CN114089307B - 一种目标及干扰条件下的雷达检测和分类方法及系统 - Google Patents

一种目标及干扰条件下的雷达检测和分类方法及系统 Download PDF

Info

Publication number
CN114089307B
CN114089307B CN202210052029.9A CN202210052029A CN114089307B CN 114089307 B CN114089307 B CN 114089307B CN 202210052029 A CN202210052029 A CN 202210052029A CN 114089307 B CN114089307 B CN 114089307B
Authority
CN
China
Prior art keywords
matrix
interference
data
constructing
target
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
CN202210052029.9A
Other languages
English (en)
Other versions
CN114089307A (zh
Inventor
刘维建
黄灿
李�浩
李槟槟
张昭建
周必雷
陈辉
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 CN202210052029.9A priority Critical patent/CN114089307B/zh
Publication of CN114089307A publication Critical patent/CN114089307A/zh
Application granted granted Critical
Publication of CN114089307B publication Critical patent/CN114089307B/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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供一种目标及干扰条件下的雷达检测和分类方法及系统，首先构造接收数据和信号矩阵，包括待检测数据向量、训练样本矩阵和信号矩阵，然后根据信号矩阵构造干扰矩阵，接着构造能量检测器，进而根据虚警概率和系统参数确定检测门限，再比较能量检测器与检测门限之间的大小，若前者小于等于后者，则判决待检测数据中既无目标也无干扰，否则计算比值检测器，若比值检测器的值大于1，则判决存在目标，反之则判决存在干扰。本发明设计的能量检测器可兼顾目标与干扰，并且实现了未知杂波环境中不需要杂波抑制，而直接判决是否存在信号或干扰的有效判决，通过构造比值检测器实现了未知杂波环境中判断待检测数据中存在信号还是干扰的有效判决。

Description

一种目标及干扰条件下的雷达检测和分类方法及系统
技术领域
本发明涉及雷达目标检测领域，更具体地，涉及一种目标及干扰条件下的雷达检测和分类方法及系统。
背景技术
目标检测是雷达最基本也是最重要的功能之一。然而，敌对方为了降低被雷达探测及定位的概率，往往实施各种干扰。这给雷达效能的发挥提出了极大挑战。此外，雷达接收数据往往还存在能量远远强于目标信号的杂波。
为了抑制杂波并判决接收数据中是否含有目标、是否含有干扰，文献（Greco, M.and Gini, F. and Farina, A., “Radar detection and classification of jammingsignals belonging to a cone class,” IEEE Transactions on Signal Processing,2008, vol. 56, no. 5, pp. 1984-1993.）提出了一种分步检测与分类方法，然而该方法存在以下缺陷：1）只适用于杂波加噪声协方差矩阵已知的情形，不适用于未知杂波环境；2）需要提前预设干扰所在锥空间的锥角大小；3）无法得到检测器的闭合解；4）只适用于秩一信号，不适用于子空间信号。
发明内容
本发明的目的在于针对上述现有技术的不足，提供了一种目标及干扰条件下的雷达检测和分类方法及系统，其目的在于解决杂波加噪声协方差矩阵未知时可能存在未知干扰时的子空间信号和干扰的检测及分类问题。
为实现上述目的，本发明采用了如下技术方案：
按照本发明的一个方面，提供了一种目标及干扰条件下的雷达检测和分类方法，包括以下步骤：
S1：构造接收数据和信号矩阵，包括待检测数据向量
Figure 155941DEST_PATH_IMAGE001
、训练样本矩阵
Figure 604240DEST_PATH_IMAGE002
和信号矩阵
Figure 649556DEST_PATH_IMAGE003
，其中，
Figure 575924DEST_PATH_IMAGE004
、
Figure 983772DEST_PATH_IMAGE005
和
Figure 337393DEST_PATH_IMAGE006
的维数分别为
Figure 135584DEST_PATH_IMAGE007
、
Figure 865643DEST_PATH_IMAGE008
和
Figure 800101DEST_PATH_IMAGE009
；
S2：根据信号矩阵
Figure 324623DEST_PATH_IMAGE010
构造干扰矩阵
Figure 610111DEST_PATH_IMAGE011
，其中
Figure 612702DEST_PATH_IMAGE012
，
Figure 667246DEST_PATH_IMAGE013
为
Figure 628249DEST_PATH_IMAGE014
维酉矩阵
Figure 135453DEST_PATH_IMAGE015
的后
Figure 941735DEST_PATH_IMAGE016
列，
Figure 116365DEST_PATH_IMAGE017
为
Figure 717110DEST_PATH_IMAGE018
的奇异值分解的左酉矩阵，即：
Figure 977190DEST_PATH_IMAGE019
，
Figure 587163DEST_PATH_IMAGE020
为
Figure 350720DEST_PATH_IMAGE021
维对角矩阵，
Figure 653525DEST_PATH_IMAGE022
为
Figure 869743DEST_PATH_IMAGE023
维酉矩阵，符号
Figure 283407DEST_PATH_IMAGE024
表示共轭转置；
S3：构造能量检测器，其检测统计量为
Figure 167049DEST_PATH_IMAGE025
，其中，
Figure 375177DEST_PATH_IMAGE026
，符号
Figure 344270DEST_PATH_IMAGE027
表示矩阵的逆；
S4：根据虚警概率和系统参数确定检测门限
Figure 296045DEST_PATH_IMAGE028
；
S5：比较能量检测器
Figure 299773DEST_PATH_IMAGE029
与检测门限
Figure 944381DEST_PATH_IMAGE030
之间的大小，若
Figure 135191DEST_PATH_IMAGE031
，则转至S6；若
Figure 890657DEST_PATH_IMAGE032
，则输出判决结果：待检测数据
Figure 483313DEST_PATH_IMAGE033
中既无目标也无干扰。
S6：计算比值检测器，若比值检测器的值大于1，则判决存在目标，反之则判决存在干扰。
进一步地，所述S4中的检测门限通过求解下式所示的初等方程得到：
Figure 33243DEST_PATH_IMAGE034
其中，
Figure 976928DEST_PATH_IMAGE035
表示系统虚警概率预设值，
Figure 536085DEST_PATH_IMAGE036
，
Figure 248826DEST_PATH_IMAGE037
、
Figure 704079DEST_PATH_IMAGE038
和
Figure 135060DEST_PATH_IMAGE039
分别表示
Figure 232329DEST_PATH_IMAGE040
、
Figure 65156DEST_PATH_IMAGE041
和
Figure 691309DEST_PATH_IMAGE042
的阶乘。
进一步地，所述S6中的比值检测器为：
Figure 609587DEST_PATH_IMAGE043
。
另一方面，本发明提供了一种目标及干扰条件下的雷达检测和分类系统，包括以下模块：
接收数据和信号矩阵构造模块，用于构造待检测数据向量、训练样本矩阵和信号矩阵；
干扰矩阵构造模块，用于利用信号矩阵构造干扰矩阵；
能量检测器模块，用于利用检测数据向量、训练样本矩阵、信号矩阵和干扰矩阵构造能量检测器；
检测门限确定模块，用于利用系统参数确定检测门限；
门限比较模块，用于比较能量检测器和检测门限的大小；
比值检测器模块，用于利用待检测数据向量、训练样本矩阵、信号矩阵和干扰矩阵构造比值检测器，并与数值1比较大小，若比值检测器大于1，则判决待检测数据中含有目标，反之，则判决待检测数据中含有干扰。
本发明的有益效果为：
1）通过构造数据向量及数据矩阵，为有效构造检测统计量提供了必要条件；
2）通过基于信号矩阵
Figure 510546DEST_PATH_IMAGE044
构造干扰矩阵
Figure 932301DEST_PATH_IMAGE045
，实现了对未知干扰的有效刻画，这是由于干扰必定不同于目标信号，但干扰未知，因此在检测器设计阶段假设干扰矩阵与信号矩阵正交，值得指出的是，若把本专利构造的干扰矩阵与信号矩阵组成增广矩阵，则二者张成整个空间，因此本专利构造的干扰矩阵较好的刻画了未知干扰，从而为提升目标与干扰的判决提供了保证；
3）通过构造能量检测器
Figure 994934DEST_PATH_IMAGE046
，实现了未知杂波环境中不需要杂波抑制，而直接判决是否存在信号或干扰的有效判决，这是由于能量检测器
Figure 134929DEST_PATH_IMAGE046
中的矩阵求逆操作
Figure 839580DEST_PATH_IMAGE047
本身蕴含着杂波抑制功能；
4）通过求解初等方程的解，可得到检测门限
Figure 381419DEST_PATH_IMAGE048
，避免了繁琐的蒙特卡洛仿真，降低了计算复杂度，尤其是系统维数
Figure 614955DEST_PATH_IMAGE049
很大时；
5）通过构造比值检测器
Figure 242245DEST_PATH_IMAGE050
，并与数字1比较大小，实现了未知杂波环境中判断待检测数据
Figure 485008DEST_PATH_IMAGE051
中存在信号还是干扰的有效判决。
附图说明
图1为本发明所述一种目标及干扰条件下的雷达检测和分类方法及系统的流程示意图；
图2为本发明一种所述目标及干扰条件下的雷达检测和分类方法及系统的结构框架图；
图3为本发明仿真例一的目标检测结果示意图；
图4为本发明仿真例二的干扰检测结果示意图。
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，下面结合附图，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用以解释本发明，并不用于限定本发明。
假设雷达系统的系统维数为
Figure 881354DEST_PATH_IMAGE052
，因此，待检测数据可以用
Figure 285790DEST_PATH_IMAGE053
维列向量
Figure 400377DEST_PATH_IMAGE054
表示。实际环境中，待检测数据
Figure 181251DEST_PATH_IMAGE054
中含有的信息存在以下三种可能：一是只含有热噪声和杂波，二是含有热噪声、杂波和目标信号，三是含有热噪声、杂波和干扰。当待检测数据含有目标信号时，假设信号分量位于由
Figure 697683DEST_PATH_IMAGE055
维已知列满秩矩阵
Figure 273021DEST_PATH_IMAGE056
张成的子空间内，则信号可表示为
Figure 874904DEST_PATH_IMAGE057
，其中，
Figure 521785DEST_PATH_IMAGE058
为
Figure 638864DEST_PATH_IMAGE059
维列向量。由于干扰属于非合作目标，当待检测数据含有干扰时，对干扰的建模至关重要，由于干扰不同于目标，在没有关于干扰的任何先验信息下，可假设干扰位于与目标信号正交的子空间中，该子空间的基矩阵可通过对信号矩阵
Figure 650682DEST_PATH_IMAGE060
的奇异值分解得到，具体地，令
Figure 474281DEST_PATH_IMAGE060
的奇异值分解为
Figure 862537DEST_PATH_IMAGE061
，
Figure 822403DEST_PATH_IMAGE062
为
Figure 5123DEST_PATH_IMAGE063
维对角矩阵，
Figure 316018DEST_PATH_IMAGE064
和分别
Figure 242386DEST_PATH_IMAGE065
为
Figure 587917DEST_PATH_IMAGE066
和
Figure 941538DEST_PATH_IMAGE067
维酉矩阵，则可选择干扰矩阵为
Figure 739729DEST_PATH_IMAGE068
，其中
Figure 469788DEST_PATH_IMAGE069
为酉矩阵
Figure 404246DEST_PATH_IMAGE070
的后
Figure 928768DEST_PATH_IMAGE071
列，相应的干扰分量可表示为
Figure 214256DEST_PATH_IMAGE072
，其中，
Figure 482426DEST_PATH_IMAGE073
维列向量
Figure 536970DEST_PATH_IMAGE074
表示干扰在干扰子空间中的未知坐标。综上所述，检测问题可用三元假设检验表示为：
Figure 232394DEST_PATH_IMAGE075
（1）
其中，
Figure 739598DEST_PATH_IMAGE076
表示待检测数据仅含有杂波及热噪声，
Figure 811460DEST_PATH_IMAGE077
表示待检测数据含有杂波、热噪声和目标信号，
Figure 720510DEST_PATH_IMAGE078
表示待检测数据含有杂波、热噪声和干扰，
Figure 586835DEST_PATH_IMAGE079
表示待检测数据中的热噪声和杂波分量之和。在实际环境中，
Figure 581335DEST_PATH_IMAGE079
的协方差矩阵
Figure 191308DEST_PATH_IMAGE080
是未知的，为了对其进行估计，需要用到一定数量的训练样本，这些训练样本往往从待检测数据单元的附近的回波数据得到。假设存在
Figure 220444DEST_PATH_IMAGE081
个训练样本，记作
Figure 992091DEST_PATH_IMAGE082
，
Figure 739467DEST_PATH_IMAGE083
。则基于训练样本，协方差矩阵
Figure 153131DEST_PATH_IMAGE084
的最大似然估计为：
Figure 36773DEST_PATH_IMAGE085
，
Figure 244901DEST_PATH_IMAGE086
，
Figure 213994DEST_PATH_IMAGE087
。
本发明提供了一种适用于干扰及目标条件下雷达检测和分类方法，如图1所示，包括：
S1：构造接收数据和信号矩阵，包括待检测数据向量
Figure 165769DEST_PATH_IMAGE088
、训练样本矩阵
Figure 903918DEST_PATH_IMAGE089
和信号矩阵
Figure 282947DEST_PATH_IMAGE090
，其中，
Figure 739336DEST_PATH_IMAGE088
、
Figure 494802DEST_PATH_IMAGE089
和
Figure 353037DEST_PATH_IMAGE090
的维数分别为
Figure 902967DEST_PATH_IMAGE091
、
Figure 846652DEST_PATH_IMAGE092
和
Figure 140230DEST_PATH_IMAGE093
；
S2：根据信号矩阵
Figure 852971DEST_PATH_IMAGE094
构造干扰矩阵
Figure 573803DEST_PATH_IMAGE095
，其中
Figure 4784DEST_PATH_IMAGE096
，
Figure 836474DEST_PATH_IMAGE097
为
Figure 403722DEST_PATH_IMAGE098
维酉矩阵
Figure 295454DEST_PATH_IMAGE099
的后
Figure 213732DEST_PATH_IMAGE100
列，
Figure 849112DEST_PATH_IMAGE101
为
Figure 536446DEST_PATH_IMAGE102
的奇异值分解的左酉矩阵，
Figure 864659DEST_PATH_IMAGE102
的奇异值分解为
Figure 4653DEST_PATH_IMAGE103
，
Figure 443725DEST_PATH_IMAGE104
为
Figure 985564DEST_PATH_IMAGE105
维对角矩阵，
Figure 484679DEST_PATH_IMAGE106
为
Figure 111969DEST_PATH_IMAGE107
维酉矩阵，符号
Figure 823573DEST_PATH_IMAGE108
表示共轭转置；
S3：构造能量检测器，其检测统计量为
Figure 485499DEST_PATH_IMAGE109
，其中，
Figure 889935DEST_PATH_IMAGE110
，符号
Figure 4522DEST_PATH_IMAGE111
表示矩阵的逆；
S4：根据虚警概率和系统参数确定检测门限
Figure 785396DEST_PATH_IMAGE112
；
S5：比较能量检测器
Figure 36249DEST_PATH_IMAGE113
与检测门限
Figure 611587DEST_PATH_IMAGE114
之间的大小，若
Figure 213469DEST_PATH_IMAGE115
，则转至步骤6，否则输出判决结果：待检测数据
Figure 532455DEST_PATH_IMAGE116
中既无目标也无干扰；
S6：计算比值检测器
Figure 903394DEST_PATH_IMAGE117
，若比值检测器
Figure 649633DEST_PATH_IMAGE117
的值大于1，则判决存在目标，反之则判决存在干扰。
所述S4中的检测门限通过求解下式所示的初等方程得到：
Figure 473232DEST_PATH_IMAGE118
其中，
Figure 595909DEST_PATH_IMAGE119
表示系统虚警概率预设值，
Figure 821354DEST_PATH_IMAGE120
，
Figure 738495DEST_PATH_IMAGE121
、
Figure 314969DEST_PATH_IMAGE122
和
Figure 975758DEST_PATH_IMAGE123
分别表示
Figure 55709DEST_PATH_IMAGE124
、
Figure 409330DEST_PATH_IMAGE125
和
Figure 4260DEST_PATH_IMAGE126
的阶乘。
所述S6中的比值检测器为：
Figure 542775DEST_PATH_IMAGE127
。
下面详细说明本申请针对式（1）所示的三元假设检验的解决思路。第一步是为了判决待检测数据中是否有信号或干扰，为此，修改式（1）所示的三元假设检验为二元假设检验：
Figure 742812DEST_PATH_IMAGE128
（2）
针对式（2）所示的二元假设检验问题，根据广义似然比准则可得到本申请S3中的能量检测器：
Figure 267334DEST_PATH_IMAGE129
（3）
其中，
Figure 287243DEST_PATH_IMAGE130
，符号
Figure 555413DEST_PATH_IMAGE131
表示矩阵的逆。
利用矩阵理论和统计学知识可得到，在假设检验
Figure 609957DEST_PATH_IMAGE132
下，
Figure 39801DEST_PATH_IMAGE133
服从自由度为
Figure 812585DEST_PATH_IMAGE134
和
Figure 884446DEST_PATH_IMAGE135
的中心复
Figure 527917DEST_PATH_IMAGE136
分布。因此，根据该统计分布的积累分布函数可得到虚警概率的表达式为：
Figure 659821DEST_PATH_IMAGE137
其中，
Figure 388743DEST_PATH_IMAGE138
表示系统虚警概率预设值，
Figure 264295DEST_PATH_IMAGE139
，
Figure 27852DEST_PATH_IMAGE140
、
Figure 799498DEST_PATH_IMAGE141
和
Figure 546875DEST_PATH_IMAGE142
分别表示
Figure 694959DEST_PATH_IMAGE143
、
Figure 578602DEST_PATH_IMAGE144
和
Figure 521150DEST_PATH_IMAGE145
的阶乘。
根据训练样本和待检测数据构造得到能量检测器
Figure 490243DEST_PATH_IMAGE146
后，并与检测门限
Figure 442018DEST_PATH_IMAGE147
进行比较，若
Figure 180167DEST_PATH_IMAGE148
，则输出判决结果：待检测数据
Figure 559196DEST_PATH_IMAGE149
中既无目标也无干扰；否则继续判决待检测数据中含有的是干扰还是目标。为此，修改式（1）中的假设检验为下式所示的二元假设检验：
Figure 15585DEST_PATH_IMAGE150
（4）
针对式（4）所示的二元假设检验，根据广义似然比准则，得到的检测器即为本申请S6中的比值检测器
Figure 505472DEST_PATH_IMAGE151
为了判决待检测数据中含有目标还是干扰，需要比较比值检测器
Figure 363707DEST_PATH_IMAGE152
的某个门限的大小，由于实现未获得干扰的任何信息，该门限选择为1，因此判决过程为：若比值检测器
Figure 913637DEST_PATH_IMAGE152
大于1，则判决待检测数据中存在目标，反之则判决待检测数据中存在干扰。
下面结合仿真实验对本发明的效果做进一步说明。
仿真实验一
假设待检测数据中含有目标信号。令雷达系统通道数为
Figure 591743DEST_PATH_IMAGE153
，信号矩阵的具有结构
Figure 150900DEST_PATH_IMAGE154
，其中，
Figure 598062DEST_PATH_IMAGE155
表示复数单位，即：
Figure 584473DEST_PATH_IMAGE156
，
Figure 749875DEST_PATH_IMAGE157
为目标归一化空域频率，在仿真中令
Figure 847144DEST_PATH_IMAGE158
，令虚警概率为0.001，协方差矩阵
Figure 148812DEST_PATH_IMAGE159
的第
Figure 306124DEST_PATH_IMAGE160
个元素被设置为
Figure 693243DEST_PATH_IMAGE161
，
Figure 594203DEST_PATH_IMAGE162
，
Figure 281536DEST_PATH_IMAGE163
，
Figure 344170DEST_PATH_IMAGE164
表示
Figure 484164DEST_PATH_IMAGE165
的绝对值。为了估计杂波加噪声协方差矩阵，假设存在24个训练样本，训练样本只含杂波和噪声分量，且协方差矩阵也为
Figure 657657DEST_PATH_IMAGE166
。
图3给出了本发明所提方法在不同信噪比下对目标的检测概率，其中信噪比被定义为
Figure 199496DEST_PATH_IMAGE167
，
Figure 433032DEST_PATH_IMAGE168
为满足特定信噪比下所选择的目标幅度向量。从图中可以看出，当信噪比高于16.5 dB时，所提检测方法对目标的检测概率高于80%。
仿真实验二
假设待检测数据中含有干扰，不含目标。令雷达系统通道数为
Figure 60322DEST_PATH_IMAGE169
，信号矩阵的具有结构
Figure 37505DEST_PATH_IMAGE170
，其中，
Figure 699431DEST_PATH_IMAGE171
表示复数单位，即：
Figure 103867DEST_PATH_IMAGE172
，
Figure 952875DEST_PATH_IMAGE173
为目标归一化空域频率，在仿真中令
Figure 999328DEST_PATH_IMAGE174
，假设存在两个干扰，则干扰矩阵可表示为
Figure 250181DEST_PATH_IMAGE175
，
Figure 91098DEST_PATH_IMAGE176
，
Figure 161822DEST_PATH_IMAGE177
，
Figure 746387DEST_PATH_IMAGE178
和
Figure 851746DEST_PATH_IMAGE179
分别为两个干扰的归一化空域频率，在仿真中令
Figure 863565DEST_PATH_IMAGE180
和
Figure 687164DEST_PATH_IMAGE181
。令虚警概率为0.001，协方差矩阵
Figure 809841DEST_PATH_IMAGE182
的第
Figure 300865DEST_PATH_IMAGE183
个元素设置为
Figure 483585DEST_PATH_IMAGE184
，
Figure 794481DEST_PATH_IMAGE185
，
Figure 455269DEST_PATH_IMAGE186
，
Figure 800800DEST_PATH_IMAGE187
表示
Figure 154421DEST_PATH_IMAGE188
的绝对值。为了估计杂波加噪声协方差矩阵，假设存在24个训练样本，训练样本只含杂波和噪声分量，且协方差矩阵也为
Figure 687033DEST_PATH_IMAGE189
。
图4给出了本发明所提方法在不同干噪比下对干扰的检测概率，其中干噪比被定义为
Figure 417092DEST_PATH_IMAGE190
，
Figure 351550DEST_PATH_IMAGE191
为满足特干噪比下所选择的干扰幅度向量。从图中可以看出，当干噪比高于18 dB时，所提检测方法对干扰的检测概率高于80%。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (2)

1.一种目标及干扰条件下的雷达检测和分类方法，其特征在于，包括以下步骤：
S1、构造接收数据和信号矩阵，包括待检测数据向量
Figure 235097DEST_PATH_IMAGE001
、训练样本矩阵
Figure 99148DEST_PATH_IMAGE002
和信号矩阵
Figure 179100DEST_PATH_IMAGE003
，其中，
Figure 470404DEST_PATH_IMAGE004
、
Figure 940699DEST_PATH_IMAGE005
和
Figure 608441DEST_PATH_IMAGE006
的维数分别为
Figure 542899DEST_PATH_IMAGE007
、
Figure 5104DEST_PATH_IMAGE008
和
Figure 962696DEST_PATH_IMAGE009
；
S2、根据所述信号矩阵
Figure 168549DEST_PATH_IMAGE010
构造干扰矩阵
Figure 426355DEST_PATH_IMAGE011
，其中，
Figure 325041DEST_PATH_IMAGE012
，
Figure 778718DEST_PATH_IMAGE013
为
Figure 522683DEST_PATH_IMAGE014
维酉矩阵
Figure 431733DEST_PATH_IMAGE015
的后
Figure 235741DEST_PATH_IMAGE016
列，
Figure 433504DEST_PATH_IMAGE017
为
Figure 715581DEST_PATH_IMAGE018
的奇异值分解的左酉矩阵，
Figure 682400DEST_PATH_IMAGE019
的奇异值分解为
Figure 719626DEST_PATH_IMAGE020
，
Figure 139106DEST_PATH_IMAGE021
为
Figure 693716DEST_PATH_IMAGE022
维对角矩阵，
Figure 515041DEST_PATH_IMAGE023
为
Figure 926431DEST_PATH_IMAGE024
维酉矩阵，符号
Figure 833207DEST_PATH_IMAGE025
表示共轭转置；
S3、构造能量检测器，所述能量检测器的检测统计量为
Figure 722666DEST_PATH_IMAGE026
，其中，
Figure 664077DEST_PATH_IMAGE027
，符号
Figure 246368DEST_PATH_IMAGE028
表示矩阵的逆；
S4、根据虚警概率和系统参数确定检测门限
Figure 640440DEST_PATH_IMAGE029
；
S5、比较所述能量检测器
Figure 330660DEST_PATH_IMAGE030
与检测门限
Figure 126578DEST_PATH_IMAGE029
之间的大小；
若
Figure 879770DEST_PATH_IMAGE031
，则转至S6，
若
Figure 761138DEST_PATH_IMAGE032
，则输出判决结果：待检测数据
Figure 257979DEST_PATH_IMAGE033
中既无目标也无干扰；
S6、计算比值检测器
Figure 908403DEST_PATH_IMAGE034
，若所述比值检测器
Figure 566917DEST_PATH_IMAGE034
的值大于1，则判决存在目标，反之则判决存在干扰；
所述S4中，所述检测门限通过求解下式的初等方程得到：
Figure 935582DEST_PATH_IMAGE035
其中，
Figure 970534DEST_PATH_IMAGE036
表示系统虚警概率预设值，
Figure 741044DEST_PATH_IMAGE037
，
Figure 570459DEST_PATH_IMAGE038
、
Figure 160841DEST_PATH_IMAGE039
和
Figure 999484DEST_PATH_IMAGE040
分别表示
Figure 358921DEST_PATH_IMAGE041
、
Figure 421555DEST_PATH_IMAGE042
和
Figure 499232DEST_PATH_IMAGE043
的阶乘；
所述S6中的比较检测器为：
Figure DEST_PATH_IMAGE044
。
2.一种目标及干扰条件下的雷达检测和分类系统，其特征在于，采用如权利要求1所述的方法来实现，以及包括以下模块：
接收数据和信号矩阵构造模块，用于构造待检测数据向量、训练样本矩阵和信号矩阵；
干扰矩阵构造模块，用于利用信号矩阵构造干扰矩阵；
能量检测器模块，用于利用检测数据向量、训练样本矩阵、信号矩阵和干扰矩阵构造能量检测器；
检测门限确定模块，用于利用系统参数确定检测门限；
门限比较模块，用于比较能量检测器和检测门限的大小；
比值检测器模块，用于利用待检测数据向量、训练样本矩阵、信号矩阵和干扰矩阵构造比值检测器，并与数值1比较大小，若比值检测器大于1，则判决待检测数据中含有目标，反之，则判决待检测数据中含有干扰。
CN202210052029.9A 2022-01-18 2022-01-18 一种目标及干扰条件下的雷达检测和分类方法及系统 Active CN114089307B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210052029.9A CN114089307B (zh) 2022-01-18 2022-01-18 一种目标及干扰条件下的雷达检测和分类方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210052029.9A CN114089307B (zh) 2022-01-18 2022-01-18 一种目标及干扰条件下的雷达检测和分类方法及系统

Publications (2)

Publication Number Publication Date
CN114089307A CN114089307A (zh) 2022-02-25
CN114089307B true CN114089307B (zh) 2022-04-26

Family

ID=80308725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210052029.9A Active CN114089307B (zh) 2022-01-18 2022-01-18 一种目标及干扰条件下的雷达检测和分类方法及系统

Country Status (1)

Country Link
CN (1) CN114089307B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114660554B (zh) * 2022-05-25 2022-09-23 中国人民解放军空军预警学院 一种雷达目标和干扰的检测分类方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107085205B (zh) * 2017-04-19 2019-11-05 西安电子科技大学 基于杂波协方差矩阵结构信息的自适应检测方法
CN108535708A (zh) * 2018-01-26 2018-09-14 西安电子科技大学昆山创新研究院 基于反对称变换的雷达目标自适应检测方法
CN109001708B (zh) * 2018-08-05 2020-09-04 中国人民解放军海军航空大学 基于分级积累检测的雷达机动目标快速精细化处理方法
CN109490871A (zh) * 2018-11-23 2019-03-19 中国人民解放军空军预警学院 小样本条件下基于信号结构特征的子空间信号检测方法
CN113253251B (zh) * 2021-06-22 2021-09-24 中国人民解放军空军预警学院 目标速度未知时的fda-mimo雷达检测方法与系统

Also Published As

Publication number Publication date
CN114089307A (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
Parzen Extraction and detection problems and reproducing kernel Hilbert spaces
CN109444869B (zh) 一种用于信号失配的雷达扩展目标参数可调检测器
CN109541577B (zh) 一种部分均匀环境中未知干扰下的自适应子空间检测器
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
CN112835000B (zh) 一种非均匀杂波及干扰条件下的自适应检测方法
CN105974400A (zh) 一种基于对称谱特性的稳健空时检测方法
Abramovich et al. Order estimation and discrimination between stationary and time-varying (TVAR) autoregressive models
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
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
Sha et al. Effects of environmental uncertainties on sonar detection performance prediction
Behar et al. Adaptive CFAR PI processor for radar target detection in pulse jamming
Fa et al. Knowledge-aided STAP algorithm using convex combination of inverse covariance matrices for heterogenous clutter
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
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
CN111090089B (zh) 一种基于两类辅助数据的空时自适应检测方法
Barnard et al. Statistical normalization of spherically invariant non-Gaussian clutter
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
Xiangwei et al. Adaptive clutter map detector in nonhomogeneous environment
Su et al. Beyond 10log10m array gain: A beamforming method under non-gaussian noise and multi-sources
CN115685081B (zh) 基于glrt的干扰加噪声背景下距离扩展目标检测方法
CN114660554B (zh) 一种雷达目标和干扰的检测分类方法及系统
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
Laroussi et al. Performance analysis of ML-CFAR detection for partially correlated chi-square targets in Rayleigh correlated clutter and multiple-target situations
CN115656998B (zh) 一种低样本数下阵列信号自适应检测方法与系统
Aghaabdellahian et al. Improving performance of adaptive radar detectors in nonhomogeneous environment

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