CN114114222B - 一种强干扰复杂环境下的宽带目标检测方法 - Google Patents

Abstract

本发明公开了一种强干扰复杂环境下的宽带目标检测方法，所述方法包括：接收均匀线列阵采集的时域阵列信号，将各通道时域信号通过傅里叶变换划分为多个子带，得到阵元域‑频域信号矩阵；对阵元域‑频域信号矩阵在阵元维补零，通过空域傅里叶变换转换到频域‑波数域；设计主瓣判别方法，识别同一目标不同频率下波数谱的主瓣；设计主瓣分配规则，实现在全频带波数谱上对所有主瓣的分配；通过对处理频带内的主瓣能量累积和主瓣数目累积的相互加权处理，形成方位谱，从而实现宽带目标检测。本发明的方法具有在多目标、干扰强的复杂环境中对弱目标进行有效检测的优点，且兼具稳定性与可靠性。

Description

一种强干扰复杂环境下的宽带目标检测方法

技术领域

本发明属于阵列信号处理领域，具体涉及到一种强干扰复杂环境下的宽带目标检测方法。

背景技术

宽带目标检测是被动声纳进行水下探测的重要手段，是后续跟踪、识别的基础，在整个水下探测中是关键的一步。目前在水下复杂的环境中，多目标、强干扰严重影响了宽带弱目标的检测。因此，为了提高对水下目标的探测能力，该专利设计方法对宽带目标进行检测。

国内外学者对宽带目标信号检测问题进行了广泛而深入的研究，提出了很多的方法，例如参考文献1(Subband energy detection in passive array processing，2000)在CED的基础上提出了子带能量检测算法，共有两种模式，一种是子带峰值能量检测，只对峰值进行处理，另一种是子带极值能量检测，其不仅包括峰值还包括谷值。参考文献2(提高被动声纳宽带检测性能的一种新方法，2011)提出了一种将导向最小方差的宽带自适应波束形成与子带峰值能量检测结合的宽带检测新方法。参考文献3(一种空-频联合最优滤波的被动宽带检测方法，2021)为了对频带进行加权，提出将导向最小方差的宽带自适应波束形成与Eckart滤波结合的空-频联合的被动宽带检测，降低空域旁瓣干扰和频带内噪声的影响，提高了检测能力。参考文献4(An improved subband peak energy detection method，2016)针对由于噪声影响而使得空间一致性不那么好的复杂环境场景，提出先对子带峰值进行积分，再二次检测去除噪声峰值的方法来提高弱目标检测能力。参考文献5(提高弱目标检测的一种新方法，2016)提出了一种将主模式抑制DMR的自适应波束形成与子带峰值能量检测相结合的检测方法，充分利用DMR的高分辨方位谱，再通过“空间一致性”进行每一子带的局部峰值累加，提高了目标的检测能力。参考文献6(基于频率着色的被动声呐宽带能量检测方法，2021)通过对不同子带在宽带频谱中的能量贡献进行着色得到彩色输出结果，增加强目标附近的弱目标探测能力。参考文献7(A Method to Improve Cross-azimuthDetection of Weak Targets under Strong Interference，2021)解决强干扰下弱目标的检测与估计的被截断问题，提出了一种基于SPED的扩展带子带峰值累积检测E-SPAD方法，利用超宽带的高分辨性改善了弱目标在交叉过程的不连续，提高检测能力。参考文献8(均匀线阵超宽带波达方向估计，2018)通过零点直线的主瓣宽度来检测峰值，并对峰值进行计数，取得了很好的检测效果，参考文献9(采用条件波数谱密度函数的宽带高分辨方位谱估计算法，2019)提出了一种基于条件波数谱密度的宽带高分辨方位谱估计算法，宽带信号能量在该空间的坐标呈现与入射角相关的线性分布，通过借鉴直线检测原理，利用条件波数谱密度，实现邻近目标的高分辨方位估计。

目前上述方法，大都是在方位域-频域来进行子带峰值能量检测或子带峰值数目累加，但是在这种情况下无论是旁瓣还是栅瓣的峰值都被同时累加，虽然一定程度上利用“空间一致性”提高了宽带目标的检测能力，但是依旧会存在很高的虚警问题。在频域-波数域上进行宽带目标检测，目前未考虑到小带宽强能量或者大带宽弱能量，在这些情况下很容易出现漏检。

发明内容

本发明的目的在于克服现有技术缺陷，提出了一种强干扰复杂环境下的宽带目标检测方法。

为了实现上述目的，本发明提出了一种强干扰复杂环境下的宽带目标检测方法，所述方法包括：

步骤1)接收均匀线列阵采集的时域阵列信号，将各通道时域信号通过傅里叶变换划分为多个子带，得到阵元域-频域信号矩阵；

步骤2)对阵元域-频域信号矩阵在阵元维补零，通过空域傅里叶变换转换到频域-波数域；

步骤3)设计主瓣判别方法，识别同一目标不同频率下波数谱的主瓣；

步骤4)设计主瓣分配规则，实现在全频带波数谱上对所有主瓣的分配；

步骤5)通过对处理频带内的主瓣能量累积和主瓣数目累积的相互加权处理，形成方位谱，从而实现宽带目标检测。

作为上述方法的一种改进，所述步骤1)具体包括：

接收均匀线列阵采集的时域信号X(t)：

X(t)＝[x₁(t),x₂(t),...,x_N(t)]

其中t＝0,1,2,...,M-1，M为时域采样点数，采样频率为f_s，x_n(t)为第n个阵元采集的时域数据，n＝1,2,...,N，N为均匀线列阵的阵元个数；

对每个阵元的时域数据做M点DFT运算转换到频域，得到第n个阵元的频域数据y_n(f_k)为：

其中，频点f_k＝(k/M)f_s，k表示处理频带内第k个子带，k＝0,1,2,...,K-1，K表示子带总数，得到阵元域-频域矩阵Y_K×N为：

作为上述方法的一种改进，所述步骤2)具体包括：

步骤2-1)设置补零系数D，D为整数，D取8或16，对矩阵Y_K×N每一行补(ND-N)个零，得到补零后的矩阵

为：

其中，0_K×(ND-N)表示K×(ND-N)维的全零矩阵；

步骤2-2)对补零后的矩阵

的每一行做ND点DFT，得到矩阵

其中，

表示

中每一行前半部分构成的矩阵，

表示

中每一行后半部分构成的矩阵；

步骤2-3)对矩阵

进行平移变换，将

和

调换位置，得到阵列信号的频域-波数域表示W_K×ND：

作为上述方法的一种改进，所述步骤3)具体包括：

步骤3-1)判断某个波数谱检测点波数判断框宽度Δκ是否满足下式：

其中，σ为宽容系数；

并判断该波数谱检测点所对应的波数κ_p是否满足下式：

其中，B(κ_p)表示在波数(κ-Δκ,κ+Δκ)内，波数κ_p的能量谱最大，κ_r与κ_l分别为κ_p两侧的谷点，即谱峰两侧谷点的宽度|κ_r-κ_l|需要大于旁瓣宽度

若上述两式均满足判断条件，则κ_p为主瓣对应的波数，否则，κ_p不是主瓣对应的波数；重复该步骤，直至遍历完每一个频率下的波数谱，转至步骤3-2)；

步骤3-2)，得到不同频率下波数谱主瓣。

作为上述方法的一种改进，所述步骤4)具体包括：

步骤4-1)将整个方位谱等间隔划分H份，在每个频点f_k上，划分属于方位θ_k,h的主瓣波数集

h＝1,2,...,H，相邻方位的波数集元素个数接近；

其中，

和

分别表示第k个子带下第i个主瓣波数集和第j个主瓣波数集，K是阵列信号的频域-波数域表示W_K×ND的波数维度取值集合；主瓣波数集

满足下式：

其中，

为

的中位数，c为信号传播速度，κ为主瓣波数集

中的元素，d为均匀线列阵的阵元间距；

步骤4-2)遍历处理频带内所有子带的波数谱，在每一个波数谱上寻找主瓣，并找到包含主瓣波数κ_p的波数集

该主瓣分配给方位θ_k,h上的目标。

作为上述方法的一种改进，所述步骤5)具体包括：

步骤5-1)将处理频带内各方位的主瓣能量进行累加，获得宽带信号的能量谱估计，实现子带空间能量检测；

步骤5-2)对处理频带内各方位上所检测到的主瓣数目进行统计，获得各方位目标辐射信号的有效带宽特征信息，将主瓣数目的统计值作为方位估计的谱值，实现子带空间计数检测；

步骤5-3)将子带空间能量检测结果和子带空间计数检测结果相互加权，实现对主瓣能量采用归一化有效带宽进行加权；

步骤5-4)当有效带宽小且主瓣能量强或当有效带宽大且主瓣能量弱时，均能实现目标检测

与现有技术相比，本发明的优势在于：

1、本发明的方法具有在多目标、干扰强的复杂环境中对弱目标进行有效检测的优点，且兼具稳定性与可靠性；

2、该方法将阵列信号转换到频域-波数域，利用不同频率下波数主瓣、旁瓣宽度特征以及空间分布特征，设计了只针对主瓣的判别方法，实现对同一目标不同频率下波数谱主瓣判别，从而筛除了旁瓣、栅瓣，减少了虚警；

3、本发明只利用对目标检测有突出贡献的波数主瓣，使用处理频带内的主瓣能量累积、主瓣数目累积以及两者相互加权的方式来形成方位谱，大幅提升了处理增益，减少了传统方法的漏检问题；

4、本发明的波数主瓣判别方法，可以在已知阵列配置、环境信息时提前算好，便于利用并行化设计，使得算法耗时低，运算效率高；

5、海试实验证明该方法的有效性。

附图说明

图1是本发明的强干扰复杂环境下的宽带目标检测方法原理示意图；

图2是本发明所用的均匀线列阵模型；

图3(a)为采用本发明的方法将海试实验阵列的左舷侧的一帧数据变换到频域-波数域图；

图3(b)为将图3(a)频域-波数域图中的主瓣经过判别后的主瓣分布图；

图4(a)为采用本发明的方法将判别后的主瓣分配给各个方位之后的频率-方位能量分布图；

图4(b)为采用现有技术的频率-方位能量分布图；

图5(a)为采用本发明的方法将各个方位的主瓣数目累积形成的方位谱SSCD；

图5(b)为采用本发明的方法将各个方位的主瓣能量累积形成的方位谱SSED，以及结合SSCD与SSED的SSECD的方位谱与传统的CBF的方位谱对比度；

图6为采用现有技术在该段处理时间内的方位历程图；

图7为采用本发明的方法SSED的在该段处理时间内的方位历程图；

图8为采用本发明的方法SSCD的在该段处理时间内的方位历程图；

图9为采用本发明的方法SSECD的在该段处理时间内的方位历程图。

具体实施方式

本发明基于均匀线列阵频域-波数域的宽带目标检测方法，能够通过子带波数谱主瓣能量累积、波数谱子带数目累积以及结合两者相互加权的方式来进行宽带目标检测，其具有在多目标、干扰强的复杂环境中对弱目标进行有效检测的优点，且兼具稳定性与可靠性。本发明技术方案包括如下步骤：1)在处理带宽内，将均匀线列阵接收的时域数据通过傅里叶变换划分为多个子带；2)将得到的阵元域-频域信号矩阵在阵元维补零后，通过空域傅里叶变换转换到频域-波数域；3)根据波数主瓣、旁瓣宽度特征以及空间分布特征，设计针对主瓣的判别方法，实现对同一目标不同频率下波数谱主瓣判别；4)利用阵列配置、环境信息以及相关参数设计主瓣分配规则，使得能够在全频带上对所有的主瓣的分配；5)使用处理频带内的主瓣能量累积、主瓣数目累积以及两者相互加权的方式来形成方位谱，从而进行目标检测

针对现有的宽带目标信号检测中，利用子带峰值能量检测、子带极值能量或者子带峰值计数这类方法，没有去除旁瓣、栅瓣导致的虚警大的问题，以及对于小有效带宽能量强或大带宽能量弱这类目标导致的漏检问题，从而提出一种强干扰复杂环境下的宽带目标检测方法。包括以下步骤：

步骤1：将均匀线列阵接收的时域数据通过傅里叶变换划分为多个子带；

步骤2：对得到的阵元域-频域信号矩阵在阵元维补零，通过空域傅里叶变换转换到频域-波数域；

步骤3：根据波数主瓣、旁瓣宽度特征以及空间分布特征，设计针对主瓣的判别方法，实现对同一目标不同频率下波数谱主瓣判别；

步骤4：利用阵列配置、环境信息以及相关参数设计主瓣分配规则，使得能够在全频带上对所有的主瓣的分配；

步骤5：使用处理频带内的主瓣能量累积、主瓣数目累积以及两者相互加权的方式来形成方位谱，从而进行目标检测。

下面结合附图和实施例对本发明的技术方案进行详细的说明。

实施例

如图1所示，本发明的实施例提出了一种强干扰复杂环境下的宽带目标检测方法，其实施方式包括以下步骤：

步骤1：获取阵列接收的一帧时域数据，将其由阵元域-时域转换到阵元域-频域；具体实施如下：

取出阵列各阵元接收到的一段时域信号：

X(t)＝[x₁(t),x₂(t),...,x_N(t)]

其中t＝1,2,...,M，是在一定采样率f_s下经过AD采样之后得到的数据点，共取出M点，N为均匀线列阵的阵元个数，x_n(t)(n＝1,2,...,N)代表第n个阵元接收到的时域数据，是一个列向量，图2是所用的均匀线列阵模型；

因为每个阵元的数据点数是M点，因此可直接对每个阵元的时域数据做M点DFT运算转换到频域。

一般地，阵列信号处理在一定的处理带宽内进行，在一定采样率f_s以及DFT点数下，将时域数据转换到频域，在处理带宽内可以得到一定数量的窄带频点，设有K个子带，那么有阵元域-频域矩阵：

其每一行均表示一个频率，每一列表示一个阵元。

步骤2：对得到的阵元域-频域矩阵在阵元维补零，通过空域傅里叶变换转换到频域-波数域。

步骤2-1)设置补零系数D(D为整数，一般取8或者16，在保证算力充足能满足实时性时可以取更大)，对矩阵Y_K×N每一行补(ND-N)个零,得到：

其中0_K×(ND-N)表示K×(ND-N)维的全零矩阵。

此处进行补零，主要原因是：如果不补零，那么只对H_K×N的每一行进行DFT，其点数只有N点，如果阵元数较少，则只能够产生数量很少的点数，对应很少的方位，补零一方面能增加点数，另一方面，在补零后进行DFT，相当于进行了插值，虽然没有增加信息，但是能够使得DFT结果更加的平滑。

步骤2-2)对

的每一行做ND点DFT，得到矩阵：

其中

表示

中每一行前半部分构成的矩阵，

表示

中每一行后半部分构成的矩阵。

步骤2-3)对

进行平移变换：

由于对信号进行DFT之后，其本应包含傅里叶变换后正负频率，但是因傅里叶变换处理的算法，其负频率部分平移到了后面，因此需要对对

进行平移变换，将

每一行的后半部分移到前面，前半部分移到后面，即将

和

调换位置，得到阵列信号的频域-波数域表示：

W_K×ND即代表着由K个频点，每个频点包含ND个波数点，是一个复数矩阵。

步骤3根据波数主瓣、旁瓣宽度特征以及空间分布特征，设计针对主瓣的判别方法，实现对同一目标不同频率下波数谱主瓣判别，其步骤如下：

步骤3-1)在每一个频率下的波数谱上B_m'(k)进行峰值检测，然后对所有的峰值进行判断。设波数谱检测点所对应的波数为κ_p，波数判断框宽度为Δκ，满足：

其中σ称为宽容系数，其存在是为了更好的适应噪声和干扰环境。

步骤3-2)除了要满足上式外，同时要满足

其中κ_r与κ_l分别为κ_p两侧的谷点，即谱峰两侧谷点的宽度需要大于旁瓣宽度，那么通过上述判别即认为κ_p为主瓣对应的波数。

步骤4利用阵列配置、环境信息以及相关参数设计主瓣分配规则，使得能够在全频带上对所有的主瓣的分配；

步骤4-1)假设整个方位谱上等间隔划分为H份，可在每个频点f_k上，划分属于方位θ_k,h主瓣(h＝1,2,...,H)的波数集

h＝1,2,...,H，相邻方位的波数集元素个数接近；

其中，

和

分别表示第k个子带下第i个主瓣波数集和第j个主瓣波数集，K是步骤2的频域-波数域表示W_K×ND的波数维度取值集合；主瓣波数集

满足下式：

其中，

为

的中位数，c为信号传播速度，κ为主瓣波数集

中的元素，d为均匀线列阵的阵元间距；此外尽可能使相邻方位的波数集元素个数接近。

步骤4-2)遍历处理频带内的所有子带的波数谱，在每一个波数谱上寻找主瓣，并找到包含主瓣波数κ_p的波数集

该主瓣分配给方位θ_k,h上的目标。

步骤5：使用处理频带内的主瓣能量累积、主瓣数目累积以及两者相互加权的方式来形成方位谱，从而进行目标检测，其步骤如下：

步骤5-1)将各方位的主瓣能量进行累加，从而获得宽带信号的能量谱估计，将其称之为子带空间能量检测SSED；

步骤5-2)对各方位上所检测到的主瓣数目进行统计，并将统计值作为方位估计的谱值，称为子带空间计数检测SSCD，这实际上是在处理带宽内对该方位目标能够形成主瓣的子带数目进行统计，从而获得该方位目标辐射信号的“有效带宽”的特征信息。

步骤5-3)利用SSED与SSCD相互加权，即对主瓣能量采用归一化“有效带宽”进行加权，将该方式称为SSECD

当“有效带宽”小而能量强时或者当“有效带宽”大且能量弱时，均能较好的折中进行目标检测。

下面结合海试数据处理实施实例图进一步详细说明本发明的方法以及有益效果。

试验参数：阵列采样率为20kHz，阵列为两条舷侧阵，左右阵元个数各为48，补零系数为16，处理一帧数据点数为4096，选择处理频带为1000-4000Hz，声速为1532m/s；实验目标有一个固定声源，其发射声源为模拟舰船辐射噪声，此外海试环境中还有数量未知的渔船。

一种强干扰复杂环境下的宽带目标检测方法，具体步骤如下：

步骤S1)获取阵列接收的一帧时域数据，对应图2所示的阵列分布，将其由阵元域-时域转换到阵元域-频域，得到矩阵：

步骤S2)对应图3(a)，对得到的阵元域-频域矩阵在阵元维补零，设置补零系数D＝16(对矩阵Y_K×N每一行补(ND-N)个零,得到：

其中0_K×(ND-N)表示K×(ND-N)维的全零矩阵。通过空域傅里叶变换转换到频域-波数域，再经过平移变换即可。

步骤S3)对应图3(b)，根据波数主瓣、旁瓣宽度特征以及空间分布特征，设计针对主瓣的判别方法，实现对同一目标不同频率下波数谱主瓣判别，从图中可以看到，经过主瓣判别后，大部分旁瓣都已经消失，只有因噪声影响而残存少量非主瓣。

步骤S4)对应图4(a)，利用阵列配置、环境信息以及相关参数设计主瓣分配规则，使得能够在全频带上对所有的主瓣的分配，图中给出将主瓣分配给各个方位目标后的图，对比图4(b)的传统的方位-频率图，庞攀大大的减少，而且在目标所处的方位能够更加的清晰，使得能够更好的探测目标。

步骤S5)对应图5，使用处理频带内的主瓣能量累积、主瓣数目累积以及两者相互加权的方式来形成方位谱，从而进行目标检测，图5(a)是主瓣数目累积SSCD，图5(b)是SSED、SSECD、CBF的对比图，由于SSCD并不是一个能量的概念，因而不将上述四者画在一起，从图中可看出，SSCD的方位谱峰非常的尖锐，SSED由于只对主瓣能量进行累加，因而其功率总体来相比CBF会低，但是从目标的谱峰来看，SSED比CBF更加的突出，背景噪声更低，SSECD由于结合了SSED和SSCD的加权，能够取得很好的平衡，从图中来看也确实如此，谱峰更加的突出，在强干扰下更加有利于目标的检测。

图6是传统的宽带能量累积CBF的检测方法所得到的方位历程图，从图中看不到海试实验中的固定声源；图7是SSED的检测方法，从图中后半段能够较为清晰的探测到固定声源目标；图8是SSCD的检测方法，从图中已非常清晰的看到整个过程的固定声源所在的方位轨迹，其背景非常的清晰，对于其他方位的渔船目标也能很好的探测到；图9是SSECD的检测方法，由于结合了SSED和SSCD，也能全过程的观测到目标。

本发明为了解决复杂的环境中，在多目标、强干扰的情况下对弱的宽带目标检测的问题，提出一种强干扰复杂环境下的宽带目标检测方法，在均匀线列阵频域-波数域下利用不同频率下波数主瓣、旁瓣宽度特征以及空间分布特征，设计针对主瓣的判别方法，使用处理频带内的主瓣能量累积、主瓣数目累积以及两者相互加权的方式来进行目标检测，该方法只利用对目标检测有突出贡献的波数主瓣，提高了处理增益，增强了被动宽带弱目标的检测能力。

最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种强干扰复杂环境下的宽带目标检测方法，所述方法包括：

步骤1)接收均匀线列阵采集的时域阵列信号，将各通道时域信号通过傅里叶变换划分为多个子带，得到阵元域-频域信号矩阵；

步骤2)对阵元域-频域信号矩阵在阵元维补零，通过空域傅里叶变换转换到频域-波数域；

步骤3)设计主瓣判别方法，识别同一目标不同频率下波数谱的主瓣；

步骤4)设计主瓣分配规则，实现在全频带波数谱上对所有主瓣的分配；

步骤5)通过对处理频带内的主瓣能量累积和主瓣数目累积的相互加权处理，形成方位谱，从而实现宽带目标检测。

2.根据权利要求1所述的强干扰复杂环境下的宽带目标检测方法，其特征在于，所述步骤1)具体包括：

接收均匀线列阵采集的时域信号X(t)：

X(t)＝[x₁(t),x₂(t),...,x_N(t)]

其中t＝0,1,2,...,M-1，M为时域采样点数，采样频率为f_s，x_n(t)为第n个阵元采集的时域数据，n＝1,2,…,N，N为均匀线列阵的阵元个数；

对每个阵元的时域数据做M点DFT运算转换到频域，得到第n个阵元的频域数据y_n(f_k)为：

其中，频点f_k＝(k/M)f_s，k表示处理频带内第k个子带，k＝0,1,2,…,K-1，K表示子带总数，得到阵元域-频域矩阵Y_K×N为：

3.根据权利要求2所述的强干扰复杂环境下的宽带目标检测方法，其特征在于，所述步骤2)具体包括：

步骤2-1)设置补零系数D，D为整数，D取8或16，对矩阵Y_K×N每一行补(ND-N)个零，得到补零后的矩阵

为：

其中，0_K×(ND-N)表示K×(ND-N)维的全零矩阵；

步骤2-2)对补零后的矩阵

的每一行做ND点DFT，得到矩阵

其中，

表示

中每一行前半部分构成的矩阵，

表示

中每一行后半部分构成的矩阵；

步骤2-3)对矩阵

进行平移变换，将

和

调换位置，得到阵列信号的频域-波数域表示W_K×ND：

4.根据权利要求1所述的强干扰复杂环境下的宽带目标检测方法，其特征在于，所述步骤3)具体包括：

步骤3-1)判断某个波数谱检测点波数判断框宽度Δκ是否满足下式：

其中，σ为宽容系数；

并判断该波数谱检测点所对应的波数κ_p是否满足下式：

其中，B(κ_p)表示在波数(κ-Δκ,κ+Δκ)内，波数κ_p的能量谱最大，κ_r与κ_l分别为κ_p两侧的谷点，即谱峰两侧谷点的宽度|κ_r-κ_l|需要大于旁瓣宽度

若上述两式均满足判断条件，则κ_p为主瓣对应的波数，否则，κ_p不是主瓣对应的波数；重复该步骤，直至遍历完每一个频率下的波数谱，转至步骤3-2)；

步骤3-2)，得到不同频率下波数谱主瓣。

5.根据权利要求1所述的强干扰复杂环境下的宽带目标检测方法，其特征在于，所述步骤4)具体包括：

步骤4-1)将整个方位谱等间隔划分H份，在每个频点f_k上，划分属于方位θ_k,h的主瓣波数集

相邻方位的波数集元素个数接近；

其中，

和

分别表示第k个子带下第i个主瓣波数集和第j个主瓣波数集，S是阵列信号的频域-波数域表示W_K×ND的波数维度取值集合；主瓣波数集

满足下式：

其中，

为

的中位数，c为信号传播速度，κ为主瓣波数集

中的元素，d为均匀线列阵的阵元间距；

步骤4-2)遍历处理频带内所有子带的波数谱，在每一个波数谱上寻找主瓣，并找到包含主瓣波数κ_p的波数集

该主瓣分配给方位θ_k,h上的目标。

6.根据权利要求1所述的强干扰复杂环境下的宽带目标检测方法，其特征在于，所述步骤5)具体包括：

步骤5-1)将处理频带内各方位的主瓣能量进行累加，获得宽带信号的能量谱估计，实现子带空间能量检测；

步骤5-2)对处理频带内各方位上所检测到的主瓣数目进行统计，获得各方位目标辐射信号的有效带宽特征信息，将主瓣数目的统计值作为方位估计的谱值，实现子带空间计数检测；

步骤5-3)将子带空间能量检测结果和子带空间计数检测结果相互加权，实现对主瓣能量采用归一化有效带宽进行加权；

步骤5-4)当有效带宽小且主瓣能量强或当有效带宽大且主瓣能量弱时，均能实现目标检测。

Images