部分均匀环境下距离扩展目标多通道融合检测方法与流程

本发明隶属于雷达信号处理领域，具体涉及一种部分均匀环境下距离扩展目标多通道融合检测方法。

背景技术

高距离分辨率雷达带宽大、距离分辨率高，在精确探测及成像、目标识别等方面具有明显的优势，已经成为现代雷达发展的一个重要方向。传统低距离分辨率雷达的目标回波信号往往只占据一个距离单元，常被作为“点目标”进行处理。与“点目标”不同，常见高距离分辨率雷达目标的回波信号不仅仅只占据一个距离单元，而是分布在不同的径向距离单元中，形成“距离扩展目标”。随着宽带技术在雷达领域的广泛应用，距离扩展目标自适应检测问题正受到越来越多的关注，成为近年来雷达信号处理界的热点和难点问题之一。此时，若仍采用基于邻近参考单元估计未知杂波统计特性的传统点目标自适应检测器，则距离扩展目标强散射点的能量会泄漏到邻近距离单元中形成“信号污染”现象，将极大降低高辨率雷达目标检测性能。

距离扩展目标自适应检测主要借助于辅助数据来实现。辅助数据一般取自于与待检测距离单元空间邻近的距离单元，且假定不含目标信号，而只含有与待检测距离单元主数据独立同分布的杂波分量，利用充分的辅助数据可实现对未知杂波协方差矩阵的准确估计。然而，对于实际雷达面临的杂波边缘等异常值情况，杂波背景的全局均匀性被破坏，满足全局均匀的辅助数据有时很难获取，从而严重影响距离扩展目标自适应检测性能。

事实上，复杂杂波背景的全局均匀性虽遭破坏，但杂波的局部均匀性在一定的径向距离范围内仍有所体现，此时可用部分均匀模型对杂波建模，即待检测距离单元与参考距离单元中杂波分量拥有相同的协方差矩阵结构和不同的功率水平，此种模型能充分利用杂波局部均匀性，但其可利用的参考距离单元数受限于实际杂波非均匀程度。另外，随着空时自适应处理技术的广泛应用，多通道参数化模型为降低辅助数据需求提供了新途径，对于大部分雷达目标检测场景，杂波回波可用低阶自回归模型建模。在部分均匀背景下，如何充分挖掘多通道自回归模型的数据结构优势，针对高距离分辨率雷达的距离扩展目标检测，设计简单有效的参数化检测方法，在保持自适应检测性能的同时降低辅助数据需求，是工程应用中急需解决的难题。

技术实现要素：

1.要解决的技术问题

高距离分辨率雷达在实际工作环境中，由于杂波边缘等异常值情况的出现，常常会产生全局均匀性辅助数据缺失的情况，导致基于传统采样协方差矩阵的距离扩展目标自适应检测方法的检测性能急剧下降。在部分均匀背景下，如何充分挖掘多通道自回归模型的数据结构优势，针对非均匀杂波下的距离扩展目标自适应检测场景，设计简单有效的参数化检测方法，在保持自适应检测性能的同时降低辅助数据需求，是工程应用中急需解决的难题。

2.技术方案

本发明所述部分均匀环境下距离扩展目标多通道融合检测方法包括以下技术措施：

步骤1从l个待检测距离单元获取待检测数据，从与待检测距离单元邻近的k个无目标距离单元获取纯杂波辅助数据，构建部分均匀环境下距离扩展目标多通道信号模型；具体步骤包括：

由l个待检测距离单元回波复幅值构成l个待检测数据向量xl＝[xl^t(1),…,xl^t(n),…,xl^t(n)]^t,l＝1,2,…,l，即主数据向量，其中，上标“^t”表示矩阵的转置运算，xl(n)表示第l个待检测距离单元接收到的第n个脉冲对应的j×1维复数据向量，j为通道数，n为相干处理脉冲数；

以待检测距离单元为中心，在其前后分别连续取一定数量的不包含目标的距离单元回波复幅值，构成k个只含纯杂波的辅助数据向量zk＝[zk^t(1),…,zk^t(n),…,zk^t(n)]^t,k＝1,2,…,k，其中，zk(n)表示第k个参考距离单元接收到的第n个脉冲对应的j×1维复数据向量；

假设不同距离单元间杂波分量相互统计独立，主数据xl中的杂波分量记为cl＝[cl^t(1),…,cl^t(n),…,cl^t(n)]^t，辅助数据zk中的杂波分量记为dk＝[dk^t(1),…,dk^t(n),…,dk^t(n)]^t，cl和dk服从协方差矩阵结构相同但功率水平不同的零均值复高斯分布，即cl～cn(0,γm)且dk～cn(0,m)，其中“cn”表示复高斯分布，m是未知的空时协方差矩阵，γ是未知的功率缩放因子，且γ＞0，对于均匀环境有γ＝1；

主数据向量和辅助数据向量中的杂波分量cl(n)和dk(n)均用一维p阶复自回归过程建模，即j×1维的杂波分量cl(n)和dk(n)有如下表示形式

其中，上标“h”表示矩阵的共轭转置运算，a(p)表示自回归系数矩阵a的第p个j×j维分量矩阵，而未知的jp×j维自回归系数矩阵表示为a＝[a^t(1),…,a^t(p),…,a^t(p)]^t，al(n)和bk(n)均表示j×1维噪声向量，且满足al(n)～cn(0,γq)和bk(n)～cn(0,q)，q表示未知的空间协方差矩阵；

步骤2依据主数据和辅助数据分别构建截断向量，进而建立临时估计矩阵并计算相应的临时特征值，基于临时特征值估计未知的功率缩放因子；具体步骤包括：

依据主数据xl构建的截断向量yl(n)为

yl(n)＝[xl^t(n-1),xl^t(n-2),…,xl^t(n-p)]^t,l＝1,2,…,l(3)

依据辅助数据zk构建的截断向量wk(n)为

wk(n)＝[zk^t(n-1),zk^t(n-2),…,zk^t(n-p)]^t,k＝1,2,…,k(4)

基于主数据、辅助数据及相应的截断向量，建立的4个临时估计矩阵和分别表示为

对进行特征值分解，得到j(p+1)个临时特征值μi,i＝1,2,...,j(p+1)，对进行特征值分解，得到jp个临时特征值vi,i＝1,2,...,jp，其中，上标“^-1/2”表示对逆矩阵的cholesky分解；

基于临时特征值μi,i＝1,2,...,j(p+1)和vi,i＝1,2,...,jp，利用式(9)求解未知功率缩放因子的估计值

步骤3依据功率缩放因子估计值构建中间估计矩阵，进而估计未知的自回归系数矩阵和空间协方差矩阵；具体步骤包括：

依据功率缩放因子估计值构建的3个中间估计矩阵和分别表示为

未知空间协方差矩阵q的估计值表示为

未知自回归系数矩阵a的估计值表示为

步骤4依据自回归系数矩阵估计值重构主数据向量和导向矢量，基于rao检验准则建立部分均匀环境下距离扩展目标多通道融合检测方法；具体步骤包括：

依据自回归系数矩阵估计值重构的主数据向量表示为

式中，表示式(14)中自回归系数分量矩阵a(p)的估计值；

依据自回归系数矩阵估计值重构的导向矢量表示为

式中，s(n)表示第n个脉冲对应的j×1维已知空间导向矢量；

基于rao检验准则，部分均匀环境下距离扩展目标多通道融合检测方法的检测统计量λ表示为

式中，估计值和分别由式(9)、式(13)、式(15)和式(16)获得；

步骤5为保持检测方法的恒虚警率特性，根据预设的虚警概率设置检测门限；将检测统计量与检测门限进行比较，若检测统计量不小于检测门限，则判定l个待检测距离单元存在目标，当前主数据不作为其他距离单元的辅助数据；反之若检测统计量小于检测门限，则判定l个待检测距离单元不存在目标，当前主数据作为后续其他距离单元的辅助数据。

3.有益效果

与背景技术相比，本发明的有益效果是：1)针对辅助数据缺失的非均匀杂波环境，建立了部分均匀多通道自回归信号模型，将杂波空间局部均匀性、时间低阶相关性和多通道信息获取能力充分融合，为降低距离扩展目标自适应检测的辅助数据需求奠定了数据模型基础；2)基于rao检验准则，建立了部分均匀环境下距离扩展目标多通道融合检测方法，在保证恒虚警率特性的同时大幅降低了辅助数据需求，与常用的广义似然比准则方法相比，在保持检测性能基本不变的前提下，简化了参数估计过程，提高了检测器构建效率，工程适用性强，具有广泛的潜在推广应用价值。

附图说明

图1是本发明所提出的部分均匀环境下距离扩展目标多通道融合检测方法的功能模块图。图1中，1.信号模型构建模块，2.功率缩放因子估计模块，3.多通道模型矩阵估计模块，4.多通道融合检测器构建模块，5.检测判决模块。

具体实施方式

下面结合附图对本发明作进一步描述。本发明实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。

参照说明书附图1，本发明的具体实施方式分为以下几个步骤：

步骤1由l个待检测距离单元回波复幅值构成l个jn×1维主数据向量xl＝[xl^t(1),…,xl^t(n),…,xl^t(n)]^t,l＝1,2,…,l；通过对待检测区域周围的无目标范围进行雷达照射，获得与待检测距离单元邻近的不包含目标的纯杂波辅助数据，构成k个jn×1维辅助数据向量zk＝[zk^t(1),…,zk^t(n),…,zk^t(n)]^t,k＝1,2,…,k；将主数据向量和辅助数据向量送至信号模型构建模块(1)；在信号模型构建模块(1)中，依据式(1)和式(2)构建部分均匀环境下距离扩展目标多通道信号模型，并将建模后的主数据向量和辅助数据向量送至功率缩放因子估计模块(2)；

值得注意的是，式(1)和式(2)所示的部分均匀多通道自回归信号模型针对辅助数据缺失的高距离分辨率雷达目标检测环境，将部分均匀模型中的杂波空间局部均匀性信息与自回归模型中的时间低阶相关性信息充分融合，有效提高了杂波先验信息的利用率；并结合多通道信号模型，增加了回波信息获取渠道，通过将未知空时协方差矩阵降维分解为低维的自回归系数矩阵和空间协方差矩阵，减少了未知参量个数，为进一步降低距离扩展目标自适应检测的辅助数据需求奠定了数据模型基础；

步骤2在功率缩放因子估计模块(2)中，依据式(3)和式(4)分别构建主数据和辅助数据的截断向量，进而依据式(5)至式(8)分别建立4个临时估计矩阵和对进行特征值分解，得到临时特征值μi,i＝1,2,...,j(p+1)，对进行特征值分解，得到临时特征值vi,i＝1,2,...,jp，基于临时特征值μi,i＝1,2,...,j(p+1)和vi,i＝1,2,...,jp，利用式(9)求解未知功率缩放因子的估计值并将送至多通道模型矩阵估计模块(3)；

值得注意的是，根据式(9)建立函数f(γ)

由于f(γ)在区间γ∈(0,+∞)上单调递增，且有和因此，式(9)的解是唯一的；

步骤3在多通道模型矩阵估计模块(3)中，依据功率缩放因子估计值基于式(10)至式(12)分别建立3个中间估计矩阵和进而依据式(13)和式(14)分别获得空间协方差矩阵估计值和自回归系数矩阵估计值并将和送至多通道融合检测器构建模块(4)中；

步骤4在多通道融合检测器构建模块(4)中，依据自回归系数矩阵估计值基于式(15)和式(16)分别获得重构的主数据向量和重构的导向矢量基于rao检验准则，依据式(17)建立部分均匀环境下距离扩展目标多通道融合检测方法的检测统计量λ，并将λ送至检测判决模块(5)中；

值得注意的是，式(17)针对辅助数据缺失的非均匀杂波环境下距离扩展目标自适应检测，利用rao检验准则建立部分均匀环境下距离扩展目标多通道融合检测方法，在保证恒虚警率特性的同时大幅降低了辅助数据需求；本发明检测器构建过程中只需估计无目标假设下的未知参数，且可通过适当增加相干处理脉冲数减小由自回归模型阶数增大所引起的检测损失；与常用的同时估计有目标和无目标两种假设下未知参数的广义似然比准则方法相比，在保持检测性能基本不变的前提下，简化了参数估计过程，提高了检测器构建效率，工程适用性强，具有更广泛的潜在应用价值；另外，当距离扩展目标的待检测距离单元数l降为1时，式(17)所示的检测统计量还适用于经典点目标检测应用场合，即部分均匀环境下点目标多通道rao检测器实际上是本发明所提融合检测方法的特例，说明本发明所提检测方法具有更大的适用范围和推广应用价值；

步骤5在检测判决模块(5)中，为保持检测方法的恒虚警率特性，根据预设的虚警概率设置检测门限；将检测统计量λ与检测门限进行比较，若λ不小于检测门限，则判定l个待检测距离单元存在目标，当前主数据不作为其他距离单元的辅助数据；反之若λ小于检测门限，则判定l个待检测距离单元不存在目标，当前主数据作为后续其他距离单元的辅助数据。