CN113253235B - 一种严重非均匀环境中的自适应信号检测方法与系统 - Google Patents
一种严重非均匀环境中的自适应信号检测方法与系统 Download PDFInfo
- Publication number
- CN113253235B CN113253235B CN202110692020.XA CN202110692020A CN113253235B CN 113253235 B CN113253235 B CN 113253235B CN 202110692020 A CN202110692020 A CN 202110692020A CN 113253235 B CN113253235 B CN 113253235B
- Authority
- CN
- China
- Prior art keywords
- matrix
- signal
- detection
- constructing
- statistic
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 93
- 239000011159 matrix material Substances 0.000 claims abstract description 177
- 230000002087 whitening effect Effects 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 35
- 239000013598 vector Substances 0.000 claims abstract description 31
- 238000005070 sampling Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims description 4
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 6
- 238000010276 construction Methods 0.000 description 16
- 230000001629 suppression Effects 0.000 description 7
- 238000009825 accumulation Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种严重非均匀环境中的自适应信号检测方法:构造待检测数据向量、信号矩阵和训练样本矩阵;根据信号矩阵构造信号正交矩阵;利用训练样本矩阵构造采样协方差矩阵;利用采样协方差矩阵构造白化矩阵;利用白化矩阵对待检测数据向量、信号矩阵和信号正交矩阵进行白化处理;利用白化处理后的数据构造中间变量;利用中间变量构造检测统计量;利用检测统计量和虚警概率确定检测门限;比较检测统计量与检测门限之间的大小,并判决目标是否存在。本发明能够适用于子空间信号的检测,能够较好抑制严重非均匀杂波,简化了检测流程,大大降低了检测器的计算复杂度。本发明还提供了相应的严重非均匀环境中的自适应信号检测系统。
Description
技术领域
本发明属于信号检测技术领域,更具体地,涉及一种严重非均匀环境中的自适应信号检测方法与系统。
背景技术
目标检测一直是雷达最重要功能之一。随着雷达技术的不断进步和发展,雷达的分辨力不断提升,相应的距离分辨单元尺寸越来越小,因此每个距离单元中的强散射点的个数逐渐变少,增加了杂波环境的非均匀特性。此外,由于雷达探测环境中的崇山峻岭、高大人造建筑、地海交接等因素的影响,雷达接收数据往往呈现出严重的非均匀特性,即:不同距离单元的回波特性各不相同,这给雷达探测性能的发挥带来了极大影响。
传统雷达在严重非均匀环境中的目标检测方法一般先挑选具有相同或相近统计特性的训练样本,然后再利用这些训练样本进行杂波抑制,最后采用恒虚警处理。可以看出,上述常规检测方法采用的分步级联的检测方法,流程复杂、效率低下,而且检测性能不佳。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种严重非均匀环境中的自适应信号检测方法,用以克服现有技术中目标检测性能低的问题。
为实现上述目的,按照本发明的一个方面,提供了一种严重非均匀环境中的自适应信号检测方法,包括以下步骤:
步骤1:构造待检测数据向量、信号矩阵和训练样本矩阵;
步骤2:根据所述信号矩阵构造信号正交矩阵;
步骤3:利用所述训练样本矩阵构造采样协方差矩阵;
步骤4:利用所述采样协方差矩阵构造白化矩阵;
步骤5:利用所述白化矩阵对所述待检测数据向量、信号矩阵和信号正交矩阵进行白化处理;
步骤6:利用所述白化处理后的数据构造中间变量;
步骤7:利用所述中间变量构造检测统计量;
步骤8:利用所述检测统计量和虚警概率确定检测门限;
步骤9:比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在。
优选地,所述步骤2中,根据所述信号矩阵构造信号正交矩阵通过下式实现:
优选地,所述步骤4中,利用所述采样协方差矩阵构造的白化矩阵为
优选地,所述步骤5中,利用所述白化矩阵对待检测数据向量、信号矩阵和信号正交矩阵进行白化处理分别通过下面三个式子实现
优选地,所述步骤6中,利用所述白化后的数据构造的中间变量包括
和
优选地,所述步骤7中,利用所述中间变量构造的检测统计量如下式所示:
优选地,所述步骤8中,利用所述检测统计量和虚警概率确定检测门限通过下式得到:
式中,,为蒙特卡洛仿真次数,为系统的虚警概率值,为取整操作,为序列由大到小排列第个最大值,,,为的特征值分解,,为训练样本数据矩阵的第次实现,为仅含噪声分量的待检测数据向量的第次实现,,,,,,,,。
优选地,所述步骤9中,比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在,分下述两种情况进行判定:
按照本发明的另一方面,还提供了一种严重非均匀环境中的自适应信号检测系统,包括数据构造模块、信号正交矩阵构造模块、采样协方差矩阵构造模块、白化矩阵构造模块、中间变量计算模块、检测统计量构造模块、检测门限确定模块和目标判决模块,其中:
所述数据构造模块,用于构造待检测数据向量、信号矩阵和训练样本矩阵;
所述信号正交矩阵构造模块,用于根据所述信号矩阵构造信号正交矩阵;
所述采样协方差矩阵构造模块,用于利用所述训练样本矩阵构造采样协方差矩阵;
所述白化矩阵构造模块,用于利用所述采样协方差矩阵构造白化矩阵;
所述数据白化模块,用于利用所述白化矩阵对所述待检测数据向量、信号矩阵和信号正交矩阵进行白化处理;
所述中间变量计算模块,用于利用所述白化处理后的数据构造中间变量;
所述检测统计量构造模块,用于利用所述中间变量构造检测统计量;
所述检测门限确定模块,用于利用所述检测统计量和虚警概率确定检测门限;
所述目标判决模块,用于比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有如下有益效果:
(1)能够适用于子空间信号的检测;子空间信号是秩一信号的推广,具有广泛的应用性,在步骤1中,构造的信号矩阵张成了信号子空间,其特例之一是秩一信号,此时信号矩阵退化为列向量,该类型的列向量信号,通常被称为信号导向矢量,广泛应用于阵列信号处理和脉冲多普勒处理中;
(2)能够较好抑制严重非均匀杂波;杂波抑制的本质是数据白化,所述步骤4构造的白化矩阵可实现对杂波的抑制,杂波抑制体现在步骤5中,即:利用白化矩阵对待检测数据向量、信号矩阵和信号正交矩阵进行白化处理分别通过下述三个式子实现、和;此外,在步骤6中,通过构造中间变量矩阵,进一步降低了严重非均匀杂波的影响;
附图说明
图1是本发明实施例中一种严重非均匀环境中的自适应信号检测方法的流程示意图;
图2是本发明实施例中一种严重非均匀环境中的自适应信号检测系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在理想的均匀环境中,,即训练样本数据的协方差矩阵与待检测数据的协方差矩阵相同。然而,由于实际环境中的地形起伏、陆海交接等不利因素的影响,待检测数据的协方差矩阵往往与训练样本的协方差矩阵不相等。而且在严重非均匀环境中,二者差别逐渐变大。
本发明的目的在于解决严重非均匀环境中的信号检测难题。为了实现上述目的,如图1所示,本发明提供了一种严重非均匀环境中的自适应信号检测方法,包括:
步骤1:构造待检测数据向量、信号矩阵和训练样本矩阵;
步骤2:根据所述信号矩阵构造信号正交矩阵;
具体地,根据所述信号矩阵构造信号正交矩阵通过下式实现:
步骤3:利用所述训练样本矩阵构造采样协方差矩阵;
具体地,利用所述训练样本矩阵构造的采样协方差矩阵为:
步骤4:利用所述采样协方差矩阵构造白化矩阵;
具体地,利用所述采样协方差矩阵构造的白化矩阵为
步骤5:利用所述白化矩阵对所述待检测数据向量、信号矩阵和信号正交矩阵进行白化处理;
具体地,利用所述白化矩阵对待检测数据向量、信号矩阵和信号正交矩阵进行白化处理分别通过下面三个式子实现
步骤6:利用所述白化处理后的数据构造中间变量;
具体地,利用所述白化后的数据构造的中间变量包括
和
步骤7:利用所述中间变量构造检测统计量;
具体地,利用所述中间变量构造的检测统计量如下式所示:
步骤8:利用所述检测统计量和虚警概率确定检测门限;
具体地,利用所述检测统计量和虚警概率确定检测门限通过下式得到:
式中,,为蒙特卡洛仿真次数,为系统的虚警概率值,为取整操作,为序列由大到小排列第个最大值,,,为的特征值分解,,为训练样本数据矩阵的第次实现,为仅含噪声分量的待检测数据向量的第次实现,,,,,,,,;
步骤9:比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在;
具体地,比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在,分下述两种情况进行判定:
如图2所示,本发明还提供了一种严重非均匀环境中的自适应信号检测系统,包括数据构造模块、信号正交矩阵构造模块、采样协方差矩阵构造模块、白化矩阵构造模块、中间变量计算模块、检测统计量构造模块、检测门限确定模块和目标判决模块,其中:
所述数据构造模块,用于构造待检测数据向量、信号矩阵和训练样本矩阵;
所述信号正交矩阵构造模块,用于根据所述信号矩阵构造信号正交矩阵;
具体地,根据所述信号矩阵构造信号正交矩阵通过下式实现:
所述采样协方差矩阵构造模块,用于利用所述训练样本矩阵构造采样协方差矩阵;
具体地,利用所述训练样本矩阵构造的采样协方差矩阵为:
所述白化矩阵构造模块,用于利用所述采样协方差矩阵构造白化矩阵;
具体地,利用所述采样协方差矩阵构造的白化矩阵为
所述数据白化模块,用于利用所述白化矩阵对所述待检测数据向量、信号矩阵和信号正交矩阵进行白化处理;
具体地,利用所述白化矩阵对待检测数据向量、信号矩阵和信号正交矩阵进行白化处理分别通过下面三个式子实现
所述中间变量计算模块,用于利用所述白化处理后的数据构造中间变量;
具体地,利用所述白化后的数据构造的中间变量包括
和
所述检测统计量构造模块,用于利用所述中间变量构造检测统计量;
具体地,利用所述中间变量构造的检测统计量如下式所示:
所述检测门限确定模块,用于利用所述检测统计量和虚警概率确定检测门限;
具体地,利用所述检测统计量和虚警概率确定检测门限通过下式得到:
式中,,为蒙特卡洛仿真次数,为系统的虚警概率值,为取整操作,为序列由大到小排列第个最大值,,,为的特征值分解,,为训练样本数据矩阵的第次实现,为仅含噪声分量的待检测数据向量的第次实现,,,,,,,,;
所述目标判决模块,用于比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在;
具体地,比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在,分下述两种情况进行判定:
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种严重非均匀环境中的自适应信号检测方法,其特征在于,包括以下步骤:
步骤2:根据所述信号矩阵构造信号正交矩阵;具体为:
步骤3:利用所述训练样本矩阵构造采样协方差矩阵;具体为:
步骤4:利用所述采样协方差矩阵构造白化矩阵;利用所述采样协方差矩阵构造的白化矩阵为:
步骤5:利用所述白化矩阵对所述待检测数据向量、信号矩阵和信号正交矩阵进行白化处理;具体为:
步骤6:利用所述白化处理后的数据构造中间变量;包括:
和
步骤7:利用所述中间变量构造检测统计量;
步骤8:利用所述检测统计量和虚警概率确定检测门限;
步骤9:比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110692020.XA CN113253235B (zh) | 2021-06-22 | 2021-06-22 | 一种严重非均匀环境中的自适应信号检测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110692020.XA CN113253235B (zh) | 2021-06-22 | 2021-06-22 | 一种严重非均匀环境中的自适应信号检测方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113253235A CN113253235A (zh) | 2021-08-13 |
CN113253235B true CN113253235B (zh) | 2021-10-08 |
Family
ID=77189099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110692020.XA Active CN113253235B (zh) | 2021-06-22 | 2021-06-22 | 一种严重非均匀环境中的自适应信号检测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113253235B (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 |
CN115656998B (zh) * | 2022-11-22 | 2023-06-13 | 中国人民解放军空军预警学院 | 一种低样本数下阵列信号自适应检测方法与系统 |
CN116819480B (zh) * | 2023-07-17 | 2024-05-24 | 中国人民解放军空军预警学院 | 一种机载雷达强杂波中的自适应目标检测方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7567203B2 (en) * | 2005-04-11 | 2009-07-28 | Raytheon Canada Limited | Classification system for radar and sonar applications |
CA2535058A1 (en) * | 2005-12-19 | 2007-06-19 | A.U.G. Signals Ltd. | An adaptive constant false alarm rate detection system |
CN105403875B (zh) * | 2015-12-31 | 2017-10-17 | 中国人民解放军国防科学技术大学 | 双极化接收雷达的目标检测方法 |
CN111126318A (zh) * | 2019-12-27 | 2020-05-08 | 中国人民解放军空军预警学院 | 一种信号失配下的参数可调双子空间信号检测方法 |
CN112558014A (zh) * | 2021-02-23 | 2021-03-26 | 中国人民解放军空军预警学院 | 一种杂波中扩展目标参数可调子空间检测方法与系统 |
CN112558034A (zh) * | 2021-02-23 | 2021-03-26 | 中国人民解放军空军预警学院 | 一种子空间信号失配时的扩展目标敏感检测器与系统 |
-
2021
- 2021-06-22 CN CN202110692020.XA patent/CN113253235B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113253235A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Yi et al. | Particle filtering based track-before-detect method for passive array sonar systems | |
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 | |
CN107884751A (zh) | 一种利用单通道接收信号作信源数目估计的方法 | |
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 | |
CN114089325B (zh) | 一种干扰信息不确定时的扩展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 | |
CN113030932B (zh) | 一种扩展目标稳健自适应检测方法与系统 | |
CN112558015A (zh) | 一种复杂电磁环境下先干扰抑制后自适应检测方法与系统 | |
CN106291449A (zh) | 对称稳定分布噪声下波达方向角估计新方法 | |
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 | |
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 | |
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 | |
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 | |
CN113567931A (zh) | 一种训练样本不足时的双子空间信号检测方法与系统 | |
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 | |
CN114089307B (zh) | 一种目标及干扰条件下的雷达检测和分类方法及系统 | |
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 | |
CN114167346B (zh) | 基于协方差矩阵拟合阵元扩展的doa估计方法及系统 | |
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 | |
Laroussi et al. | Performance analysis of order-statistic CFAR detectors in time diversity systems for partially correlated chi-square targets and multiple target situations: A comparison | |
CN113447916A (zh) | 非平稳干扰下的自适应目标检测方法 | |
CN115685081B (zh) | 基于glrt的干扰加噪声背景下距离扩展目标检测方法 | |
CN113311417B (zh) | 一种基于流形滤波和jbld散度的信号检测方法及系统 |
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 |