CN114660567A - 部分均匀环境中存在野值时的雷达目标检测方法与系统 - Google Patents

部分均匀环境中存在野值时的雷达目标检测方法与系统 Download PDF

Info

Publication number
CN114660567A
CN114660567A CN202210574567.4A CN202210574567A CN114660567A CN 114660567 A CN114660567 A CN 114660567A CN 202210574567 A CN202210574567 A CN 202210574567A CN 114660567 A CN114660567 A CN 114660567A
Authority
CN
China
Prior art keywords
covariance matrix
target
effective
detection
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
CN202210574567.4A
Other languages
English (en)
Other versions
CN114660567B (zh
Inventor
刘维建
叶行
林志凯
李槟槟
张昭建
周必雷
陈浩
陈辉
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 CN202210574567.4A priority Critical patent/CN114660567B/zh
Publication of CN114660567A publication Critical patent/CN114660567A/zh
Application granted granted Critical
Publication of CN114660567B publication Critical patent/CN114660567B/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
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • 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
    • 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)
  • 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

本发明公开了一种部分均匀环境中存在野值时的雷达目标检测方法与系统，属于雷达目标检测领域，首先利用雷达在待检测距离单元附近接收的训练样本构造非奇异采样协方差矩阵，然后利用非奇异采样协方差矩阵构造临时协方差矩阵估计值，接着利用训练样本和临时协方差矩阵估计值计算广义内积，并剔除环境中的野值，挑选出有效训练样本，从而构造有效协方差矩阵估计值，再计算检测统计量，并根据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。本发明的检测方法及系统消除了野值的影响，并且一体化实现了杂波抑制、信号积累和目标判决，简化了流程，提高了检测性能。

Description

部分均匀环境中存在野值时的雷达目标检测方法与系统
技术领域
本发明属于雷达目标检测领域，更具体地，涉及一种部分均匀环境中存在野值时的雷达目标检测方法与系统。
背景技术
雷达接收数据往往在距离维呈现出非均匀特性，部分均匀是一种常见的典型非均匀环境，具体指的是待检测数据和训练样本具有相同的协方差矩阵结构，但具有不同的未知功率失配。
在多通道雷达目标检测中，待检测数据的协方差矩阵通常未知，协方差矩阵的有效估计极为重要。最常用的估计方法为采样协方差矩阵，即：利用待检测数据附近的训练样本，形成采样协方差矩阵，作为待检测数据中未知协方差矩阵的估计结果。协方差矩阵在均匀环境中，是待检测数据真实协方差矩阵的最大似然估计，当训练样本数趋近无穷时，采样协方差矩阵接近待检测数据真实协方差矩阵。该结果基于对数据特定概率分布的假设，并且适用于均匀环境。然而，真实训练样本数据集中往往存在野值，且真实数据的统计特性不一定满足事先假定的统计分布。野值指的是，功率远远大于其他数据功率的数据，通常可由设备不稳定、雷达环境存在孤立杂波（如铁塔、铁路线等）等因素引起。野值的存在进一步导致雷达目标检测性能的下降。
因此，如何克服现有技术中野值的存在导致雷达目标检测性能下降的缺陷，是本领域技术人员亟需解决问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种部分均匀环境中存在野值时的雷达目标检测方法与系统，其目的在于解决部分均匀环境中存在野值时的雷达目标检测问题。
为实现上述目的，按照本发明的一个方面，提供了一种部分均匀环境中存在野值时的雷达目标检测方法，包括以下步骤：
步骤1：利用雷达在待检测距离单元附近接收的
Figure 86980DEST_PATH_IMAGE001
个训练样本
Figure 474973DEST_PATH_IMAGE002
，
Figure 681964DEST_PATH_IMAGE003
，计算每个训练样本构造的非奇异采样协方差矩阵
Figure 264255DEST_PATH_IMAGE004
，
Figure 658327DEST_PATH_IMAGE005
；
步骤2：利用所述
Figure 617056DEST_PATH_IMAGE006
个非奇异采样协方差矩阵
Figure 678553DEST_PATH_IMAGE004
，
Figure 431745DEST_PATH_IMAGE005
，计算临时协方差矩阵估计值
Figure 578693DEST_PATH_IMAGE007
；
步骤3：利用所述训练样本
Figure 75533DEST_PATH_IMAGE008
，
Figure 725957DEST_PATH_IMAGE009
，和临时协方差矩阵估计值
Figure 915630DEST_PATH_IMAGE010
计算广义内积
Figure 549874DEST_PATH_IMAGE011
，
Figure 86291DEST_PATH_IMAGE012
；
步骤4：利用所述广义内积
Figure 856801DEST_PATH_IMAGE013
，
Figure 217375DEST_PATH_IMAGE003
，剔除环境中的野值，得到
Figure 73335DEST_PATH_IMAGE014
个有效训练样本
Figure 911978DEST_PATH_IMAGE015
，
Figure 802574DEST_PATH_IMAGE016
，其中
Figure 334050DEST_PATH_IMAGE017
；
步骤5：利用所述有效训练样本
Figure 411727DEST_PATH_IMAGE018
，
Figure 54061DEST_PATH_IMAGE019
，构造有效协方差矩阵估计值
Figure 799163DEST_PATH_IMAGE020
；
步骤6：利用所述有效协方差矩阵估计值
Figure 501540DEST_PATH_IMAGE021
、雷达接收的待检测数据和信号导向矢量构造检测统计量
Figure 565049DEST_PATH_IMAGE022
，并根据虚警概率确定检测门限
Figure 745494DEST_PATH_IMAGE023
；
步骤7：比较所述检测统计量
Figure 610682DEST_PATH_IMAGE022
与检测门限
Figure 483960DEST_PATH_IMAGE023
之间的大小，若
Figure 536230DEST_PATH_IMAGE024
，则判决目标存在，反之则判决目标不存在。
进一步地，所述步骤1中非奇异采样协方差矩阵
Figure 520366DEST_PATH_IMAGE025
的表达式为
Figure 974481DEST_PATH_IMAGE026
其中，
Figure 18661DEST_PATH_IMAGE027
为
Figure 823806DEST_PATH_IMAGE028
维单位矩阵，上标
Figure 346054DEST_PATH_IMAGE029
表示共轭转置，
Figure 920255DEST_PATH_IMAGE030
为系统维数。
进一步地，所述步骤2中临时协方差矩阵估计值
Figure 869756DEST_PATH_IMAGE031
的表达式为：
Figure 132504DEST_PATH_IMAGE032
其中，
Figure 724022DEST_PATH_IMAGE033
表示矩阵指数，
Figure 152729DEST_PATH_IMAGE034
表示矩阵对数，
Figure 273132DEST_PATH_IMAGE035
为权系数，表征第
Figure 52869DEST_PATH_IMAGE036
个训练样本的重要性，
Figure 182499DEST_PATH_IMAGE037
，且满足
Figure 465713DEST_PATH_IMAGE038
，在实际中，若
Figure 22596DEST_PATH_IMAGE001
个训练样本具有相同的重要性，则
Figure 24050DEST_PATH_IMAGE039
设置为
Figure 426213DEST_PATH_IMAGE040
。
进一步地，所述步骤3中广义内积
Figure 829512DEST_PATH_IMAGE041
的表达式为：
Figure 822876DEST_PATH_IMAGE042
，
其中，
Figure 544582DEST_PATH_IMAGE043
表示矩阵的逆，
Figure 16015DEST_PATH_IMAGE044
表示共轭转置。
进一步地，所述步骤4中得到的有效训练样本
Figure 273821DEST_PATH_IMAGE045
，
Figure 172507DEST_PATH_IMAGE046
，分别为广义内积序列
Figure 882974DEST_PATH_IMAGE047
由小到大排列的前
Figure 158097DEST_PATH_IMAGE048
个值对应的训练样本；
Figure 270410DEST_PATH_IMAGE049
通过下式确定：
Figure 605576DEST_PATH_IMAGE050
，
Figure 537760DEST_PATH_IMAGE051
为满足
Figure 616575DEST_PATH_IMAGE052
的最小正整数，
Figure 848973DEST_PATH_IMAGE053
为广义内积序列的均值，即：
Figure 823882DEST_PATH_IMAGE054
，当不等式
Figure 275985DEST_PATH_IMAGE055
不成立时，令
Figure 892911DEST_PATH_IMAGE056
。
进一步地，所述步骤5中利用有效训练样本
Figure 714237DEST_PATH_IMAGE057
，
Figure 125627DEST_PATH_IMAGE058
，构造的协方差矩阵估计值
Figure 297982DEST_PATH_IMAGE059
，其表达式为：
Figure 718599DEST_PATH_IMAGE060
其中，
Figure 394431DEST_PATH_IMAGE061
表示矩阵对数，
Figure 242301DEST_PATH_IMAGE062
，
Figure 901953DEST_PATH_IMAGE063
表示使用有效训练样本构造的非奇异采样协方差矩阵，
Figure 595102DEST_PATH_IMAGE064
，
Figure 656599DEST_PATH_IMAGE065
为
Figure 409792DEST_PATH_IMAGE028
维单位矩阵，上标
Figure 789695DEST_PATH_IMAGE066
表示共轭转置，
Figure 552115DEST_PATH_IMAGE067
为权系数，表征第
Figure 468118DEST_PATH_IMAGE036
个训练样本的重要性。
进一步地，所述步骤6中检测统计量
Figure 392212DEST_PATH_IMAGE068
，其表达式为：
Figure 26455DEST_PATH_IMAGE069
其中，
Figure 326987DEST_PATH_IMAGE070
表示绝对值，
Figure 831917DEST_PATH_IMAGE071
为目标导向矢量，
Figure 192492DEST_PATH_IMAGE072
为待检测数据；
Figure 48452DEST_PATH_IMAGE073
表示共轭转置，
Figure 887095DEST_PATH_IMAGE074
表示矩阵的逆。
检测门限
Figure 777691DEST_PATH_IMAGE075
通过下述方法确定：
Figure 309166DEST_PATH_IMAGE076
式中，
Figure 652423DEST_PATH_IMAGE077
，
Figure 518924DEST_PATH_IMAGE078
为蒙特卡洛仿真次数，
Figure 264026DEST_PATH_IMAGE079
为系统设定的虚警概率值，
Figure 966403DEST_PATH_IMAGE080
为取整操作，
Figure 531376DEST_PATH_IMAGE081
为序列
Figure 977401DEST_PATH_IMAGE082
由大到小排列第
Figure 842589DEST_PATH_IMAGE083
个最大值，
Figure 715867DEST_PATH_IMAGE084
为仅含噪声分量的待检测数据的第
Figure 502557DEST_PATH_IMAGE085
次实验，
Figure 752273DEST_PATH_IMAGE085
表示第
Figure 206388DEST_PATH_IMAGE086
次蒙特卡洛仿真实验。
Figure 250568DEST_PATH_IMAGE087
Figure 790133DEST_PATH_IMAGE088
，
Figure 810917DEST_PATH_IMAGE089
，
Figure 385117DEST_PATH_IMAGE090
，为第
Figure 600198DEST_PATH_IMAGE085
次蒙特卡洛仿真实验时广义内积序列
Figure 892639DEST_PATH_IMAGE091
由小到大排列的前
Figure 952999DEST_PATH_IMAGE092
个值对应的训练样本；具体地，
Figure 647286DEST_PATH_IMAGE093
为
Figure 767688DEST_PATH_IMAGE094
对应的训练样本，其中，
Figure 281846DEST_PATH_IMAGE095
；类似地，
Figure 411476DEST_PATH_IMAGE096
为
Figure 694690DEST_PATH_IMAGE097
对应的训练样本，以此类推；
Figure 251573DEST_PATH_IMAGE098
为第
Figure 253027DEST_PATH_IMAGE085
次蒙特卡洛仿真实验时的有效训练样本个数，
Figure 422234DEST_PATH_IMAGE098
通过下式确定：
Figure 825534DEST_PATH_IMAGE099
，
Figure 553318DEST_PATH_IMAGE100
为满足
Figure 776489DEST_PATH_IMAGE101
的最小正整数，
Figure 513501DEST_PATH_IMAGE102
为广义内积序列的均值，即：
Figure 771307DEST_PATH_IMAGE103
，
Figure 669993DEST_PATH_IMAGE104
，
Figure 380460DEST_PATH_IMAGE105
为第
Figure 655583DEST_PATH_IMAGE086
次蒙特卡洛仿真实验中第
Figure 502317DEST_PATH_IMAGE036
个训练样本，当不等式
Figure 837483DEST_PATH_IMAGE106
不成立时，令
Figure 35246DEST_PATH_IMAGE107
。
另一方面，本发明提供了一种部分均匀环境中存在野值时的雷达目标检测系统，包括：
单样本协方差矩阵构造模块，用于利用雷达在待检测距离单元附近接收的训练样本构造非奇异协方差矩阵；
临时协方差矩阵构造模块，用于利用所述非奇异采样协方差矩阵构造临时协方差矩阵估计值；
广义内积计算模块，用于利用训练样本和临时协方差矩阵计算广义内积；
有效训练样本挑选模块，用于利用广义内积剔除环境中的野值，得到有效训练样本；
有效协方差矩阵构造模块，用于利用所述有效训练样本构造有效协方差矩阵；
检测统计量计算及检测门限确定模块，用于利用雷达接收的待检测数据、信号导向矢量和所述有效协方差矩阵构造检测统计量，并根据虚警概率确定检测门限；
目标判决模块，用于比较检测统计量和检测门限的大小，并判决目标是否存在，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。
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）通过计算广义内积
Figure 612596DEST_PATH_IMAGE108
，
Figure 313836DEST_PATH_IMAGE109
，并按照大小排序，剔除了野值，挑选出了有效训练样本
Figure 819903DEST_PATH_IMAGE110
，为提高对待检测单元协方差矩阵的估计提供了保证。
（2）通过构造有效协方差矩阵估计值
Figure 504963DEST_PATH_IMAGE111
，实现了在不依赖数据统计分布前提下对待检测单元协方差矩阵的有效估计。
（3）通过构造检测统计量
Figure 856309DEST_PATH_IMAGE112
，一体化实现了杂波抑制、信号积累和目标检测。
（4）本发明可以解决部分均匀环境中存在野值时的雷达目标检测问题，提高了雷达目标检测性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明所述一种部分均匀环境中存在野值时的雷达目标检测方法原理示意图；
图2为本发明所述一种部分均匀环境中存在野值时的雷达目标检测系统结构框架图；
图3为本发明所提方法剔除野值选取有效训练样本的概率结果示意图；
图4为本发明所提方法的目标检测结果示意图。
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，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。
雷达在进行目标检测时，逐个方位分辨单元、逐个距离单元依次判断是否存在目标。当判断某个方位、某个距离单元是否存在目标时，该单元通常被称为待检测单元，相应地，待检测单元的接收数据被称为待检测数据。为了判决待检测单元是否存在目标，通常还要用到训练样本数据，训练样本通常与待检测单元处于同一个方位，且在该待检测单元附近的不同距离单元。
假设雷达的系统维数为
Figure 943214DEST_PATH_IMAGE030
，则待检测距离单元的回波数据可以用
Figure 620183DEST_PATH_IMAGE113
维列向量
Figure 792538DEST_PATH_IMAGE114
表示。当待检测数据
Figure 947576DEST_PATH_IMAGE114
中含有目标时，
Figure 888987DEST_PATH_IMAGE114
可表示为
Figure 736858DEST_PATH_IMAGE115
，其中，
Figure 396509DEST_PATH_IMAGE116
表示信号导向矢量，
Figure 591124DEST_PATH_IMAGE117
为目标未知幅度，
Figure 652620DEST_PATH_IMAGE118
为杂波和热噪声之和。当待检测数据
Figure 405813DEST_PATH_IMAGE114
中不含有目标时，
Figure 287181DEST_PATH_IMAGE114
可表示为
Figure 49601DEST_PATH_IMAGE119
。在实际环境中，
Figure 965604DEST_PATH_IMAGE118
的协方差矩阵
Figure 155277DEST_PATH_IMAGE120
未知，为了估计
Figure 258362DEST_PATH_IMAGE120
，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 558894DEST_PATH_IMAGE121
个训练样本，记作
Figure 594983DEST_PATH_IMAGE122
，
Figure 689978DEST_PATH_IMAGE123
，令训练样本的协方差矩阵为
Figure 545938DEST_PATH_IMAGE124
。在部分均匀环境中，
Figure 650161DEST_PATH_IMAGE125
，其中，
Figure 39291DEST_PATH_IMAGE126
为待检测数据和训练样本的未知功率失配。综上所述，检测问题可用二元假设检验表示为：
Figure 305188DEST_PATH_IMAGE127
其中，
Figure 648444DEST_PATH_IMAGE128
表示待检测数据仅含有杂波及热噪声，
Figure 290778DEST_PATH_IMAGE129
表示待检测数据含有杂波、热噪声和目标信号。针对式中的检测问题，相应的广义似然比检测器为：
Figure 770301DEST_PATH_IMAGE130
需要指出的是，上述关于训练样本
Figure 472678DEST_PATH_IMAGE131
独立同分布的假设在实际环境中可能不成立，例如，当某几个训练样本包含铁塔或者铁路反射回的强回波信号时，其功率往往远远高于其他训练样本，这类训练样本可被称为野值。野值的存在会导致式所示的检测器性能严重下降。
本发明的目的在于解决部分均匀环境中存在野值时的目标检测难题。为了实现上述目的，请参阅图1所示，本实施例提供了一种部分均匀环境中存在野值时的雷达目标检测方法，包括：
步骤1：利用利用雷达在待检测距离单元附近接收的
Figure 303231DEST_PATH_IMAGE001
个训练样本
Figure 749255DEST_PATH_IMAGE132
，
Figure 83285DEST_PATH_IMAGE133
，计算每个训练样本构造的非奇异采样协方差矩阵
Figure 956563DEST_PATH_IMAGE025
，
Figure 274412DEST_PATH_IMAGE133
；
步骤2：利用所述
Figure 524127DEST_PATH_IMAGE006
个非奇异采样协方差矩阵
Figure 214128DEST_PATH_IMAGE025
，
Figure 258308DEST_PATH_IMAGE133
，计算临时协方差矩阵估计值
Figure 63453DEST_PATH_IMAGE134
；
步骤3：利用所述训练样本
Figure 585701DEST_PATH_IMAGE132
，
Figure 159902DEST_PATH_IMAGE133
，和临时协方差矩阵估计值
Figure 374982DEST_PATH_IMAGE134
计算广义内积
Figure 401844DEST_PATH_IMAGE135
，
Figure 727783DEST_PATH_IMAGE133
；
步骤4：利用所述广义内积
Figure 890911DEST_PATH_IMAGE135
，
Figure 276893DEST_PATH_IMAGE133
，剔除环境中存在的野值，挑选出有效训练样本
Figure 525472DEST_PATH_IMAGE136
，
Figure 153637DEST_PATH_IMAGE137
；
步骤5：利用所述有效训练样本
Figure 702430DEST_PATH_IMAGE136
，
Figure 259313DEST_PATH_IMAGE137
，构造有效协方差矩阵估计值
Figure 995188DEST_PATH_IMAGE138
；
步骤6：利用所述有效协方差矩阵估计值
Figure 928509DEST_PATH_IMAGE138
、雷达接收的待检测数据和信号导向矢量构造检测统计量
Figure 331809DEST_PATH_IMAGE139
，并根据虚警概率确定检测门限
Figure 794014DEST_PATH_IMAGE140
；
步骤7：比较所述检测统计量
Figure 282764DEST_PATH_IMAGE139
与检测门限
Figure 754197DEST_PATH_IMAGE141
之间的大小，若
Figure 12003DEST_PATH_IMAGE142
，则判决目标存在，反之则判决目标不存在。
所述步骤1中非奇异采样协方差矩阵
Figure 910689DEST_PATH_IMAGE143
的表达式为：
Figure 886735DEST_PATH_IMAGE144
其中，
Figure 143884DEST_PATH_IMAGE145
为
Figure 521775DEST_PATH_IMAGE028
维单位矩阵，上标
Figure 591363DEST_PATH_IMAGE146
表示共轭转置，
Figure 789126DEST_PATH_IMAGE030
为系统维数。
所述步骤2中临时协方差矩阵估计值
Figure 602361DEST_PATH_IMAGE147
的表达式为：
Figure 834759DEST_PATH_IMAGE148
其中，
Figure 340827DEST_PATH_IMAGE149
和
Figure 760307DEST_PATH_IMAGE150
分别表示矩阵指数和矩阵对数，
Figure 377233DEST_PATH_IMAGE151
为权系数，表征第
Figure 464138DEST_PATH_IMAGE036
个训练样本的重要性，且满足
Figure 875528DEST_PATH_IMAGE152
，在实际中，若
Figure 47883DEST_PATH_IMAGE001
个训练样本具有相同的重要性，则
Figure 202921DEST_PATH_IMAGE153
设置为
Figure 642867DEST_PATH_IMAGE154
。
所述步骤3中广义内积
Figure 490737DEST_PATH_IMAGE155
的表达式为：
Figure 150389DEST_PATH_IMAGE156
，
其中，
Figure 109118DEST_PATH_IMAGE157
表示矩阵的逆。
所述步骤4中挑选出的有效训练样本
Figure 639456DEST_PATH_IMAGE158
，
Figure 658228DEST_PATH_IMAGE159
，分别为广义内积序列
Figure 805175DEST_PATH_IMAGE160
由小到大排列的前
Figure 302016DEST_PATH_IMAGE161
个值对应的训练样本；具体地，
Figure 218019DEST_PATH_IMAGE162
为
Figure 142113DEST_PATH_IMAGE163
对应的训练样本，其中，
Figure 776356DEST_PATH_IMAGE164
；类似地，
Figure 811308DEST_PATH_IMAGE165
为
Figure 348862DEST_PATH_IMAGE166
对应的训练样本，以此类推；
Figure 178278DEST_PATH_IMAGE167
为有效训练样本个数，
Figure 299818DEST_PATH_IMAGE168
，
Figure 404040DEST_PATH_IMAGE169
通过下式确定：
Figure 29056DEST_PATH_IMAGE170
，
Figure 560532DEST_PATH_IMAGE171
为满足
Figure 638209DEST_PATH_IMAGE172
的最小正整数，
Figure 546123DEST_PATH_IMAGE173
为广义内积序列的均值，即：
Figure 291225DEST_PATH_IMAGE174
，当不等式
Figure 728022DEST_PATH_IMAGE175
不成立时，令
Figure 558575DEST_PATH_IMAGE176
。
所述步骤5中利用有效训练样本
Figure 739021DEST_PATH_IMAGE177
，
Figure 837164DEST_PATH_IMAGE178
，构造的协方差矩阵估计值
Figure 710442DEST_PATH_IMAGE179
，其表达式为：
Figure 28291DEST_PATH_IMAGE180
其中，
Figure 746849DEST_PATH_IMAGE181
，
Figure 466543DEST_PATH_IMAGE182
。
所述步骤6中检测统计量
Figure 510722DEST_PATH_IMAGE183
，其表达式为：
Figure 50288DEST_PATH_IMAGE184
其中，
Figure 838115DEST_PATH_IMAGE185
表示绝对值，
Figure 412316DEST_PATH_IMAGE186
为目标导向矢量，
Figure 361818DEST_PATH_IMAGE187
为待检测数据；
检测门限
Figure 388680DEST_PATH_IMAGE188
通过下述方法确定：
Figure 980198DEST_PATH_IMAGE189
式中，
Figure 644791DEST_PATH_IMAGE190
，
Figure 30773DEST_PATH_IMAGE078
为蒙特卡洛仿真次数，
Figure 810510DEST_PATH_IMAGE191
为系统设定的虚警概率值，
Figure 940140DEST_PATH_IMAGE192
为取整操作，
Figure 957775DEST_PATH_IMAGE193
为序列
Figure 780237DEST_PATH_IMAGE194
由大到小排列第
Figure 781691DEST_PATH_IMAGE195
个最大值，
Figure 715012DEST_PATH_IMAGE196
为仅含噪声分量的待检测数据的第
Figure 587153DEST_PATH_IMAGE197
次实验。
Figure 580517DEST_PATH_IMAGE198
，
Figure 803688DEST_PATH_IMAGE199
，
Figure 275120DEST_PATH_IMAGE200
，
Figure 532926DEST_PATH_IMAGE201
，为第
Figure 195727DEST_PATH_IMAGE085
次蒙特卡洛仿真实验时广义内积序列
Figure 640615DEST_PATH_IMAGE202
由小到大排列的前
Figure 915738DEST_PATH_IMAGE203
个值对应的训练样本；具体地，
Figure 293630DEST_PATH_IMAGE204
为
Figure 97638DEST_PATH_IMAGE205
对应的训练样本，其中，
Figure 560980DEST_PATH_IMAGE206
；类似地，
Figure 374215DEST_PATH_IMAGE207
为
Figure 606614DEST_PATH_IMAGE208
对应的训练样本，以此类推；
Figure 581523DEST_PATH_IMAGE209
为第
Figure 532161DEST_PATH_IMAGE085
次蒙特卡洛仿真实验时的有效训练样本个数，
Figure 149087DEST_PATH_IMAGE210
通过下式确定：
Figure 970413DEST_PATH_IMAGE211
，
Figure 148847DEST_PATH_IMAGE212
为满足
Figure 321202DEST_PATH_IMAGE213
的最小正整数，
Figure 476240DEST_PATH_IMAGE214
为广义内积序列的均值，即：
Figure 417651DEST_PATH_IMAGE215
，
Figure 999942DEST_PATH_IMAGE216
，
Figure 659594DEST_PATH_IMAGE217
为第
Figure 352743DEST_PATH_IMAGE086
次蒙特卡洛仿真实验中第
Figure 414240DEST_PATH_IMAGE036
个训练样本，当不等式
Figure 433012DEST_PATH_IMAGE218
不成立时，令
Figure 314380DEST_PATH_IMAGE219
。
请参阅图2所示，本发明提供了一种部分均匀环境中存在野值时的雷达目标检测系统，包括：
单样本协方差矩阵构造模块，用于利用雷达在待检测距离单元附近接收的训练样本构造非奇异协方差矩阵；
临时协方差矩阵构造模块，用于利用所述非奇异采样协方差矩阵构造临时协方差矩阵估计值；
广义内积计算模块，用于利用训练样本和临时协方差矩阵计算广义内积；
有效训练样本挑选模块，用于利用广义内积剔除环境中的野值，得到有效训练样本；
有效协方差矩阵构造模块，用于利用所述有效训练样本构造有效协方差矩阵；
检测统计量计算及检测门限确定模块，用于利用雷达接收的待检测数据、信号导向矢量和所述有效协方差矩阵构造检测统计量，并根据虚警概率确定检测门限；
目标判决模块，用于比较检测统计量和检测门限的大小，并判决目标是否存在，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。
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1
假设待检测数据中含有野值。令雷达系统通道数为
Figure 811220DEST_PATH_IMAGE220
，样本数为
Figure 461645DEST_PATH_IMAGE221
。杂波加噪声协方差矩阵建模为
Figure 149853DEST_PATH_IMAGE222
，
Figure 784096DEST_PATH_IMAGE223
的第
Figure 84628DEST_PATH_IMAGE224
个元素被设置为
Figure 589558DEST_PATH_IMAGE225
，
Figure 950132DEST_PATH_IMAGE226
表示复数单位，即：
Figure 71672DEST_PATH_IMAGE227
，
Figure 644736DEST_PATH_IMAGE228
，
Figure 535332DEST_PATH_IMAGE229
，
Figure 66807DEST_PATH_IMAGE230
表示
Figure 144485DEST_PATH_IMAGE231
的绝对值，其中
Figure 52398DEST_PATH_IMAGE232
，
Figure 797500DEST_PATH_IMAGE233
，
Figure 724043DEST_PATH_IMAGE234
，野值个数4个，表示为：
Figure 554596DEST_PATH_IMAGE235
假设4个野值功率相同，
Figure 469463DEST_PATH_IMAGE236
，
Figure 334650DEST_PATH_IMAGE237
，
Figure 207929DEST_PATH_IMAGE238
，
Figure 525777DEST_PATH_IMAGE239
。
图3给出了本发明所提方法在不同野值功率下，剔除野值挑选出有效训练样本的概率，图例中的SCM表示现有基于采样协方差矩阵的广义内积方法。从图中可以看出，本发明所提方法比现有方法具有更高的野值剔除概率，且随着野值功率的增加，所提方法能够以较高概率剔除这些野值。
仿真实验2
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 244335DEST_PATH_IMAGE240
，信号矩阵的具有结构
Figure 964029DEST_PATH_IMAGE241
，其中
Figure 8208DEST_PATH_IMAGE242
为目标归一化频率，在仿真中令
Figure 547774DEST_PATH_IMAGE243
，野值功率设置为20dB，其他参数与仿真实验1相同。图4给出了本发明所提方法与现有方法在不同信杂噪比下的目标检测概率。从图中可以看出，随着信杂噪比的提高，本发明所提方法的目标检测概率逐渐提高，且相比现有方法，当检测概率为80%时，具有6dB以上的性能提高，即：在检测概率不变的前提下，所需要的信杂噪比降低6dB。
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 (9)

1.一种部分均匀环境中存在野值时的雷达目标检测方法，其特征在于，包括：
步骤1：利用雷达在待检测距离单元附近接收的
Figure 52982DEST_PATH_IMAGE001
个训练样本
Figure 378922DEST_PATH_IMAGE002
，
Figure 807629DEST_PATH_IMAGE003
，计算每个训练样本构造的非奇异采样协方差矩阵
Figure 459190DEST_PATH_IMAGE004
，
Figure 707769DEST_PATH_IMAGE005
；
步骤2：利用所述
Figure 837399DEST_PATH_IMAGE006
个非奇异采样协方差矩阵
Figure 386192DEST_PATH_IMAGE004
，
Figure 677496DEST_PATH_IMAGE005
，计算临时协方差矩阵估计值
Figure 678950DEST_PATH_IMAGE007
；
步骤3：利用所述训练样本
Figure 612271DEST_PATH_IMAGE008
，
Figure 248526DEST_PATH_IMAGE009
，和临时协方差矩阵估计值
Figure 976311DEST_PATH_IMAGE010
计算广义内积
Figure 465061DEST_PATH_IMAGE011
，
Figure 670914DEST_PATH_IMAGE012
；
步骤4：利用所述广义内积
Figure 928720DEST_PATH_IMAGE013
，
Figure 92986DEST_PATH_IMAGE003
，剔除环境中的野值，得到
Figure 69032DEST_PATH_IMAGE014
个有效训练样本
Figure 812997DEST_PATH_IMAGE015
，
Figure 190889DEST_PATH_IMAGE016
，其中
Figure 260476DEST_PATH_IMAGE017
；
步骤5：利用所述有效训练样本
Figure 458239DEST_PATH_IMAGE018
，
Figure 271474DEST_PATH_IMAGE019
，构造有效协方差矩阵估计值
Figure 503872DEST_PATH_IMAGE020
；
步骤6：利用所述有效协方差矩阵估计值
Figure 511405DEST_PATH_IMAGE021
、雷达接收的待检测数据和信号导向矢量构造检测统计量
Figure 930885DEST_PATH_IMAGE022
，并根据虚警概率确定检测门限
Figure 547811DEST_PATH_IMAGE023
；
步骤7：比较所述检测统计量
Figure 634716DEST_PATH_IMAGE022
与检测门限
Figure 46106DEST_PATH_IMAGE023
之间的大小，若
Figure 218461DEST_PATH_IMAGE024
，则判决目标存在，反之则判决目标不存在。
2.根据权利要求1所述的一种部分均匀环境中存在野值时的雷达目标检测方法，其特征在于，所述步骤1中非奇异采样协方差矩阵
Figure 373499DEST_PATH_IMAGE025
的表达式为
Figure 580489DEST_PATH_IMAGE026
其中，
Figure 162780DEST_PATH_IMAGE027
为
Figure 822432DEST_PATH_IMAGE028
维单位矩阵，上标
Figure 781160DEST_PATH_IMAGE029
表示共轭转置，
Figure 311499DEST_PATH_IMAGE030
为系统维数。
3.根据权利要求1所述的一种部分均匀环境中存在野值时的雷达目标检测方法，其特征在于，所述步骤2中临时协方差矩阵估计值
Figure 828806DEST_PATH_IMAGE031
的表达式为：
Figure 975753DEST_PATH_IMAGE032
其中，
Figure 738173DEST_PATH_IMAGE033
表示矩阵指数，
Figure 654176DEST_PATH_IMAGE034
表示矩阵对数，
Figure 312691DEST_PATH_IMAGE035
为权系数，表征第
Figure 946934DEST_PATH_IMAGE036
个训练样本的重要性，
Figure 247466DEST_PATH_IMAGE037
，且满足
Figure 283555DEST_PATH_IMAGE038
。
4.根据权利要求1所述的一种部分均匀环境中存在野值时的雷达目标检测方法，其特征在于，所述步骤3中广义内积
Figure 112970DEST_PATH_IMAGE039
的表达式为：
Figure 234510DEST_PATH_IMAGE040
，
其中，
Figure 338732DEST_PATH_IMAGE041
表示矩阵的逆，
Figure 963749DEST_PATH_IMAGE042
表示共轭转置。
5.根据权利要求1所述的一种部分均匀环境中存在野值时的雷达目标检测方法，其特征在于，所述步骤4中得到的有效训练样本
Figure 229645DEST_PATH_IMAGE043
，
Figure 74367DEST_PATH_IMAGE044
，分别为广义内积序列
Figure 716701DEST_PATH_IMAGE045
由小到大排列的前
Figure 461803DEST_PATH_IMAGE046
个值对应的训练样本；
Figure 164179DEST_PATH_IMAGE047
通过下式确定：
Figure 994732DEST_PATH_IMAGE048
，
Figure 440757DEST_PATH_IMAGE049
为满足
Figure 774786DEST_PATH_IMAGE050
的最小正整数，
Figure 648064DEST_PATH_IMAGE051
为广义内积序列的均值，即：
Figure 965913DEST_PATH_IMAGE052
，当不等式
Figure 684471DEST_PATH_IMAGE053
不成立时，令
Figure 404165DEST_PATH_IMAGE054
。
6.根据权利要求1所述的一种部分均匀环境中存在野值时的雷达目标检测方法，其特征在于，所述步骤5中利用有效训练样本
Figure 448344DEST_PATH_IMAGE055
，
Figure 253489DEST_PATH_IMAGE056
，构造的协方差矩阵估计值
Figure 539852DEST_PATH_IMAGE057
，其表达式为：
Figure 848473DEST_PATH_IMAGE058
其中，
Figure 63554DEST_PATH_IMAGE059
表示矩阵对数，
Figure 90416DEST_PATH_IMAGE060
，
Figure 416355DEST_PATH_IMAGE061
表示使用有效训练样本构造的非奇异采样协方差矩阵，
Figure 845062DEST_PATH_IMAGE062
，
Figure 231044DEST_PATH_IMAGE063
为
Figure 745202DEST_PATH_IMAGE028
维单位矩阵，上标
Figure 874832DEST_PATH_IMAGE064
表示共轭转置，
Figure 158046DEST_PATH_IMAGE065
为权系数，表征第
Figure 714929DEST_PATH_IMAGE036
个训练样本的重要性。
7.根据权利要求1所述的一种部分均匀环境中存在野值时的雷达目标检测方法，其特征在于，所述步骤6中检测统计量
Figure 940550DEST_PATH_IMAGE066
，其表达式为：
Figure 873871DEST_PATH_IMAGE067
其中，
Figure 11592DEST_PATH_IMAGE068
表示绝对值，
Figure 739376DEST_PATH_IMAGE069
为目标导向矢量，
Figure 228126DEST_PATH_IMAGE070
为待检测数据；
Figure 699559DEST_PATH_IMAGE071
表示共轭转置，
Figure 957365DEST_PATH_IMAGE072
表示矩阵的逆。
8.根据权利要求7所述的一种部分均匀环境中存在野值时的雷达目标检测方法，其特征在于，所述步骤6中检测门限
Figure 856051DEST_PATH_IMAGE073
的确定方法为：
Figure 566518DEST_PATH_IMAGE074
式中，
Figure 576062DEST_PATH_IMAGE075
，
Figure 953954DEST_PATH_IMAGE076
为蒙特卡洛仿真次数，
Figure 23541DEST_PATH_IMAGE077
为系统设定的虚警概率值，
Figure 486883DEST_PATH_IMAGE078
为取整操作，
Figure 798654DEST_PATH_IMAGE079
为序列
Figure 765473DEST_PATH_IMAGE080
由大到小排列第
Figure 5961DEST_PATH_IMAGE081
个最大值，
Figure 956600DEST_PATH_IMAGE082
为仅含噪声分量的待检测数据的第
Figure 573526DEST_PATH_IMAGE083
次实验，
Figure 394851DEST_PATH_IMAGE083
表示第
Figure 71820DEST_PATH_IMAGE084
次蒙特卡洛仿真实验。
9.一种部分均匀环境中存在野值时的雷达目标检测系统，其特征在于，包括：
单样本协方差矩阵构造模块，用于利用雷达在待检测距离单元附近接收的训练样本构造非奇异协方差矩阵；
临时协方差矩阵构造模块，用于利用所述非奇异采样协方差矩阵构造临时协方差矩阵估计值；
广义内积计算模块，用于利用训练样本和临时协方差矩阵计算广义内积；
有效训练样本挑选模块，用于利用广义内积剔除环境中的野值，得到有效训练样本；
有效协方差矩阵构造模块，用于利用所述有效训练样本构造有效协方差矩阵；
检测统计量计算及检测门限确定模块，用于利用雷达接收的待检测数据、信号导向矢量和所述有效协方差矩阵构造检测统计量，并根据虚警概率确定检测门限；
目标判决模块，用于比较检测统计量和检测门限的大小，并判决目标是否存在，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。
CN202210574567.4A 2022-05-25 2022-05-25 部分均匀环境中存在野值时的雷达目标检测方法与系统 Active CN114660567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210574567.4A CN114660567B (zh) 2022-05-25 2022-05-25 部分均匀环境中存在野值时的雷达目标检测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210574567.4A CN114660567B (zh) 2022-05-25 2022-05-25 部分均匀环境中存在野值时的雷达目标检测方法与系统

Publications (2)

Publication Number Publication Date
CN114660567A true CN114660567A (zh) 2022-06-24
CN114660567B CN114660567B (zh) 2022-09-02

Family

ID=82038174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210574567.4A Active CN114660567B (zh) 2022-05-25 2022-05-25 部分均匀环境中存在野值时的雷达目标检测方法与系统

Country Status (1)

Country Link
CN (1) CN114660567B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114994632A (zh) * 2022-08-03 2022-09-02 中国人民解放军空军预警学院 一种基于对称功率谱密度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
CN115687931A (zh) * 2022-11-22 2023-02-03 中国人民解放军空军预警学院 一种极低训练样本数时的空时自适应处理方法与系统
CN115754970A (zh) * 2022-12-22 2023-03-07 中国人民解放军空军预警学院 一种分布式无人机载雷达空时自适应目标检测方法与系统
CN115902810A (zh) * 2022-12-29 2023-04-04 中国人民解放军空军预警学院 非均匀环境中分布式无人机载雷达扩展目标检测器与系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012101211A1 (fr) * 2011-01-27 2012-08-02 Thales Procede d'affichage de la surface equivalente radar minimale detectable
US20120249361A1 (en) * 2011-04-04 2012-10-04 Zafer Sahinoglu Method for Detecting Targets Using Space-Time Adaptive Processing
CN106855618A (zh) * 2017-03-06 2017-06-16 西安电子科技大学 基于广义内积任意阵列下的干扰样本剔除方法
CN109375178A (zh) * 2018-10-29 2019-02-22 中国电子科技集团公司第十四研究所 一种基于稀疏重构的机会阵机载雷达非均匀杂波检测方法
CN111948634A (zh) * 2020-07-19 2020-11-17 中国人民解放军空军预警学院 干扰条件下基于协方差矩阵重构的目标检测方法与装置
CN112799043A (zh) * 2021-04-08 2021-05-14 中国人民解放军空军预警学院 一种部分均匀环境中存在干扰时的扩展目标检测器与系统
CN113267758A (zh) * 2021-07-16 2021-08-17 中国人民解放军空军预警学院 一种复合高斯环境下存在干扰时的目标检测方法与系统
CN113376613A (zh) * 2021-08-16 2021-09-10 南京隼眼电子科技有限公司 用于雷达探测的恒虚警检测方法、装置及电子设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012101211A1 (fr) * 2011-01-27 2012-08-02 Thales Procede d'affichage de la surface equivalente radar minimale detectable
US20120249361A1 (en) * 2011-04-04 2012-10-04 Zafer Sahinoglu Method for Detecting Targets Using Space-Time Adaptive Processing
CN106855618A (zh) * 2017-03-06 2017-06-16 西安电子科技大学 基于广义内积任意阵列下的干扰样本剔除方法
CN109375178A (zh) * 2018-10-29 2019-02-22 中国电子科技集团公司第十四研究所 一种基于稀疏重构的机会阵机载雷达非均匀杂波检测方法
CN111948634A (zh) * 2020-07-19 2020-11-17 中国人民解放军空军预警学院 干扰条件下基于协方差矩阵重构的目标检测方法与装置
CN112799043A (zh) * 2021-04-08 2021-05-14 中国人民解放军空军预警学院 一种部分均匀环境中存在干扰时的扩展目标检测器与系统
CN113267758A (zh) * 2021-07-16 2021-08-17 中国人民解放军空军预警学院 一种复合高斯环境下存在干扰时的目标检测方法与系统
CN113376613A (zh) * 2021-08-16 2021-09-10 南京隼眼电子科技有限公司 用于雷达探测的恒虚警检测方法、装置及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AREF MIRI REKAVANDI 等: "ADAPTIVE MATCHED FILTER USING NON-TARGET FREE TRAINING DATA", 《IEEE》 *
王强 等: "基于矩阵相似度的空时二维干扰检测方法", 《系统工程与电子技术》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114994632A (zh) * 2022-08-03 2022-09-02 中国人民解放军空军预警学院 一种基于对称功率谱密度的雷达目标检测方法与系统
CN114994632B (zh) * 2022-08-03 2022-10-28 中国人民解放军空军预警学院 一种基于对称功率谱密度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
CN115687931A (zh) * 2022-11-22 2023-02-03 中国人民解放军空军预警学院 一种极低训练样本数时的空时自适应处理方法与系统
CN115687931B (zh) * 2022-11-22 2023-06-27 中国人民解放军空军预警学院 一种极低训练样本数时的空时自适应处理方法与系统
CN115754970A (zh) * 2022-12-22 2023-03-07 中国人民解放军空军预警学院 一种分布式无人机载雷达空时自适应目标检测方法与系统
CN115902810A (zh) * 2022-12-29 2023-04-04 中国人民解放军空军预警学院 非均匀环境中分布式无人机载雷达扩展目标检测器与系统
CN115902810B (zh) * 2022-12-29 2024-04-19 中国人民解放军空军预警学院 非均匀环境中分布式无人机载雷达扩展目标检测器与系统

Also Published As

Publication number Publication date
CN114660567B (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
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
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
CN110932806B (zh) 一种alpha稳定噪声衰落信道下多天线频谱感知方法及系统
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
CN114363128B (zh) 一种基于深度学习的宽带信号检测方法
CN112799043B (zh) 一种部分均匀环境中存在干扰时的扩展目标检测器与系统
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
CN106093925B (zh) 一种多雷达联合检测方法
CN109557561B (zh) 基于稳健协方差矩阵的ads-b压制式干扰抑制方法
CN112014818B (zh) 一种基于批处理clean的杂波抑制方法
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
CN112462352B (zh) 一种适用于低信噪比条件下的线谱增强方法
CN112799042A (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
CN110190917B (zh) 一种LTE230MHz电力无线专网的频谱空洞感知方法、装置及设备
CN106443612B (zh) 一种基于信息熵的多雷达混合检测方法
CN117192504A (zh) 一种均匀环境中的双子空间信号检测方法与系统
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
CN113556157B (zh) 非高斯干扰下mimo系统发射天线数估计方法及系统
CN115508828A (zh) 子空间干扰下雷达目标智能融合检测方法
CN112147590B (zh) 一种基于响应估计频域拟合的通道均衡方法
CN112910518B (zh) 无人机通信中非高斯噪声下mimo系统发射天线数估计方法
CN115656998B (zh) 一种低样本数下阵列信号自适应检测方法与系统
CN114035193A (zh) 一种两阶可调谐空时自适应检测方法

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