阵

的表达式如下式所示:

式中，

具体而言，所述检测统计量式中的投影矩阵

的表达式如下式所示：

式中，

具体而言，所述步骤5中的检测门限公式如下式所示：

η＝t(n_*)

式中，

M为蒙特卡洛仿真次数，μ为系统的虚警概率值，

为取整操作，t(i)为序列

由大到小排列第i个最大值，

x(k)为仅含干扰和噪声分量的待检测数据的第k次实现，k＝1,2,…,M。

请参阅图2所示，本发明提供了一种非均匀杂波及干扰条件下的自适应检测系统，包括：

采样协方差矩阵构造模块，所述采样协方差矩阵构造模块，用于利用训练样本构造维采样协方差矩阵；

采样协方差矩阵平方根矩阵构造模块，所述采样协方差矩阵平方根矩阵构造模块，用于利用采样协方差矩阵构造采样协方差矩阵的平方根矩阵；

数据准白化模块，所述数据准白化模块，用于利用采样协方差矩阵平方根矩阵对待检测数据、信号矩阵和干扰矩阵进行准白化；

检测统计量构造模块，所述检测统计量构造模块，用于利用准白化后的待检测数据、准白化后的信号矩阵和准白化后的干扰矩阵构造检测统计量；

目标判决模块，所述目标判决模块，用于根据检测统计量和虚警概率确定检测门限，并比较检测统计量与检测门限之间的大小，若检测统计量大于检测门限，则判决目标存在，反之则判决目标不存在。

本发明所述检测系统无需恒虚警处理即可实现高概率目标检测，同时能够高效地抑制非均匀杂波、彻底抑制干扰，使雷达不受干扰功率影响。

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 (3)

1.一种非均匀杂波及干扰条件下的自适应检测方法，其特征在于，包括：

步骤1：利用训练样本形成采样协方差矩阵；

步骤2：计算所述采样协方差矩阵的平方根矩阵；

步骤3：用所述采样协方差矩阵的平方根矩阵对待检测数据、干扰矩阵和信号矩阵进行准白化处理；

步骤4：利用所述准白化处理完成的待检测数据、干扰矩阵和信号矩阵构造检测统计量；

步骤5：利用所述检测统计量和虚警概率确定检测门限；

步骤6：比较所述检测统计量与所述检测门限之间的大小，若检测统计量大于检测门限，则判决目标存在，若检测统计量小于等于检测门限，则判决目标不存在；

所述步骤2中，所述平方根矩阵如下式所示：

其中，

为利用L个N×1维训练样本x_l构造N×N维采样协方差矩阵，

为

的特征值分解，U为

的特征矩阵，L＝diag(λ₁,λ₂,…,λ_N)为对角矩阵，

λ₁,λ₂,…,λ_N为

的N个特征值，diag(·)表示对角矩阵；

所述步骤3中的准白化处理如下式所示：

和

其中，N×1维列向量x表示待检测数据，N×q维矩阵J表示干扰子空间，N×q维矩阵J的表达式如下式所示：

J＝[j(θ₁),j(θ₂),…,j(θ_q)]，

式中，d为天线阵元间距，λ为雷达发射信号波长，θ_m为第m个干扰的方位角，上标[·]^T表示转置，N×p维矩阵H表示信号子空间；

所述步骤4中的检测统计量如下式所示：

所述检测统计量式中的投影矩阵

的表达式如下式所示:

式中，

所述检测统计量式中的投影矩阵

的表达式如下式所示：

式中，

2.根据权利要求1所述的非均匀杂波及干扰条件下的自适应检测方法，其特征在于，所述步骤1中，所述形成采样协方差矩阵的方法为利用L个N×1维训练样本x_l构造N×N维采样协方差矩阵：

其中，l＝1,2,…,L，N为雷达系统空域通道数，上标[·]^H表示共轭转置。

3.根据权利要求1所述的非均匀杂波及干扰条件下的自适应检测方法，其特征在于，所述步骤5中的检测门限公式如下式所示：

η＝t(n_*)

式中，

M为蒙特卡洛仿真次数，μ为系统的虚警概率值，

为取整操作，t(i)为序列

由大到小排列第i个最大值，

x(k)为仅含干扰和噪声分量的待检测数据的第k次实现，k＝1,2,…,M。

Images