CN116973860B - 雷达回波信号自适应混检方法、混检装置 - Google Patents

Abstract

本发明公开一种雷达回波信号自适应混检方法，包括：以待测单元为中心的相反方向上对称分布的若干个第一单元构筑参考窗口并设定以待测单元为中心对称分布的若干个第一单元作为起始参考单元，余下单元为补充单元；对参考窗口内的单元数据进行均匀性分析，并根据均匀性分析结果确定非异常值动态区间；根据单元数据均匀性分析的动态结果，选择单元平均恒虚警检测法或有序统计恒虚警检测法检测所述待测单元，以及，根据非异常值动态区间的端值，动态地确定有序统计检测法中的干扰电平估计值K，该方法能够实现两种现有检测方法的自适应切换，同时以实现动态的估计值K的方式，优化有序统计检测策略，使该方法全局检测的检测率显著提高。

Description

雷达回波信号自适应混检方法、混检装置

技术领域

本发明涉及雷达信号目标检测技术领域，具体地说，涉及一种能够在未知杂波特性的情形下，自适应调整检测方法的雷达回波信号自适应混检方法，以及该方法制备的混检装置。

背景技术

雷达探测技术领域内一种常见应用场景，是雷达设备接收回波信号并对其处理，以获取场景中目标的数据信息。该场景中，在检测和/或估计回波信号时， 非相干检测器的输入信噪比低于一定电平时，检测器输出信号的信噪比会急剧下降，现有技术中将该检测电平称为检测门限。

理想模型下的具体检测，是将接收机接收到的信号与所述的检测门限进行比较。例如，当回波信号大于检测门限则判定为有信号，反之，则判定为没有信号。然而，由于背景环境中可能的杂波和噪声会与回波信号构成叠加，检测结果受这种信号叠加后的影响易出现结果误判，并且这种误判的结果和误判的概率，也会因检测门限的电压设置的高低而不同，例如，有信号的场景下由于门限设置过高而被误判为没有信号，又例如只有噪声的场景下由于门限设置过低而被误判为有信号等，这其中，所述的后一种误判情形，则被称为虚警，也即，对没有信号的场景的检测判断结果为有信号。

显然，实际场景中，任何场景下都无法完全避免虚警的出现。这是因为，在检验前，非但不知晓背景噪声和杂波的强度，也并不知晓某个时刻下，噪声和杂波是否存在。参照前述的检测过程，容易想到的策略是，对于不同场景相应调整其所适用的检测门限，使雷达始终以一定的虚警率保持工作，以平衡设备检测结果的准确率。现有技术下，当雷达回波信号的干扰强度未知时，单元平均恒虚警率检测（CA-CFAR）和有序统计恒虚警检测（OS-CFAR）是两种常见的采用自适应门限以实现恒定虚警率的目标检测方法。

单元平均检测法是将待测单元（CUT，cell under test），和待测单元的数个临近单元（一般称为参考单元）功率电平的平均值按固定增益缩放确定检测门限，而正因检测门限由参考单元的平均电平决定，则若当信号中出现杂波时，杂波会对包括参考单元的所有检测单元造成影响，各单元的电平值出现变化，最终导致检测门限的确定出现偏差。因此，普遍认为，单元平均检测法的适用场景为背景噪声均匀且无杂波的场景，当杂波出现时，其检测性能会严重退化。

再看有序统计恒虚警检测，OS-CFAR是对各参考单元的功率按照有小到大进行排序，并选取固定的第K个有序统计值，作为干扰电平的估计值，再按照与单元平均检测法相同的方式，对所述估计值按固定增益缩放，以确定设备的检测门限。在该方法中，对于固定值K的选取，是根据杂波的先验信息确定。OS-CFAR对于杂波情况已知的场景有较好的适用性，这得益于在该检测方法实施前进行的杂波先验步骤，该步骤确定杂波的个数再根据杂波个数确定固定值K的选取。但与此同时，OS-CFAR的局限性就在于，由于无法实现知道场景内是否存在杂波和杂波的个数，如若在无杂波的场景下，该方法依然会首先执行杂波先验的步骤，这会使得无杂波场景下适用该方法时会损失部分检测效率。而在该方法中无法兼顾检测效率和检测准度的原因是，由于杂波个数也并非固定值，则不经过杂波先验就无法确定固定值K的取值，而将杂波先验作为必要条件，则又必将导致无杂波情况下为执行杂波先验而牺牲的部分检测效率。

针对主流方法存在的上述问题，一种较容易想到的解决思路，是将两种方法结合，并设置校验机制，以期不同干扰场景中在两种方法间实现切换。具体为，在检测前，用类似杂波先验的思路，对检测场景的数据均匀性进行分析，并对均匀区间进行检索。例如，一种较熟知的处理方式，是通过变化性指数等方法分析数据的均匀性，这种方式通常需建立精确的背景噪声模型，再通过离线仿真确定参数。这种方法存在的问题是：

1）当实际背景噪声和噪声模型不吻合时，则根据噪声模型仿真后确定的参数不可避免地会造成检测性能的退化：

2）由于对背景噪声模型具的精确度有较严格的要求，且离线的仿真确参过程也需要不断地分析和优化，造成建模过程十分繁琐，设备配置难度高，配置成本大；

3）由于有序统计恒虚警检测方法中仍采用的是固定值K作为干扰电平的固定值，因此，仍没有解决有序统计恒虚警检测方法因采用固定K值而使检测效率受影响的问题。

因此，本发明试图在该基础上，对现有技术进行改进，提供一种新的雷达回波自适应检测方法，以解决现有技术中存在的上述问题。

发明内容

针对现有技术的不足，本发明的实施例提供了一种优化后的雷达回波信号自适应混检方法、混检装置。

根据本公开的第一方面，本发明采取了一种雷达回波信号自适应混检方法，其中，该自适应混检方法包括：以雷达回波信号的待测单元为中心，设定分别向相反方向延伸的第一方向和第二方向，以沿第一方向和第二方向对称分布的若干个第一单元构筑参考窗口的步骤，以及，在所述第一单元中，设定以所述待测单元为中心对称分布的若干个第一单元作为起始参考单元，余下单元为补充单元；对所述参考窗口内的单元数据进行均匀性分析，并根据均匀性分析结果确定非异常值动态区间的步骤；根据所述单元数据均匀性分析的动态结果，选择单元平均恒虚警检测法或有序统计恒虚警检测法检测所述待测单元的步骤，以及，根据所述非异常值动态区间的端值，动态地确定所述有序统计恒虚警检测法中的干扰电平估计值K的步骤。

作为本发明较佳实施例的一种优选地，所述第一单元的个数为M个，起始参考单元的起始个数为N个，且，所述起始参考单元的起始个数N满足恒虚警率检测的最小均匀单元数，以及，所述起始参考单元的数量在起始个数N至第一个单元数量M之间动态变化。

作为本发明的一种进一步优选地，对所述参考窗口内的单元数据进行均匀性分析的步骤具体为：判断单元数据样本容量，当样本容量不足时，采用线性插值对样本容量进行填充；对所述单元数据排序和/或分组，选取两个单元数据，或从任意两不相邻单元数据分组中各获取一个参考值，以确定非异常值动态区间；根据所述非异常动态区间剔除参考单元中的异常单元，获得非异常单元数据，其中，单元数据值低于非异常值动态区间的单元为低异常单元，单元数据值高于非异常动态值区间的单元为高异常单元。

作为本发明较佳实施例的更进一步优选地，对所述参考窗口内的单元数据进行均匀性分析的步骤还包括：若非异常单元的数量不小于所述起始参考单元的起始数量N，则判断所述单元数据为均匀；若非异常单元的数量小于所述起始参考单元的起始数量N，则对所述起始参考单元进行扩展后再进行数据均匀性分析，直至，所述非异常单元的数量不小于所述起始参考单元的起始数量N，判断所述单元数据为均匀，或直至，所述起始参考单元扩展至所述参考窗口的设定边界，非异常单元数量仍小于所述起始参考单元的起始数量N，判断所述单元数据为非均匀。

作为本发明较佳实施例再进一步优选地，根据所述单元数据均匀性分析的动态结果，选择单元平均恒虚警检测法或有序统计恒虚警检测法检测所述待测单元的步骤具体为：若判断当前所述参考窗口内的单元数据为均匀，则采用单元平均恒虚警检测法检测回波信号；若判断当前所述参考窗口内的单元数据为非均匀，则采用有序统计恒虚警检测法检测回波信号，

作为本方案还进一步优选地，所述采用单元平均恒虚警检测法检测回波信号的步骤具体为：根据恒定虚警率和所述起始参考单元的起始个数N，确定第一门限缩放因子，所述第一门限缩放因子/>满足：

；根据所述第一门限缩放因子确定判别门限，对于当前所述参考窗口内经排序后的各参考单元[X(1), X(2), …, X(N)]的门限T，满足：

。

作为本方案的又优选地，采用有序统计恒虚警检测法检测回波信号的步骤具体为：将所述高异常单元最小值的索引值作为干扰电平估计值K；根据恒定虚警率、所述第一单元的个数M，以及干扰电平估计值K，确定第二门限缩放因子/>，所述第二门限缩放因子/>满足：

，其中，/>为M个元素中选取K个的组合次数，/>为伽玛函数；根据所述第二门限缩放因子确定判别门限，对于当前所述参考窗口内经排序后的各单元[Y(1), Y(2), …, Y(M)]的门限T，满足：。

作为本方案的又优选地，对所述单元数据排序和/或分组，选取两个单元数据，或从任意两个单元数据分组中各获取一个参考值，以确定非异常值动态区间的步骤具体为；选取中间值数据的一个前级数据和一个后级数据分别作为第一参考值和第二参考值，以构成非异常动态区间，或，选取中间组数据的一组前级数据和一组后级数据，从前级数据组和后级数据中组选取或计算以得到第一参考值和第二参考值，以构成非异常动态区间。

作为本方案还优选地，对所述单元数据排序和/或分组，选取两个单元数据，或从任意两个单元数据分组中各获取一个参考值，以确定非异常值动态区间的步骤具体为；采用四分位距算法分析所述参考窗口内的单元数据。

作为本发明的较佳实施例又再进一步优选地，采用四分位距算法分析所述参考窗口内的单元数据的步骤具体为：依次获取排序后单元数据的中位数，以及第一四分位数、第二四分位数，并获取四分位距，以及，根据所述第一四分位数、第二四分位数，以及四分位距确定所述非异常值动态区间，根据所述非异常值动态区间，对异常东单元进行识别和剔除，获得非异常单元。

再优选地，获取第一四分位数、第二四分位数，并获取四分位距的步骤具体为：根据所述中位数，提取小于所述中位数的单元数据，构成第一数据集合，并以所述第一数据集合的中位数作为第一四分位数Q1；提取大于所述中位数逇单元数据，构成第二数据集合，并以所述第二数据集合的中位数作为第二四分位数Q3；则四分位距IQR满足：IQR = Q3 - Q1；根据所述第一四分位数、第二四分位数，以及四分位距确定所述非异常值动态区间为（Q1-1.5×IQR，Q3+1.5×IQR）。

又再优选地，根据所述非异常值动态区间，动态地确定所述有序恒虚警检测法中的干扰电平估计值K的步骤为：将所述非异常值动态区间的端值，作为所述干扰电平估计值K。

作为本发明的第二方面，是提供一种雷达回波信号自适应混检装置，该混检装置执行在先所述的雷达回波信号自适应混检方法。

由于以上技术方案的采用，本发明相较于现有技术具有如下的有益技术效果：

1、在现有的将OS和CA检测策略结合的思路基础上，采用四分位距算法对单元数据进行均匀性分析的方式，取代现有的精确噪声模型和离线仿真，简化数据均匀性分析的复杂度，降低系统配置成本；

2、在四分位距算法识别异常单元的同时，在四分位距算法分析数据均匀性分析过程中的构成异常单元判别的动态区间，并以该区间确定索引值作为有序统计恒虚警检测策略中的干扰电平估计值，以实现现有固定值的动态化。动态化的干扰电平估计值的意义在于，根据当前数据均匀性的分析结果，或者说根据当前背景干扰强度，动态赋值干扰电平估计值，大幅度优化有序统计恒虚警检测策略的检测率。

附图说明

图1为示意图，示出了本发明的一个较佳实施例中所述的参考窗口的结构；

图2为示意图，示出了采用四分位距方法做数据均匀性分析的结果；

图3为仿真校验状态图，示出了当杂波出现在25%的参考单元时，检测概率随目标信噪比变化的状态；

图4为仿真校验状态图，示出了当杂波出现在50%的参考单元时，检测概率随目标信噪比变化的状态。

具体实施方式

现有技术下，已存在部分将单元平均检测法（CA-CFAR）和有序统计恒虚警检测（OS-CFAR）结合并分别适用不同场景的方案，但存在建模过程复杂，设备配置难度大和成本等诸多问题，并且，有序统计恒虚警检测法中因K值固定而造成的问题依然存在。究其原因，现有技术对该部分问题改造存在的困难主要体现在：

1）由于检测环境的不确定性，在先设定的噪声模型与实际场景下的噪声环境无法做到完全吻合，也暂未找寻到一种更佳的数据均匀性分析的方式；

2）若要解决有序统计恒虚警率检测法中K值固定的问题，则需要根据背景环境噪声的变化，不断调整K值的取值，实现动态K值，而受限于传统认识，对于固定K值的动态选取存在困难，换句话说，还未知晓应当选取哪个数据，作为K值动态取值的参量。

而本发明的较佳实施例解决上述技术问题的大致思路，首先是寻求一种新的数据均匀性分析的方式，根据新的数据均匀性分析方式，一方面确定场景均匀性，更重要的另一方面，是根据该均匀性分析的结果，在参考窗口内区分异常单元和非异常单元，并且根据区分异常单元和非异常单元的数值区间的取值，来影响和确定有序统计恒虚警检测法中K的取值，这样，实现K值随场景噪声变化而变化，以提升该检测法的检测率。

下面将参考附图来描述本发明所述的一种雷达回波信号自适应混检方法、混检装置的实施例。本领域的普通技术人员可以认识到，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，附图和描述在本质上是说明性的，而不是用于限制权利要求的保护范围。此外，在本说明书中，附图未按比例画出，并且相同的附图标记表示相同的部分。

需要说明的是，本发明实施例中所使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”、“第二”仅为了表述的方便，不应理解为对发明实施例的限定，后续实施例对此不再一一说明。

先参看图1，图1为示意图，示出了本发明的一个较佳实施例中所述的参考窗口的结构。在该较佳实施例中，参考窗口是以待测单元（cut）为中心，向待测单元两侧延伸出的多个单元，所构成的线性窗口。

若将单元朝向待测单元的两侧延伸方向分别定义为第一方向和第二方向，则在本发明的不同较佳实施例中的参考窗口，第一和第二方向为相反方向，且第一方向和第二方向上所包含的单元数相等。在不同实施例中，对于第一方向和第二方向的确定，在保证两者方向相反的条件下，可以待测单元为中心，根据探测和扫描需要进行调整。在该实施例中，为便于说明，以图1所展示的方向，也即以待测单元向左和向右的方向分别定义第一方向和第二方向，且第一方向和第二方向上都分别包含七个单元。

继续参看图1，图中双箭头所划定的范围，也即着色部分的单元为起始参考单元，而余下未着色的单元为补充单元。需要指出的是，不论是总的单元，还是总的单元中划定的起始参考单元，都是以待测单元为中心，于其两侧的第一方向和第二方向上对称分布，单元数量以及每一单元的宽度都相等，且单元数量都为偶数。那么理所当然的，在总的单元数量中去除起始参考单元所余下的补充单元，也同样以待测单元为中心对称分布，且位于待测单元两侧的补充单元的数量相等，也为偶数。

参考窗口内，起始参考单元的数量是根据满足恒虚警率检测的最小均匀单元的数量来确定。在该实施例中，将起始参考单元设定为八个，也即包含了待测单元左侧的四个起始参考单元，和待测单元右侧的四个起始单元。两侧起始参考单元远离待测单元的一侧，又分别包含三个补充单元，在具体数据均匀性判断过程中，起始参考单元会在根据判断过程的中间结果沿第一方向和第二方向扩展，该扩展可以被理解成，起始参考单元按照相同的偶数增量进行扩充，也可以理解成，在一次扩充过程中，偶数个补充单元转变为参考单元。在该实施例中，一次扩展过程，是将待测单元两侧的一个与起始参考单元紧邻的补充单元作为参考单元，并于参考窗口内构成新的参考单元序列，而这种扩展，会直至所有的补充单元都变成参考单元时终止，换句话说，当没有更多的补充单元可以用来作为参考单元时不再扩展。下文还会于数据均匀性分析的过程中对该部分做进一步说明，不再赘述。

说完参考单元，下面说明对参考单元内的单元数据进行均匀性分析的过程。数据均匀性的目的，是根据窗口内单元数据进行判定，以剔除偏大或者偏小的异常数据，并将这部分异常数据所对应的参考单元进行排除，从而筛选出非异常单元。继而根据非异常单元的数量，判定当前的单元数据是否均匀，最终选择适用哪一种恒虚警率检测方法。那么首先要做的就是如何界定异常单元和非异常单元。

界定异常单元和异常单元的实质，也即是对单元数据的划分，需要确定一个数值范围区间，将单元数据划分为异常和非异常，也即将单元数据对应的单元划分为异常单元和非异常单元，而数值范围区间则需要两个端值来确定。在本发明的不同实施例中，将参考窗口内每一个单元数据，构成一个集合。对集合中的单元数据进行排序。当集合中的样本数据不足时，可以用常规的方法进行数据填充，例如线性插值法就是一种较为常见的补充样本数据的方法。具体分析步骤中，可以是从排序后的单元数据中选取中间值，并以该中间值作为界限，从中间值的前级数据和后级数据中分别得到一个数值作为端值，计算位距并构成非异常值区间，并且随着环境背景噪声的变化，单元数据的改变也会使得非异常值区间的端值相应变化，从而，在检测过程中，非异常区间即形成了一个动态区间。

应当知晓的是，在该领域下，异常点的数值相较于非异常点的数值，往往呈现出偏小或者偏大的趋势。那么，以中间值的任意前级数值和任意后级数值构成的数值区间范围，来界定异常点和非异常点区间，在单元数据量较少的情况下，能够较好的以中间值作为界限，将两端极值区域内的异常点进行剔除。但显然，当单元数据量较大的情况下，上述的端值取值方式的准确度不够，高异常（高于非异常值动态区间）和低异常（低于非异常值动态区间）部分都可坑存在错筛和漏筛的情况。

因此，在本发明较佳实施例中，又提出了其他数据均匀性分析的方式。对单元数据进行排序还可以采用如下的方式：

1）单元数据排序后确定数列的中间值，并在中间值的两侧按照相等的间距选取参考值，由参考值计算位距，再由参考值和位距构成非异常值动态区间；

2）分别获取中间值前级数据和后级数据的平均值，以该平均值作为参考值计算位距，再由平均值和位距构成非异常值动态区间。

应当理解的是，从中间值的前级和后级数据中等间距选取，或者是用前后级数据的平均值表征前后级数值的平均趋势，相较于从中间值的前级数据和后级数据中任选数据的方式，能够显著提升参考值选取和非异常值范围的准确率和稳定性。容易想到的是，在上述方式的基础上，还可以对单元数据排序后再进行分组，在数据分组的基础上，再和上述的参考值选取方式进行结合。例如，将单元数据分成五组，再从不相邻的两组数据中，选取中间值，或者获得组内数据的平均值，并据此确定参考值，继而进一步计算位距，并根据参考值和位距来确定非异常值动态区间。

按照上述的方法确定出非异常值动态区间之后，可筛选出非异常单元，并根据非异常单元的数量，判断当前单元数据的均匀性，并基于均匀性分析结果，调整当前雷达回波信号的检测策略。如果将动态区间的两个端值分别定义为低异常端值和高异常端值，则单元数据低于低异常端值的单元，也即低端异常单元，单元数据高于高异常端值的单元，也即高端异常单元，那么，在有序统计恒虚警检测策略适用时，是将低于低端异常单元的最大值的索引值，或者是高于高端异常单元最小值的索引值，作为该策略中的干扰电平估计值K。

然而，上述方案中，对于参考值的选取和非异常值动态区间的确定，侧重考虑的是均匀性分析的结果，并未兼顾根据动态区间的端值确定的干扰电平估计值K对有序统计恒虚警率检测策略的检测效率和结果检测率的影响。本发明的较佳实施例解决该技术问题的思路是，寻求一种更加合理的方式，对单元数据的排序结果进行处理，在更精准、更快速的筛选异常单元的同时，实现非异常值动态区间的确定能够适用干扰电平估计值K的确定。

在本发明的该较佳实施例中，给出了一种更佳的方案，采用四分位距算法，对参考窗口内的单元数据进行分析。

具体地说，同样先将单元数据进行排序，与前述方法中提到的一样，当出现样本容量不足时，可通过例如线性差值等现有方法，对样本容量进行扩充。而排序后不再获取排序后数列的中间值，而是求取该数据组的中位数Q2。接着，分别筛选出单元数据值小于Q2的数据点，和单元数据大于Q2的数据点，再分别求取小于Q2数据点的中位数Q1，和大于Q2数据点的中位数Q3。这样，就得到了单元数据所构成的序列的下四分位数Q1、中位数Q2和上四分位数Q3，下四分位数Q1对应第25个百分位数，上四分位数Q3对应第75个百分位数。根据四分位距算法定义计算四分位距IQR，则IQR满足：

IQR = Q3 - Q1。

接着，基于已知的上四分位数和下四分位数以及四分位距，确定非异常值动态区间为（Q1-1.5×IQR，Q3+1.5×IQR），单元数据落在该区间的单元即为非异常单元，单元数据落在区间外的即为异常单元，基于前序说明，单元数据低于（Q1-1.5×IQR）的单元，则为低端异常点，单元数据高于（Q3+1.5×IQR）的单元，则位高端异常点。这样，就采用四分位距算法完成了异常点的剔除。该过程可进一步参看图2，图2为示意图，示出了采用四分位距方法做数据均匀性分析的的结果。图中是以参考单元为横轴，单元数值为纵轴构筑的平面坐标系，图中的框体所框选出的两个区域内，就是出现异常值的数据点。

然后，进行均匀性分析。如果剔除异常单元后得到的非异常单元的个数，大于或者等于起始参考单元的个数，也即说明，当前参考窗口内有足够的数值正常的单元可供参考，而实质上，该结果也即表征，当前参考窗口内的干扰较少，单元数据均匀，则可直接适用单元平均恒虚警检测。但如果非异常单元的个数小于起始参考单元的个数，则说明，当前参考窗口内没有足够的非异常单元可供检测参考。在本发明的较佳实施例中，并不会直接判断当前窗口内数据为非均匀，这是由于，造成前述结果的原因很可能是参考单元的数量不够，那么本发明的较佳实施例会对参考窗口内的参考单元按照预设的增量进行扩充后再分析。如前所述，该较佳实施例中，起始参考单元数量为八个，若剔除异常单元后，非异常单元的数量大于八个，则将起始参考单元的数量扩充为十个（待测单元两侧各五个），再重复前述的四分位距算法分析步骤。应当理解的是，由于参考窗口内的参考单元数量的增加，则单元数据也会随之增加，从而对单元数据排序后计算获得的上下四分位数、中位数数据也会变化，那么在该过程中，非异常值区间的端值以及其划定的范围依然是动态的。

这种扩充后再分析的过程，会直至参考单元扩充到参考窗口的边界，也即，所有的补充单元都变成了参考单元时终止。而一种可能的情况是，即使全部的补充单元全都作为参考单元后，利用四分位距算法识别异常单元后，非异常单元的数量仍然小于起始参考单元的个数，则此时说明，参考窗口内没有足够的非异常单元可供参考，换句话说，窗口内的非异常单元数量较多，也即背景中存在杂波干扰，单元数据非均匀，从而，判断适用有序统计恒虚警检测策略。

具体检测策略中，若适用单元平均恒虚警检测法检测回波信号，其具体步骤为：根据恒定虚警率和起始参考单元的起始个数N，确定第一门限缩放因子/>，第一门限缩放因子/>满足：

；根据第一门限缩放因子确定判别门限，对于当前参考窗口内经排序后的各参考单元[X(1), X(2), …, X(N)]的门限T，满足：

。采用有序统计恒虚警检测法检测回波信号的步骤具体为：将高异常单元最小值的索引值作为干扰电平估计值K；再根据恒定虚警率/>、参考窗口内的总单元个数M，以及干扰电平估计值K，确定第二门限缩放因子/>，第二门限缩放因子/>满足：

，其中，为为M个元素中选取K个的组合次数，/>为伽玛函数；最后，根据第二门限缩放因子确定判别门限，对于当前所述参考窗口内经排序后的各单元[Y(1), Y(2), …, Y(M)]的门限T，满足：

。

图3和图4，分别示出了两种仿真校验状况，以比较两种现有的检测策略和本发明的较佳实施例所提出的新的方法的检测概率。图3示出了当杂波出现在25%的参考单元时，检测概率随目标信噪比变化的状态，图4则示出了当杂波出现在50%的参考单元时，检测概率随目标信噪比变化的状态。

设定虚警率P_fa=10^(-4)，背景噪声功率0dB,杂波功率和背景噪声功率比（INR）为15dB,参考窗口参数N=32， M=64。OS-CFAR的K值设定为0.75N。结果为10000次实现的平均值。每次实现中噪声样本，杂波样本及其位置都是随机独立产生。参看图3和图4，相较于现有方法，本发明所提出的混检方法检测率有明显的提高，仿真结果验证了本发明提出的基于四分位矩的雷达信号自适应混检方法在未知杂波环境下的稳健检测性能和对现有技术的改善。

相应的，本发明的较佳实施例，还提供了一种雷达回波信号自适应混检装置，该装置的配置中，其处理器调用存储介质中存储的计算机程序，并按照前述的方法调整和选择检测策略，并对有序统计恒虚警检测策略中的平均电平估计值进行动态赋值。

以上实施例仅表达了本发明的几种实施方式，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 (13)

1.一种雷达回波信号自适应混检方法，其中，该自适应混检方法包括：

以雷达回波信号的待测单元为中心，设定分别向相反方向延伸的第一方向和第二方向，以沿第一方向和第二方向对称分布的若干个第一单元构筑参考窗口的步骤，以及，在所述第一单元中，设定以所述待测单元为中心对称分布的若干个第一单元作为起始参考单元，余下单元为补充单元；

对所述参考窗口内的单元数据进行均匀性分析，并根据均匀性分析结果确定非异常值动态区间的步骤；

根据所述单元数据均匀性分析的动态结果，选择单元平均恒虚警检测法或有序统计恒虚警检测法检测所述待测单元的步骤，以及，

根据所述非异常值动态区间的端值，动态地确定所述有序统计恒虚警检测法中的干扰电平估计值K的步骤。

2.根据权利要求1所述的雷达回波信号自适应混检方法，其中，所述第一单元的个数为M个，起始参考单元的起始个数为N个，且，所述起始参考单元的起始个数N满足恒虚警率检测的最小均匀单元数，以及，

所述起始参考单元的数量在起始个数N至第一个单元数量M之间动态变化。

3.根据权利要求2所述的雷达回波信号自适应混检方法，其中，对所述参考窗口内的单元数据进行均匀性分析的步骤具体为：

判断单元数据样本容量，当样本容量不足时，采用线性插值对样本容量进行填充；

对所述单元数据排序和/或分组，选取两个单元数据，或从任意两不相邻单元数据分组中各获取一个参考值，以确定非异常值动态区间；

根据所述非异常值动态区间剔除参考单元中的异常单元，获得非异常单元数据，其中，单元数据值低于非异常值动态区间的单元为低异常单元，单元数据值高于非异常值动态区间的单元为高异常单元。

4.根据权利要求3所述的雷达回波信号自适应混检方法，其中，对所述参考窗口内的单元数据进行均匀性分析的步骤还包括：

若非异常单元的数量不小于所述起始参考单元的起始数量N，则判断所述单元数据为均匀；

若非异常单元的数量小于所述起始参考单元的起始数量N，则对所述起始参考单元进行扩展后再进行数据均匀性分析，直至，

所述非异常单元的数量不小于所述起始参考单元的起始数量N，判断所述单元数据为均匀，

或直至，

所述起始参考单元扩展至所述参考窗口的设定边界，非异常单元数量仍小于所述起始参考单元的起始数量N，判断所述单元数据为非均匀。

5.根据权利要求4所述的雷达回波信号自适应混检方法，其中，根据所述单元数据均匀性分析的动态结果，选择单元平均恒虚警检测法或有序统计恒虚警检测法检测所述待测单元的步骤具体为：

若判断当前所述参考窗口内的单元数据为均匀，则采用单元平均恒虚警检测法检测回波信号；

若判断当前所述参考窗口内的单元数据为非均匀，则采用有序统计恒虚警检测法检测回波信号。

6.根据权利要求5所述的雷达回波信号自适应混检方法，其中，所述采用单元平均恒虚警检测法检测回波信号的步骤具体为：

根据恒定虚警率和所述起始参考单元的起始个数N，确定第一门限缩放因子/>，所述第一门限缩放因子/>满足：

；

根据所述第一门限缩放因子确定判别门限，对于当前所述参考窗口内经排序后的各参考单元[X(1), X(2), …, X(N)]的门限T，满足：

。

7.根据权利要求6所述的雷达回波信号自适应混检方法，其中，采用有序统计恒虚警检测法检测回波信号的步骤具体为：

将所述高异常单元最小值的索引值作为干扰电平估计值K；

根据恒定虚警率、所述第一单元的个数M，以及干扰电平估计值K，确定第二门限缩放因子/>，所述第二门限缩放因子/>满足：

，

其中，为M个元素中选取K个的组合次数，/>为伽玛函数；

根据所述第二门限缩放因子确定判别门限，对于当前所述参考窗口内经排序后的各单元[Y(1), Y(2), …, Y(M)]的门限T，满足：

。

8.根据权利要求3至7任一项所述的雷达回波信号自适应混检方法，其中，对所述单元数据排序和/或分组，选取两个单元数据，或从任意两个单元数据分组中各获取一个参考值，以确定非异常值动态区间的步骤具体为；

选取中间值数据的一个前级数据和一个后级数据分别作为第一参考值和第二参考值，以构成非异常值动态区间，或，

选取中间组数据的一组前级数据和一组后级数据，从前级数据组和后级数据中组选取或计算以得到第一参考值和第二参考值，以构成非异常值动态区间。

9.根据权利要求3至7任一项所述的雷达回波信号自适应混检方法，其中，对所述单元数据排序和/或分组，选取两个单元数据，或从任意两个单元数据分组中各获取一个参考值，以确定非异常值动态区间的步骤具体为；

采用四分位距算法分析所述参考窗口内的单元数据。

10.根据权利要求9所述的雷达回波信号自适应混检方法，其中，采用四分位距算法分析所述参考窗口内的单元数据的步骤具体为：

依次获取排序后单元数据的中位数，以及第一四分位数、第二四分位数，并获取四分位距，以及，根据所述第一四分位数、第二四分位数，以及四分位距确定所述非异常值动态区间，

根据所述非异常值动态区间，对异常东单元进行识别和剔除，获得非异常单元。

11.根据权利要求10所述的雷达回波信号自适应混检方法，其中，获取第一四分位数、第二四分位数，并获取四分位距的步骤具体为：

根据所述中位数，提取小于所述中位数的单元数据，构成第一数据集合，并以所述第一数据集合的中位数作为第一四分位数Q1；

提取大于所述中位数的单元数据，构成第二数据集合，并以所述第二数据集合的中位数作为第二四分位数Q3；

则四分位距IQR满足：

IQR = Q3 - Q1；

根据所述第一四分位数、第二四分位数，以及四分位距确定所述非异常值动态区间为（Q1-1.5×IQR，Q3+1.5×IQR）。

12.根据权利要求11所述的雷达回波信号自适应混检方法，其中，根据所述非异常值动态区间，动态地确定所述有序统计恒虚警检测法中的干扰电平估计值K的步骤为：将所述非异常值动态区间的端值，作为所述干扰电平估计值K。

13.一种雷达回波信号自适应混检装置，其中，该混检装置执行权利要求1至12所述的雷达回波信号自适应混检方法。