CN113267758A - 一种复合高斯环境下存在干扰时的目标检测方法与系统 - Google Patents

一种复合高斯环境下存在干扰时的目标检测方法与系统 Download PDF

Info

Publication number
CN113267758A
CN113267758A CN202110803453.8A CN202110803453A CN113267758A CN 113267758 A CN113267758 A CN 113267758A CN 202110803453 A CN202110803453 A CN 202110803453A CN 113267758 A CN113267758 A CN 113267758A
Authority
CN
China
Prior art keywords
matrix
detection
detected
interference
covariance matrix
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.)
Granted
Application number
CN202110803453.8A
Other languages
English (en)
Other versions
CN113267758B (zh
Inventor
刘维建
杨海峰
杜庆磊
陈辉
陈风波
王永良
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.)
Air Force Early Warning Academy
Original Assignee
Air Force Early Warning Academy
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 Air Force Early Warning Academy filed Critical Air Force Early Warning Academy
Priority to CN202110803453.8A priority Critical patent/CN113267758B/zh
Publication of CN113267758A publication Critical patent/CN113267758A/zh
Application granted granted Critical
Publication of CN113267758B publication Critical patent/CN113267758B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Remote Sensing (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种复合高斯环境下存在干扰时的目标检测方法与系统。首先构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；然后将待检测数据向量和训练样本向量均变换为矩阵；接着利用训练样本矩阵估计协方差矩阵；再利用信号矩阵、干扰矩阵、变换后的待检测数据矩阵和协方差矩阵的估计，构造检测统计量；最后根据系统设定的虚警概率及检测统计量确定检测门限，并比较检测统计量与检测门限的大小，做出目标是否存在的判决。本发明设计的检测器基于自适应检测思想，一体化实现了杂波抑制、干扰抑制、信号积累和恒虚警处理，且通过利用协方差矩阵的中央共轭对称特性，使所需训练样本数量下降了一半。

Description

一种复合高斯环境下存在干扰时的目标检测方法与系统
技术领域
本发明属于信号检测技术领域，更具体地，涉及一种复合高斯环境下存在干扰时的目标检测方法与系统。
背景技术
雷达工作的电磁环境复杂多变。一方面，雷达面临敌对方释放的干扰，干扰能极大削弱雷达的作战效能，甚至使雷达彻底失效；另一方面，雷达接收数据中除了包括可能的目标信号和干扰外，往往还含有来自高山、地物反射回的高强度杂波。为了保证作战效能的正常发挥，雷达需要解决好杂波及干扰环境下的目标检测问题。
如果干扰方式变化缓慢，则雷达通过在发射信号的休止期增加侦收脉冲，可以获得干扰的必要信息，为抑制干扰提供了可能性。此外，通过利用训练样本，可估计杂波的统计特性，为降低杂波的影响提供了可能。需要指出的是，随着雷达制造工艺的提升，雷达通道数不断增加，雷达的距离分辨单元不断提高，单个距离单元内的杂波强散射点越来越少，杂波逐渐呈现出非均匀、非高斯特性，而且为了进行杂波抑制，所需要的训练样本数不断提高。复合高斯杂波是一大类非高斯模型，可适用于多种雷达工作场景。
如果能利用有效的先验信息，则可降低雷达对训练样本的需求，例如，当雷达阵列接收系统采用对称的线性阵列时，它所接收到的杂波的协方差矩阵具有中央共轭对称结构。该结构具有双重对称特性，协方差矩阵既关于主对角线共轭对称，又关于副对角线对称，而常规协方差矩阵仅仅是关于主对角线共轭对称。可以看出，具有中央共轭对称结构的协方差矩阵比共轭对称协方差矩阵的未知参数少很多。需要强调的是，该结构不局限于对称线性阵列，它可以存在不同的几何形状，如标准的矩形阵列，均匀圆阵列（阵列个数为偶数）和一些标准的六角形阵列。如果充分利用中央共轭对称结构，可降低对训练样本数的需求。
如何抑制干扰，并且提高雷达在非均匀杂波环境中的探测性能，是制约雷达在实战环境中效能发挥的关键问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种复合高斯环境下存在干扰时的目标检测方法与系统，其目的在于基于自适应检测思想，解决复合高斯环境下存在干扰时的目标检测难题。
为实现上述目的，按照本发明的一个方面，提供了一种复合高斯环境下存在干扰时的目标检测方法，包括如下步骤：
步骤1：构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为
Figure 734140DEST_PATH_IMAGE001
，四者的维数分别为
Figure 803727DEST_PATH_IMAGE002
、
Figure 860545DEST_PATH_IMAGE003
，
Figure 673780DEST_PATH_IMAGE004
表示系统维数，也就是待检测数据向量的行数，
Figure 36671DEST_PATH_IMAGE005
表示信号矩阵的列数，
Figure 11580DEST_PATH_IMAGE006
表示干扰矩阵的列数，
Figure 821273DEST_PATH_IMAGE007
表示训练样本的个数；
步骤2：将待检测数据向量和训练样本向量均变换为矩阵；将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
Figure 172620DEST_PATH_IMAGE008
和
Figure 118580DEST_PATH_IMAGE009
其中
Figure 264390DEST_PATH_IMAGE010
Figure 295800DEST_PATH_IMAGE011
表示复数的共轭，
Figure 450838DEST_PATH_IMAGE012
为
Figure 251304DEST_PATH_IMAGE013
维变换矩阵；
步骤3：利用所述训练样本矩阵估计协方差矩阵；
步骤4：利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造检测统计量；
步骤5：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，并比较所述检测统计量与所述检测门限的大小，做出目标是否存在的判决。
优选地，所述步骤3中，利用所述训练样本矩阵估计协方差矩阵，通过下述步骤实现：
（3a）令协方差矩阵
Figure 833595DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 555563DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 638926DEST_PATH_IMAGE016
为
Figure 434843DEST_PATH_IMAGE017
维单位矩阵；
（3b）计算协方差矩阵
Figure 312669DEST_PATH_IMAGE014
的第
Figure 928459DEST_PATH_IMAGE018
次迭代值：
Figure 753195DEST_PATH_IMAGE019
其中，
Figure 528253DEST_PATH_IMAGE020
是
Figure 452347DEST_PATH_IMAGE014
先验分布的自由度，
Figure 617749DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 980597DEST_PATH_IMAGE021
为该复逆威沙特分布的均值，该均值由历史数据得到，符号
Figure 610161DEST_PATH_IMAGE022
表示矩阵的迹，
Figure 705156DEST_PATH_IMAGE023
表示矩阵的共轭转置，
Figure 685751DEST_PATH_IMAGE024
表示矩阵的逆；
（3c）进行判断，若
Figure 524394DEST_PATH_IMAGE025
则记协方差矩阵
Figure 8465DEST_PATH_IMAGE014
的估计结果为
Figure 539940DEST_PATH_IMAGE026
，反之，则跳转至步骤(3b)，其中，
Figure 945514DEST_PATH_IMAGE027
表示矩阵2范数，
Figure 712481DEST_PATH_IMAGE028
为误差容限。
优选地，所述步骤4中，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造的检测统计量为
Figure 192004DEST_PATH_IMAGE029
其中，
Figure 771014DEST_PATH_IMAGE030
，符号
Figure 663884DEST_PATH_IMAGE031
表示矩阵的逆。
优选地，所述步骤5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
Figure 844329DEST_PATH_IMAGE032
式中，
Figure 568572DEST_PATH_IMAGE033
，
Figure 176270DEST_PATH_IMAGE034
为蒙特卡洛仿真次数，
Figure 87595DEST_PATH_IMAGE035
为系统设定的虚警概率值，
Figure 337310DEST_PATH_IMAGE036
为取整操作，
Figure 916059DEST_PATH_IMAGE037
为序列
Figure 694659DEST_PATH_IMAGE038
由大到小排列第
Figure 93280DEST_PATH_IMAGE039
个最大值，其中，
Figure 615528DEST_PATH_IMAGE040
，
Figure 252046DEST_PATH_IMAGE041
为下述迭代过程(4a)-(4c)的解：
（4a）令协方差矩阵
Figure 326181DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 149780DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 210140DEST_PATH_IMAGE042
为
Figure 763481DEST_PATH_IMAGE017
维单位矩阵；
（4b）计算协方差矩阵
Figure 883884DEST_PATH_IMAGE014
的第
Figure 991517DEST_PATH_IMAGE018
次迭代值：
Figure 855568DEST_PATH_IMAGE043
其中，
Figure 263416DEST_PATH_IMAGE020
是
Figure 554720DEST_PATH_IMAGE014
先验分布的自由度，
Figure 415228DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 879708DEST_PATH_IMAGE021
为该逆威沙特分布的均值；
（4c）进行判断，若
Figure 17428DEST_PATH_IMAGE044
则记协方差矩阵
Figure 604267DEST_PATH_IMAGE045
的估计结果为
Figure 827438DEST_PATH_IMAGE046
，反之，则跳转至步骤(4b)，其中，
Figure 423505DEST_PATH_IMAGE028
为误差容限；
Figure 415731DEST_PATH_IMAGE047
Figure 907893DEST_PATH_IMAGE048
为仅含干扰和噪声分量的待检测数据向量的第
Figure 618360DEST_PATH_IMAGE049
次实现，
Figure 18117DEST_PATH_IMAGE050
为第
Figure 864850DEST_PATH_IMAGE051
个训练样本的第
Figure 64931DEST_PATH_IMAGE052
次实现，
Figure 325011DEST_PATH_IMAGE053
，
Figure 138246DEST_PATH_IMAGE054
。
优选地，所述步骤5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：
若检测统计量
Figure 636223DEST_PATH_IMAGE055
大于等于检测门限
Figure 1346DEST_PATH_IMAGE056
，则判定目标存在；
若检测统计量
Figure 748722DEST_PATH_IMAGE055
小于检测门限
Figure 100069DEST_PATH_IMAGE056
，则判定目标不存在。
按照本发明的另一方面，提供了一种复合高斯环境下存在干扰时的目标检测系统，包括数据矩阵构造模块、矩阵变换模块、协方差矩阵估计模块、检测统计量构造模块和检测门限确定及目标判决模块，其中：
所述数据矩阵构造模块，用于构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为
Figure 46028DEST_PATH_IMAGE001
，四者的维数分别为
Figure 722997DEST_PATH_IMAGE002
、
Figure 754407DEST_PATH_IMAGE003
，
Figure 909445DEST_PATH_IMAGE004
表示系统维数，也就是待检测数据向量的行数，
Figure 709910DEST_PATH_IMAGE005
表示信号矩阵的列数，
Figure 292201DEST_PATH_IMAGE006
表示干扰矩阵的列数，
Figure 810907DEST_PATH_IMAGE007
表示训练样本的个数；
所述矩阵变换模块，用于将待检测数据向量和训练样本向量均变换为矩阵；将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
Figure 504057DEST_PATH_IMAGE008
和
Figure 627871DEST_PATH_IMAGE009
其中
Figure 240118DEST_PATH_IMAGE010
Figure 121486DEST_PATH_IMAGE011
表示复数的共轭，
Figure 8539DEST_PATH_IMAGE012
为
Figure 658964DEST_PATH_IMAGE013
维变换矩阵；
所述协方差矩阵估计模块，用于利用所述训练样本矩阵估计协方差矩阵；
所述检测统计量构造模块，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造检测统计量；
所述检测门限确定及目标判决模块，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，并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。
优选地，所述协方差矩阵估计模块，利用所述训练样本矩阵估计协方差矩阵，通过下述步骤实现：
（3a）令协方差矩阵
Figure 910953DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 810776DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 970362DEST_PATH_IMAGE016
为
Figure 740872DEST_PATH_IMAGE017
维单位矩阵；
（3b）计算协方差矩阵
Figure 960501DEST_PATH_IMAGE014
的第
Figure 550882DEST_PATH_IMAGE018
次迭代值：
Figure 248580DEST_PATH_IMAGE019
其中，
Figure 873596DEST_PATH_IMAGE020
是
Figure 264126DEST_PATH_IMAGE014
先验分布的自由度，
Figure 341804DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 837333DEST_PATH_IMAGE021
为该复逆威沙特分布的均值，该均值由历史数据得到，符号
Figure 316856DEST_PATH_IMAGE022
表示矩阵的迹，
Figure 550391DEST_PATH_IMAGE023
表示矩阵的共轭转置，
Figure 239998DEST_PATH_IMAGE024
表示矩阵的逆；
（3c）进行判断，若
Figure 420444DEST_PATH_IMAGE025
则记协方差矩阵
Figure 879107DEST_PATH_IMAGE014
的估计结果为
Figure 221227DEST_PATH_IMAGE026
，反之，则跳转至步骤(3b)，其中，
Figure 398130DEST_PATH_IMAGE027
表示矩阵2范数，
Figure 382267DEST_PATH_IMAGE028
为误差容限。
优选地，所述检测统计量构造模块，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造的检测统计量为
Figure 695436DEST_PATH_IMAGE029
其中，
Figure 270774DEST_PATH_IMAGE030
，符号
Figure 810340DEST_PATH_IMAGE031
表示矩阵的逆。
优选地，所述检测门限确定及目标判决模块，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
Figure 457222DEST_PATH_IMAGE032
式中，
Figure 765843DEST_PATH_IMAGE033
，
Figure 839979DEST_PATH_IMAGE034
为蒙特卡洛仿真次数，
Figure 866840DEST_PATH_IMAGE035
为系统设定的虚警概率值，
Figure 51834DEST_PATH_IMAGE036
为取整操作，
Figure 949383DEST_PATH_IMAGE037
为序列
Figure 459999DEST_PATH_IMAGE038
由大到小排列第
Figure 708577DEST_PATH_IMAGE039
个最大值，其中，
Figure 697262DEST_PATH_IMAGE040
，
Figure 980476DEST_PATH_IMAGE041
为下述迭代过程(4a)-(4c)的解：
（4a）令协方差矩阵
Figure 68518DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 929026DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 190243DEST_PATH_IMAGE042
为
Figure 327964DEST_PATH_IMAGE017
维单位矩阵；
（4b）计算协方差矩阵
Figure 914803DEST_PATH_IMAGE014
的第
Figure 872394DEST_PATH_IMAGE018
次迭代值：
Figure 468461DEST_PATH_IMAGE043
其中，
Figure 460688DEST_PATH_IMAGE020
是
Figure 218428DEST_PATH_IMAGE014
先验分布的自由度，
Figure 928895DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 797494DEST_PATH_IMAGE021
为该逆威沙特分布的均值；
（4c）进行判断，若
Figure 909806DEST_PATH_IMAGE044
则记协方差矩阵
Figure 109887DEST_PATH_IMAGE045
的估计结果为
Figure 42071DEST_PATH_IMAGE046
，反之，则跳转至步骤(4b)，其中，
Figure 714360DEST_PATH_IMAGE028
为误差容限；
Figure 681179DEST_PATH_IMAGE047
Figure 46302DEST_PATH_IMAGE048
为仅含干扰和噪声分量的待检测数据向量的第
Figure 262519DEST_PATH_IMAGE049
次实现，
Figure 613866DEST_PATH_IMAGE050
为第
Figure 559826DEST_PATH_IMAGE051
个训练样本的第
Figure 971215DEST_PATH_IMAGE052
次实现，
Figure 2625DEST_PATH_IMAGE053
，
Figure 892084DEST_PATH_IMAGE054
。
优选地，所述检测门限确定及目标判决模块，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：
若检测统计量
Figure 692550DEST_PATH_IMAGE055
大于等于检测门限
Figure 274841DEST_PATH_IMAGE056
，则判定目标存在；
若检测统计量
Figure 793547DEST_PATH_IMAGE055
小于检测门限
Figure 486696DEST_PATH_IMAGE056
，则判定目标不存在。
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）本发明设计的检测器能够彻底抑制来向确定的干扰，且无需独立的干扰抑制步骤，简化了流程，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在复合高斯环境中具有恒虚警特性，无需额外的恒虚警处理；
（3）本发明设计的检测器充分利用了杂波协方差矩阵的中央共轭对称特性，降低了对训练样本的需求，使所需训练样本数下降一半，特别适用于系统维度高的先进雷达系统，以及难以获得充足训练样本的非均匀环境。
附图说明
图1为本发明提供的一种复合高斯环境下存在干扰时的目标检测方法的流程示意图；
图2为本发明提供的一种复合高斯环境下存在干扰时的目标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、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。
假设雷达的系统通道数为
Figure 141668DEST_PATH_IMAGE057
，则待检测数据可用
Figure 691599DEST_PATH_IMAGE058
维向量
Figure 572967DEST_PATH_IMAGE059
表示，相应的二元假设检验可写为
Figure 194441DEST_PATH_IMAGE060
（1）
其中，在假设检验
Figure 844865DEST_PATH_IMAGE061
下，待检测数据
Figure 628013DEST_PATH_IMAGE059
包含干扰
Figure 731099DEST_PATH_IMAGE062
和杂波
Figure 156264DEST_PATH_IMAGE063
，在
Figure 661195DEST_PATH_IMAGE064
条件下
Figure 880823DEST_PATH_IMAGE059
包括信号
Figure 471205DEST_PATH_IMAGE065
、干扰
Figure 434481DEST_PATH_IMAGE062
和杂波
Figure 793919DEST_PATH_IMAGE063
。信号
Figure 184449DEST_PATH_IMAGE065
和干扰
Figure 262126DEST_PATH_IMAGE062
分别表示为
Figure 701198DEST_PATH_IMAGE066
和
Figure 305354DEST_PATH_IMAGE067
，
Figure 742152DEST_PATH_IMAGE068
和
Figure 431759DEST_PATH_IMAGE069
分别为信号子空间和干扰子空间，
Figure 346626DEST_PATH_IMAGE070
和
Figure 822867DEST_PATH_IMAGE071
分别为信号和干扰在子空间内的坐标向量，
Figure 430566DEST_PATH_IMAGE068
、
Figure 607469DEST_PATH_IMAGE072
、
Figure 122764DEST_PATH_IMAGE070
和
Figure 576879DEST_PATH_IMAGE071
的维数分别为
Figure 480113DEST_PATH_IMAGE073
、
Figure 19679DEST_PATH_IMAGE074
、
Figure 666561DEST_PATH_IMAGE075
和
Figure 709603DEST_PATH_IMAGE076
。杂波
Figure 783738DEST_PATH_IMAGE063
为复合高斯杂波，可表示为
Figure 545021DEST_PATH_IMAGE077
，其中
Figure 995594DEST_PATH_IMAGE078
为杂波的纹理分量，
Figure 158722DEST_PATH_IMAGE079
为杂波的散斑分量，服从均值为零、协方差矩阵为
Figure 75863DEST_PATH_IMAGE080
的复高斯分布，且
Figure 714654DEST_PATH_IMAGE080
服从自由度为
Figure 578705DEST_PATH_IMAGE081
、均值为
Figure 720973DEST_PATH_IMAGE082
的复逆维沙特分布。在实际中，
Figure 277857DEST_PATH_IMAGE082
通常可根据历史数据获得。
上述参数中，
Figure 138365DEST_PATH_IMAGE068
和
Figure 806107DEST_PATH_IMAGE072
已知，
Figure 537303DEST_PATH_IMAGE070
、
Figure 265087DEST_PATH_IMAGE071
、
Figure 612892DEST_PATH_IMAGE078
和
Figure 818745DEST_PATH_IMAGE080
未知。为了估计
Figure 935606DEST_PATH_IMAGE080
，需要用到一定数量的训练样本。假设存在
Figure 834292DEST_PATH_IMAGE083
个仅含有杂波的独立同分布训练样本，记作
Figure 75917DEST_PATH_IMAGE084
，且均与待检测单元的杂波具有相同分布。
当雷达采用的线性阵列关于相位中心对称或脉冲是均匀分布的，则雷达杂波数据的协方差矩阵具有中央共轭对称特性，即协方差矩阵关于副对角线满足反对称特性，具体可表示为
Figure 210095DEST_PATH_IMAGE085
其中，上标
Figure 322408DEST_PATH_IMAGE086
表示共轭，
Figure 985470DEST_PATH_IMAGE087
为变换矩阵，其数学表达式为
Figure 183234DEST_PATH_IMAGE088
（5）
本发明的目的在于解决复合高斯杂波下存在干扰时的目标检测问题。为实现上述目的，请参阅图1所示，本发明提供了一种复合高斯环境下存在干扰时的目标检测方法，包括以下步骤：
步骤1：构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；
所述步骤1中，构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为
Figure 855523DEST_PATH_IMAGE001
，四者的维数分别为
Figure 822342DEST_PATH_IMAGE002
、
Figure 921885DEST_PATH_IMAGE003
，
Figure 606945DEST_PATH_IMAGE004
表示系统维数，也就是待检测数据向量的行数，
Figure 755029DEST_PATH_IMAGE005
表示信号矩阵的列数，
Figure 910110DEST_PATH_IMAGE006
表示干扰矩阵的列数，
Figure 118238DEST_PATH_IMAGE007
表示训练样本的个数；
步骤2：将待检测数据向量和训练样本向量均变换为矩阵；
所述步骤2中，将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
Figure 149648DEST_PATH_IMAGE008
和
Figure 39106DEST_PATH_IMAGE009
其中
Figure 105151DEST_PATH_IMAGE010
Figure 421863DEST_PATH_IMAGE011
表示复数的共轭，
Figure 940569DEST_PATH_IMAGE012
为
Figure 633718DEST_PATH_IMAGE013
维变换矩阵。
步骤3：利用所述训练样本矩阵估计协方差矩阵；
所述步骤3中，利用所述训练样本矩阵估计协方差矩阵，通过下述步骤实现：
（3a）令协方差矩阵
Figure 554270DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 41883DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 47885DEST_PATH_IMAGE016
为
Figure 279146DEST_PATH_IMAGE017
维单位矩阵；
（3b）计算协方差矩阵
Figure 54204DEST_PATH_IMAGE014
的第
Figure 978298DEST_PATH_IMAGE018
次迭代值：
Figure 143700DEST_PATH_IMAGE019
其中，
Figure 303286DEST_PATH_IMAGE020
是
Figure 136113DEST_PATH_IMAGE014
先验分布的自由度，
Figure 231108DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 211702DEST_PATH_IMAGE021
为该复逆威沙特分布的均值，该均值可由历史数据得到，符号
Figure 784766DEST_PATH_IMAGE022
表示矩阵的迹，
Figure 534416DEST_PATH_IMAGE023
表示矩阵的共轭转置，
Figure 597050DEST_PATH_IMAGE024
表示矩阵的逆；
（3c）进行判断，若
Figure 674727DEST_PATH_IMAGE025
则记协方差矩阵
Figure 441695DEST_PATH_IMAGE014
的估计结果为
Figure 921218DEST_PATH_IMAGE026
，反之，则跳转至步骤(3b)，其中，
Figure 482649DEST_PATH_IMAGE027
表示矩阵2范数，
Figure 782044DEST_PATH_IMAGE028
为误差容限，设置为
Figure 821544DEST_PATH_IMAGE089
。
步骤4：利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造检测统计量；
所述步骤4中，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造的检测统计量为
Figure 421153DEST_PATH_IMAGE029
其中，
Figure 153485DEST_PATH_IMAGE030
，符号
Figure 205755DEST_PATH_IMAGE031
表示矩阵的逆。
具体而言，所述步骤5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
Figure 721050DEST_PATH_IMAGE032
式中，
Figure 299799DEST_PATH_IMAGE033
，
Figure 78399DEST_PATH_IMAGE034
为蒙特卡洛仿真次数，
Figure 736739DEST_PATH_IMAGE035
为系统设定的虚警概率值，
Figure 258987DEST_PATH_IMAGE036
为取整操作，
Figure 692243DEST_PATH_IMAGE037
为序列
Figure 376165DEST_PATH_IMAGE038
由大到小排列第
Figure 262081DEST_PATH_IMAGE039
个最大值，其中，
Figure 588020DEST_PATH_IMAGE040
，
Figure 875782DEST_PATH_IMAGE041
为下述迭代过程(4a)-(4c)的解：
（4a）令协方差矩阵
Figure 996185DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 634977DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 295765DEST_PATH_IMAGE042
为
Figure 313400DEST_PATH_IMAGE017
维单位矩阵；
（4b）计算协方差矩阵
Figure 994917DEST_PATH_IMAGE014
的第
Figure 730792DEST_PATH_IMAGE018
次迭代值：
Figure 257588DEST_PATH_IMAGE043
其中，
Figure 129729DEST_PATH_IMAGE020
是
Figure 982147DEST_PATH_IMAGE014
先验分布的自由度，
Figure 939739DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 535805DEST_PATH_IMAGE021
为该逆威沙特分布的均值；
（4c）进行判断，若
Figure 528032DEST_PATH_IMAGE044
则记协方差矩阵
Figure 285773DEST_PATH_IMAGE045
的估计结果为
Figure 996240DEST_PATH_IMAGE046
，反之，则跳转至步骤(4b)，其中，
Figure 802522DEST_PATH_IMAGE028
为误差容限，设置为
Figure 773889DEST_PATH_IMAGE090
；
Figure 843476DEST_PATH_IMAGE047
Figure 900294DEST_PATH_IMAGE048
为仅含干扰和噪声分量的待检测数据向量的第
Figure 713529DEST_PATH_IMAGE049
次实现，
Figure 539402DEST_PATH_IMAGE050
为第
Figure 514312DEST_PATH_IMAGE051
个训练样本的第
Figure 324005DEST_PATH_IMAGE052
次实现，
Figure 675352DEST_PATH_IMAGE053
，
Figure 621311DEST_PATH_IMAGE054
；
步骤5：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，并比较所述检测统计量与所述检测门限的大小，做出目标是否存在的判决；
所述步骤5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：
若检测统计量
Figure 767121DEST_PATH_IMAGE091
大于等于检测门限
Figure 798531DEST_PATH_IMAGE092
，则判定目标存在；
若检测统计量
Figure 953569DEST_PATH_IMAGE091
小于检测门限
Figure 759894DEST_PATH_IMAGE092
，则判定目标不存在。
请参阅图2所示，本发明还提供一种复合高斯环境下存在干扰时的目标检测系统，包括数据矩阵构造模块、矩阵变换模块、协方差矩阵估计模块、检测统计量构造模块和检测门限确定及目标判决模块，其中：
所述数据矩阵构造模块，用于构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为
Figure 342185DEST_PATH_IMAGE001
，四者的维数分别为
Figure 860891DEST_PATH_IMAGE002
、
Figure 554041DEST_PATH_IMAGE003
，
Figure 474592DEST_PATH_IMAGE004
表示系统维数，也就是待检测数据向量的行数，
Figure 227785DEST_PATH_IMAGE005
表示信号矩阵的列数，
Figure 968208DEST_PATH_IMAGE006
表示干扰矩阵的列数，
Figure 465048DEST_PATH_IMAGE007
表示训练样本的个数；
所述矩阵变换模块，用于将待检测数据向量和训练样本向量均变换为矩阵；将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
Figure 240106DEST_PATH_IMAGE008
和
Figure 164200DEST_PATH_IMAGE009
其中
Figure 657498DEST_PATH_IMAGE010
Figure 692450DEST_PATH_IMAGE011
表示复数的共轭，
Figure 322015DEST_PATH_IMAGE012
为
Figure 213747DEST_PATH_IMAGE013
维变换矩阵；
所述协方差矩阵估计模块，用于利用所述训练样本矩阵估计协方差矩阵；
所述检测统计量构造模块，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造检测统计量；
所述检测门限确定及目标判决模块，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，并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。
进一步地，所述协方差矩阵估计模块，利用所述训练样本矩阵估计协方差矩阵，通过下述步骤实现：
（3a）令协方差矩阵
Figure 804128DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 767405DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 392422DEST_PATH_IMAGE016
为
Figure 782952DEST_PATH_IMAGE017
维单位矩阵；
（3b）计算协方差矩阵
Figure 595050DEST_PATH_IMAGE014
的第
Figure 96438DEST_PATH_IMAGE018
次迭代值：
Figure 575961DEST_PATH_IMAGE019
其中，
Figure 137393DEST_PATH_IMAGE020
是
Figure 499104DEST_PATH_IMAGE014
先验分布的自由度，
Figure 679549DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 403792DEST_PATH_IMAGE021
为该复逆威沙特分布的均值，该均值可由历史数据得到，符号
Figure 11491DEST_PATH_IMAGE022
表示矩阵的迹，
Figure 922815DEST_PATH_IMAGE023
表示矩阵的共轭转置，
Figure 641372DEST_PATH_IMAGE024
表示矩阵的逆；
（3c）进行判断，若
Figure 220121DEST_PATH_IMAGE025
则记协方差矩阵
Figure 998721DEST_PATH_IMAGE014
的估计结果为
Figure 397342DEST_PATH_IMAGE026
，反之，则跳转至步骤(3b)，其中，
Figure 716327DEST_PATH_IMAGE027
表示矩阵2范数，
Figure 24949DEST_PATH_IMAGE028
为误差容限，设置为
Figure 99084DEST_PATH_IMAGE089
。
进一步地，所述检测统计量构造模块，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造的检测统计量为
Figure 125946DEST_PATH_IMAGE029
其中，
Figure 328518DEST_PATH_IMAGE030
，符号
Figure 757225DEST_PATH_IMAGE031
表示矩阵的逆。
进一步地，所述检测门限确定及目标判决模块，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
Figure 736683DEST_PATH_IMAGE032
式中，
Figure 985261DEST_PATH_IMAGE033
，
Figure 973946DEST_PATH_IMAGE034
为蒙特卡洛仿真次数，
Figure 53897DEST_PATH_IMAGE035
为系统设定的虚警概率值，
Figure 345201DEST_PATH_IMAGE036
为取整操作，
Figure 205710DEST_PATH_IMAGE037
为序列
Figure 873452DEST_PATH_IMAGE038
由大到小排列第
Figure 135806DEST_PATH_IMAGE039
个最大值，其中，
Figure 598011DEST_PATH_IMAGE040
，
Figure 945816DEST_PATH_IMAGE041
为下述迭代过程(4a)-(4c)的解：
（4a）令协方差矩阵
Figure 417248DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 534109DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 167216DEST_PATH_IMAGE042
为
Figure 2317DEST_PATH_IMAGE017
维单位矩阵；
（4b）计算协方差矩阵
Figure 11861DEST_PATH_IMAGE014
的第
Figure 983228DEST_PATH_IMAGE018
次迭代值：
Figure 787236DEST_PATH_IMAGE043
其中，
Figure 109633DEST_PATH_IMAGE020
是
Figure 922868DEST_PATH_IMAGE014
先验分布的自由度，
Figure 483162DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 723651DEST_PATH_IMAGE021
为该逆威沙特分布的均值；
（4c）进行判断，若
Figure 267765DEST_PATH_IMAGE044
则记协方差矩阵
Figure 478166DEST_PATH_IMAGE045
的估计结果为
Figure 299492DEST_PATH_IMAGE046
，反之，则跳转至步骤(4b)，其中，
Figure 569936DEST_PATH_IMAGE028
为误差容限，设置为
Figure 476712DEST_PATH_IMAGE090
；
Figure 756384DEST_PATH_IMAGE047
Figure 432216DEST_PATH_IMAGE048
为仅含干扰和噪声分量的待检测数据向量的第
Figure 139140DEST_PATH_IMAGE049
次实现，
Figure 329950DEST_PATH_IMAGE050
为第
Figure 23100DEST_PATH_IMAGE051
个训练样本的第
Figure 949511DEST_PATH_IMAGE052
次实现，
Figure 765020DEST_PATH_IMAGE053
，
Figure 443126DEST_PATH_IMAGE054
。
进一步地，所述检测门限确定及目标判决模块，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：
若检测统计量
Figure 939966DEST_PATH_IMAGE091
大于等于检测门限
Figure 715024DEST_PATH_IMAGE092
，则判定目标存在；
若检测统计量
Figure 639118DEST_PATH_IMAGE091
小于检测门限
Figure 866837DEST_PATH_IMAGE092
，则判定目标不存在。
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 (10)

1.一种复合高斯环境下存在干扰时的目标检测方法，其特征在于，包括如下步骤：
步骤1：构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为
Figure 822399DEST_PATH_IMAGE001
，四者的维数分别为
Figure 67436DEST_PATH_IMAGE002
、
Figure 378331DEST_PATH_IMAGE003
，
Figure 304699DEST_PATH_IMAGE004
表示系统维数，也就是待检测数据向量的行数，
Figure 384651DEST_PATH_IMAGE005
表示信号矩阵的列数，
Figure 738272DEST_PATH_IMAGE006
表示干扰矩阵的列数，
Figure 350779DEST_PATH_IMAGE007
表示训练样本的个数；
步骤2：将待检测数据向量和训练样本向量均变换为矩阵；将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
Figure 815259DEST_PATH_IMAGE008
和
Figure 15296DEST_PATH_IMAGE009
其中
Figure 336556DEST_PATH_IMAGE010
Figure 356464DEST_PATH_IMAGE011
表示复数的共轭，
Figure 421372DEST_PATH_IMAGE012
为
Figure 679178DEST_PATH_IMAGE013
维变换矩阵；
步骤3：利用所述训练样本矩阵估计协方差矩阵；
步骤4：利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造检测统计量；
步骤5：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，并比较所述检测统计量与所述检测门限的大小，做出目标是否存在的判决。
2.如权利要求1所述的复合高斯环境下存在干扰时的目标检测方法，其特征在于，所述步骤3中，利用所述训练样本矩阵估计协方差矩阵，通过下述步骤实现：
（3a）令协方差矩阵
Figure 640181DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 412965DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 219247DEST_PATH_IMAGE016
为
Figure 393876DEST_PATH_IMAGE017
维单位矩阵；
（3b）计算协方差矩阵
Figure 525780DEST_PATH_IMAGE014
的第
Figure 785860DEST_PATH_IMAGE018
次迭代值：
Figure 395833DEST_PATH_IMAGE019
其中，
Figure 628231DEST_PATH_IMAGE020
是
Figure 727775DEST_PATH_IMAGE014
先验分布的自由度，
Figure 209571DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 623235DEST_PATH_IMAGE021
为该复逆威沙特分布的均值，该均值由历史数据得到，符号
Figure 506878DEST_PATH_IMAGE022
表示矩阵的迹，
Figure 715005DEST_PATH_IMAGE023
表示矩阵的共轭转置，
Figure 684098DEST_PATH_IMAGE024
表示矩阵的逆；
（3c）进行判断，若
Figure 901453DEST_PATH_IMAGE025
则记协方差矩阵
Figure 905181DEST_PATH_IMAGE014
的估计结果为
Figure 549789DEST_PATH_IMAGE026
，反之，则跳转至步骤(3b)，其中，
Figure 6178DEST_PATH_IMAGE027
表示矩阵2范数，
Figure 761644DEST_PATH_IMAGE028
为误差容限。
3.如权利要求1或2所述的复合高斯环境下存在干扰时的目标检测方法，其特征在于，所述步骤4中，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造的检测统计量为
Figure 557562DEST_PATH_IMAGE029
其中，
Figure 373071DEST_PATH_IMAGE030
，符号
Figure 316757DEST_PATH_IMAGE031
表示矩阵的逆。
4.如权利要求1或2所述的复合高斯环境下存在干扰时的目标检测方法，其特征在于，所述步骤5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
Figure 875914DEST_PATH_IMAGE032
式中，
Figure 854234DEST_PATH_IMAGE033
，
Figure 315346DEST_PATH_IMAGE034
为蒙特卡洛仿真次数，
Figure 746327DEST_PATH_IMAGE035
为系统设定的虚警概率值，
Figure 843596DEST_PATH_IMAGE036
为取整操作，
Figure 676423DEST_PATH_IMAGE037
为序列
Figure 568155DEST_PATH_IMAGE038
由大到小排列第
Figure 486433DEST_PATH_IMAGE039
个最大值，其中，
Figure 387393DEST_PATH_IMAGE040
，
Figure 809147DEST_PATH_IMAGE041
为下述迭代过程(4a)-(4c)的解：
（4a）令协方差矩阵
Figure 137360DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 277354DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 247584DEST_PATH_IMAGE042
为
Figure 789424DEST_PATH_IMAGE017
维单位矩阵；
（4b）计算协方差矩阵
Figure 288539DEST_PATH_IMAGE014
的第
Figure 915829DEST_PATH_IMAGE018
次迭代值：
Figure 158592DEST_PATH_IMAGE043
其中，
Figure 554938DEST_PATH_IMAGE020
是
Figure 224954DEST_PATH_IMAGE014
先验分布的自由度，
Figure 339540DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 323677DEST_PATH_IMAGE021
为该逆威沙特分布的均值；
（4c）进行判断，若
Figure 840109DEST_PATH_IMAGE044
则记协方差矩阵
Figure 681026DEST_PATH_IMAGE045
的估计结果为
Figure 282908DEST_PATH_IMAGE046
，反之，则跳转至步骤(4b)，其中，
Figure 867473DEST_PATH_IMAGE028
为误差容限；
Figure 35150DEST_PATH_IMAGE047
Figure 46968DEST_PATH_IMAGE048
为仅含干扰和噪声分量的待检测数据向量的第
Figure 73830DEST_PATH_IMAGE049
次实现，
Figure 462086DEST_PATH_IMAGE050
为第
Figure 687531DEST_PATH_IMAGE051
个训练样本的第
Figure 870250DEST_PATH_IMAGE052
次实现，
Figure 446725DEST_PATH_IMAGE053
，
Figure 373093DEST_PATH_IMAGE054
。
5.如权利要求1或2所述的复合高斯环境下存在干扰时的目标检测方法，其特征在于，所述步骤5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：
若检测统计量
Figure 718624DEST_PATH_IMAGE055
大于等于检测门限
Figure 337824DEST_PATH_IMAGE056
，则判定目标存在；
若检测统计量
Figure 130156DEST_PATH_IMAGE055
小于检测门限
Figure 860215DEST_PATH_IMAGE056
，则判定目标不存在。
6.一种复合高斯环境下存在干扰时的目标检测系统，其特征在于，包括数据矩阵构造模块、矩阵变换模块、协方差矩阵估计模块、检测统计量构造模块和检测门限确定及目标判决模块，其中：
所述数据矩阵构造模块，用于构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为
Figure 794673DEST_PATH_IMAGE001
，四者的维数分别为
Figure 788036DEST_PATH_IMAGE002
、
Figure 73524DEST_PATH_IMAGE003
，
Figure 341695DEST_PATH_IMAGE004
表示系统维数，也就是待检测数据向量的行数，
Figure 396238DEST_PATH_IMAGE005
表示信号矩阵的列数，
Figure 357241DEST_PATH_IMAGE006
表示干扰矩阵的列数，
Figure 864446DEST_PATH_IMAGE007
表示训练样本的个数；
所述矩阵变换模块，用于将待检测数据向量和训练样本向量均变换为矩阵；将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
Figure 936307DEST_PATH_IMAGE008
和
Figure 376516DEST_PATH_IMAGE009
其中
Figure 242840DEST_PATH_IMAGE010
Figure 502920DEST_PATH_IMAGE011
表示复数的共轭，
Figure 112893DEST_PATH_IMAGE012
为
Figure 142029DEST_PATH_IMAGE013
维变换矩阵；
所述协方差矩阵估计模块，用于利用所述训练样本矩阵估计协方差矩阵；
所述检测统计量构造模块，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造检测统计量；
所述检测门限确定及目标判决模块，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，并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。
7.如权利要求6所述的复合高斯环境下存在干扰时的目标检测系统，其特征在于，所述协方差矩阵估计模块，利用所述训练样本矩阵估计协方差矩阵，通过下述步骤实现：
（3a）令协方差矩阵
Figure 179255DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 926632DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 543558DEST_PATH_IMAGE016
为
Figure 223938DEST_PATH_IMAGE017
维单位矩阵；
（3b）计算协方差矩阵
Figure 697644DEST_PATH_IMAGE014
的第
Figure 666737DEST_PATH_IMAGE018
次迭代值：
Figure 821775DEST_PATH_IMAGE019
其中，
Figure 825503DEST_PATH_IMAGE020
是
Figure 204532DEST_PATH_IMAGE014
先验分布的自由度，
Figure 660921DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 416388DEST_PATH_IMAGE021
为该复逆威沙特分布的均值，该均值由历史数据得到，符号
Figure 274622DEST_PATH_IMAGE022
表示矩阵的迹，
Figure 90131DEST_PATH_IMAGE023
表示矩阵的共轭转置，
Figure 33817DEST_PATH_IMAGE024
表示矩阵的逆；
（3c）进行判断，若
Figure 327395DEST_PATH_IMAGE025
则记协方差矩阵
Figure 40136DEST_PATH_IMAGE014
的估计结果为
Figure 292126DEST_PATH_IMAGE026
，反之，则跳转至步骤(3b)，其中，
Figure 723107DEST_PATH_IMAGE027
表示矩阵2范数，
Figure 820376DEST_PATH_IMAGE028
为误差容限。
8.如权利要求6或7所述的复合高斯环境下存在干扰时的目标检测系统，其特征在于，所述检测统计量构造模块，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造的检测统计量为
Figure 393483DEST_PATH_IMAGE029
其中，
Figure 550795DEST_PATH_IMAGE030
，符号
Figure 469072DEST_PATH_IMAGE031
表示矩阵的逆。
9.如权利要求6或7所述的复合高斯环境下存在干扰时的目标检测系统，其特征在于，所述检测门限确定及目标判决模块，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
Figure 104453DEST_PATH_IMAGE032
式中，
Figure 791786DEST_PATH_IMAGE033
，
Figure 119999DEST_PATH_IMAGE034
为蒙特卡洛仿真次数，
Figure 259994DEST_PATH_IMAGE035
为系统设定的虚警概率值，
Figure 964644DEST_PATH_IMAGE036
为取整操作，
Figure 506484DEST_PATH_IMAGE037
为序列
Figure 5599DEST_PATH_IMAGE038
由大到小排列第
Figure 632889DEST_PATH_IMAGE039
个最大值，其中，
Figure 610072DEST_PATH_IMAGE040
，
Figure 475260DEST_PATH_IMAGE041
为下述迭代过程(4a)-(4c)的解：
（4a）令协方差矩阵
Figure 145276DEST_PATH_IMAGE014
的初始值为单位矩阵，记作
Figure 259862DEST_PATH_IMAGE015
，其中，上标“0”表示迭代初始次序，
Figure 306316DEST_PATH_IMAGE042
为
Figure 822748DEST_PATH_IMAGE017
维单位矩阵；
（4b）计算协方差矩阵
Figure 663665DEST_PATH_IMAGE014
的第
Figure 265548DEST_PATH_IMAGE018
次迭代值：
Figure 850113DEST_PATH_IMAGE043
其中，
Figure 424313DEST_PATH_IMAGE020
是
Figure 436132DEST_PATH_IMAGE014
先验分布的自由度，
Figure 259731DEST_PATH_IMAGE014
的先验分布为复逆威沙特分布，
Figure 647987DEST_PATH_IMAGE021
为该逆威沙特分布的均值；
（4c）进行判断，若
Figure 873432DEST_PATH_IMAGE044
则记协方差矩阵
Figure 56152DEST_PATH_IMAGE045
的估计结果为
Figure 898206DEST_PATH_IMAGE046
，反之，则跳转至步骤(4b)，其中，
Figure 824574DEST_PATH_IMAGE028
为误差容限；
Figure 904525DEST_PATH_IMAGE047
Figure 523725DEST_PATH_IMAGE048
为仅含干扰和噪声分量的待检测数据向量的第
Figure 321917DEST_PATH_IMAGE049
次实现，
Figure 786397DEST_PATH_IMAGE050
为第
Figure 986434DEST_PATH_IMAGE051
个训练样本的第
Figure 776535DEST_PATH_IMAGE052
次实现，
Figure 814022DEST_PATH_IMAGE053
，
Figure 347771DEST_PATH_IMAGE054
。
10.如权利要求6或7所述的复合高斯环境下存在干扰时的目标检测系统，其特征在于，所述检测门限确定及目标判决模块，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：
若检测统计量
Figure 402315DEST_PATH_IMAGE055
大于等于检测门限
Figure 97739DEST_PATH_IMAGE056
，则判定目标存在；
若检测统计量
Figure 73785DEST_PATH_IMAGE055
小于检测门限
Figure 145646DEST_PATH_IMAGE056
，则判定目标不存在。
CN202110803453.8A 2021-07-16 2021-07-16 一种复合高斯环境下存在干扰时的目标检测方法与系统 Active CN113267758B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110803453.8A CN113267758B (zh) 2021-07-16 2021-07-16 一种复合高斯环境下存在干扰时的目标检测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110803453.8A CN113267758B (zh) 2021-07-16 2021-07-16 一种复合高斯环境下存在干扰时的目标检测方法与系统

Publications (2)

Publication Number Publication Date
CN113267758A true CN113267758A (zh) 2021-08-17
CN113267758B CN113267758B (zh) 2021-09-24

Family

ID=77236610

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110803453.8A Active CN113267758B (zh) 2021-07-16 2021-07-16 一种复合高斯环境下存在干扰时的目标检测方法与系统

Country Status (1)

Country Link
CN (1) CN113267758B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114660567A (zh) * 2022-05-25 2022-06-24 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
CN115656998A (zh) * 2022-11-22 2023-01-31 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

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106932766A (zh) * 2017-04-27 2017-07-07 中国人民解放军海军航空工程学院 基于变参数广义结构的距离扩展目标自适应检测方法
CN109444820A (zh) * 2018-12-13 2019-03-08 中国人民解放军空军预警学院 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
CN110988831A (zh) * 2019-04-20 2020-04-10 中国人民解放军空军预警学院 杂波和干扰共存环境下当信号失配时的参数可调检测器
CN112558015A (zh) * 2021-02-23 2021-03-26 中国人民解放军空军预警学院 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
CN112799022A (zh) * 2021-04-08 2021-05-14 中国人民解放军空军预警学院 一种非均匀及干扰环境中的扩展目标检测方法与系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106932766A (zh) * 2017-04-27 2017-07-07 中国人民解放军海军航空工程学院 基于变参数广义结构的距离扩展目标自适应检测方法
CN109444820A (zh) * 2018-12-13 2019-03-08 中国人民解放军空军预警学院 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
CN110988831A (zh) * 2019-04-20 2020-04-10 中国人民解放军空军预警学院 杂波和干扰共存环境下当信号失配时的参数可调检测器
CN112558015A (zh) * 2021-02-23 2021-03-26 中国人民解放军空军预警学院 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
CN112799022A (zh) * 2021-04-08 2021-05-14 中国人民解放军空军预警学院 一种非均匀及干扰环境中的扩展目标检测方法与系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GAO, YC ET AL.: "High-Resolution Radar Detection in Interference and Nonhomogeneous Noise", 《IEEE SIGNAL PROCESSING LETTERS》 *
高永婵: "复杂场景下多通道阵列自适应目标检测算法研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114660567A (zh) * 2022-05-25 2022-06-24 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
CN115656998A (zh) * 2022-11-22 2023-01-31 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

Also Published As

Publication number Publication date
CN113267758B (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
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
CN112835000B (zh) 一种非均匀杂波及干扰条件下的自适应检测方法
CN111948634A (zh) 干扰条件下基于协方差矩阵重构的目标检测方法与装置
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
CN111007488B (zh) 基于盖尔圆变换和修正Rao得分检验的信源数估计方法
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
CN113030932B (zh) 一种扩展目标稳健自适应检测方法与系统
CN113253251B (zh) 目标速度未知时的fda-mimo雷达检测方法与系统
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
CN112558015B (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
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
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
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
CN111007487A (zh) 一种基于时间反演的多基地雷达目标检测方法
Kang et al. Analysis of space–time adaptive processing performance using K-means clustering algorithm for normalisation method in non-homogeneity detector process
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
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
CN115856819A (zh) 一种基于平稳高斯过程的雷达目标恒虚警检测方法
CN113447916A (zh) 非平稳干扰下的自适应目标检测方法
Barbary et al. Joint detection and tracking of non‐ellipsoidal extended targets based on cubature Kalman‐CBMeMBer sub‐random matrices filter
CN115656998B (zh) 一种低样本数下阵列信号自适应检测方法与系统
Rangaswamy et al. Signal detection in strong low rank compound-Gaussian interference
CN116819480B (zh) 一种机载雷达强杂波中的自适应目标检测方法及系统
CN115453489B (zh) 一种毫米波雷达室内多径判别方法
CN113189550B (zh) 基于多未知信号提取的阵列雷达抗噪声式干扰方法及系统

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