一种基于随机协方差矩阵的多亮点目标空时检测方法
【技术领域】
[0001] 本发明设及信号检测领域，尤其设计一种基于随机协方差矩阵的多亮点目标空时 检测方法。
【背景技术】
[0002] 空时自适应检测（STAD)是W空时联合为框架、W目标检测为目的的自适应处理 技术，它利用接收的观测数据计算检测统计量，直接判定目标的有无，从而实现了混响抑制 与目标检测的一体化。从本质上讲，混响抑制是数据白化的过程，对于STAD，该一过程隐含 在检测器中，所W不需要额外的混响抑制步骤。与先混响抑制后检测的空时自适应处理方 法相比，STAD更能有效地利用观测数据，从而获得更好的检测性能。近年来，STAD在高分辨 率主动声纳领域的研究非常活跃。由于距离分辨率的提高，高分辨率主动声纳的目标回波 往往占据多个距离单元，称为多亮点目标。由于多亮点目标的特殊性，它的STAD问题为声 纳工作者提出了新的课题。
[0003] 对于复合高斯分布混响背景下多亮点目标的STAD检测，传统的方法通常假设可 W获得均匀的辅助数据，用W估计待测单元（主数据）的混响协方差矩阵，从而构造自适应 检测统计量。辅助数据一般从主数据临近的距离单元获得。但是在实际应用中，高分辨率 声纳通常工作在非均匀环境，辅助数据往往很难获得。针对该一问题，国外学者基于广义似 然比（GLRT)检验准则，提出了不依赖辅助数据的多亮点目标检测方法，该类方法能够根据 目标亮点个数的先验信息，从待检测数据中自动筛选出目标数据和辅助数据，实现对多亮 点目标的自适应检测。
[0004] 在实际应用中，高分辨率声纳系统通常工作在非均匀环境，造成非均匀现象的原 因有很多，如多变的海底地表类型、鱼群、孤立干扰等。在该种情况下，可W获得的均匀观测 数据长度非常有限，将导致现有多亮点目标检测方法的性能大幅下降。
【发明内容】
[0005] 本发明的目的是实现对先验知识的充分利用，有效提高高分辨率声纳系统的鲁椿 性。
[0006] 为实现上述目的，本发明实施例提供了一种基于随机协方差矩阵的多亮点目标空 时检测方法。步骤如下：
[0007] 由声纳阵接收的回波获取一组回波数据，将获取的上述一组回波数据作为待检测 数据；其中，在无目标存在的情况下，上述待检测数据中可能存在的干扰被描述为与目标导 向矢量在经白化后相互正交的矢量，在有目标存在情况下，目标被认为包含在上述待检测 数据中，跨过多个距离单元，对应目标信号索引长度为L;
[0008] 假设混响服从复合高斯分布，且混响协方差矩阵和目标导向矢量已知情况下，通 过构建似然函数得到无目标情况下干扰索引的最大似然估计，W及有目标情况下的目标索 引的最大似然估计和目标反射系数的最大似然估计，利用有目标情况下的上述似然函数、 无目标情况下的上述似然函数、上述干扰索引的最大似然估计、上述目标索引的最大似然 估计、上述目标反射系数的最大似然估计和目标的导向矢量，得到第一检验统计量；
[0009] 根据上述混响协方差矩阵的逆服从逆复威莎特分布，利用上述待检测数据得到上 述混响协方差矩阵的最大后验估计，将上述最大后验估计代入上述第一检验统计量中得到 第二检验统计量，将上述第二检验统计量与检测口限进行比较，完成目标有无判决。
[0010] 优选的，上述最大后验估计是采样协方差估计S的一个有色加载，可表示成： S+(v-N)M。，其中，M。主要是利用高分辨率声纳探测环境、工作方式、混响空时特性、浅海地形 特性来获取先验信息，根据混响散射原理构建的均值矩阵，加载程度由自由度由V确定，N 为阵元个数。
[0011] 优选的，上述检测口限值是由虚警概率确定，可通过蒙特-卡罗仿真得到。
[0012] 优选的，上述完成目标有无判决的过程实际上是对上述待检测数据筛选的过程， 可表不为：
[0013]
[0014] 其中，n是检测口限值，V表示加载程度由自由度，鸣是数列
中L个最 大值对应的的索引，其中，rt是待检测数据，n是检测口限，表示对矩阵逆操作，H代表共 辆转置操作，H。表示无目标情况，H1表示有目标情况。
[0015] 优选的，上述对所述待检测数据进行筛选的步骤如下：
[0016] 在有目标情况下，利用上述待检测数据，从相应子集合中筛选出与目标亮点个数 相同的最小值；
[0017] 在无目标情况下，利用上述待检测数据，从相应子集合中筛选出与目标亮点个数 相同的最大值。
[0018] 本发明的混响协方差矩阵是服从逆复威莎特分布的随机矩阵，其矩阵参数可由声 纳系统探测环境、工作方式、混响空时特性，浅海地形特征的先验知识获得，实现了对先验 知识的充分挖掘。在此基础上，本发明提出的知识基多見点检测方法，完成了对先验知识的 充分利用，大幅提高非均匀环境下多亮点目标的检测性能。
【附图说明】
[0019] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用 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一些实施例，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W根据该些附图获得其它的 附图：
[0020] 图1为本发明知识基自适应检测器设计原理图；
[0021] 图2为本发明借助蒙特-卡罗仿真方法，在虚警概率Pfg= 1(T3,N= 8，K= 16，L =3和V= 2N情况下，本发明与传统化RT检测器检测概率Pd和SRR的关系曲线；
[0022] 图3为本发明借助蒙特-卡罗仿真方法，在虚警概率Pf,= 1(T3,N= 8，K= 32，L =3和V= 2N情况下，本发明与传统化RT检测器检测概率Pd和SRR的关系曲线；
[0023] 图4为本发明借助蒙特-卡罗仿真方法，在虚警概率Pf,= 1(T3,N= 8，K= 32，L =3和V= 6N情况下，本发明与传统化RT检测器检测概率Pd和SRR的关系曲线。
【具体实施方式】
[0024] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
[00巧]本发明在没有辅助数据的情况下，假设混响服从有色高斯分布，且混响协方差矩 阵M已知，通过两步似然比检验准则求解检测问题，实现对多亮点目标的检测。
[0026] 具体步骤为；
[0027] 假设回波是由N个阵元组成的线阵接收，每个阵元的回波数据包括接收自K个距 离单元的一组回波数据，作为待检测数据，表示为rt，tGQ= {1，…，K}。用集合QtEQ 表示目标信号所在距离单元的索引，集合〇T长度为L(L《K)，L对应目标回波的个数，即 所检测的多亮点目标个数。在W上所述条件下，将目标检测问题转化为如下的二元假设问 题：
[0028]
(1)
[0029] 其中H。代表无目标假设，混响向量nt，tGQ是独立的、N维零均值复合高斯向 量，其协方差矩阵为巧"苗]=W;V是已知的N维导目标导向矢量；a。tGQ，表示目标反 射系数；tGQ是为提高检测器对旁瓣信号的抑制能力而引入的N维干扰向量，它与V 在白化空间内垂直正交，< 可^表示为=Wr,，其中xt是N-1维的复向量，W是NX(N-1) 维的复矩阵，且满足= <M4/2v〉。
[0030] 基于W上条件，可W得到待检测数据rt，tGQ
[0031] 在有目标情况下的似然函数/概率密度函数（ro巧为：
[0032]
[0033]和在无目标情况下的似然函数/概率密度函数（ro巧为：
[0034] (3)
[00巧]其中11 ? 11代表一个方阵的行列式，M戈表共辆转置。
[003引根据M服从自由度为V，均值为M。的逆复威莎特（Wishart)分布，即M-CW-1((V-N)1。，乂），其口0。可^表示成
[0037]f(M)I|M| |-(v+N)exp{-(v-N)tr(M-iM〇)} (4)
[003引其中，-表示该符号两端的变量具有正比关系，M^i也同样服从逆复Wishart分布。
[0039] 在实际应用中，均值矩阵M。主要是利用高分辨率声纳探测环境、工作方式、混响空 时特性，浅海地形特征来获取先验信息，根据混响散射原理进行构建。可见M。将先验信息 纳入统一的模型，实现了对先验知识的充分挖掘。
[0040] 在检测器设计方面，本发明采用两步化RT准则求解公式（1)所对应的检测问题， 原理图如图1所示，第一步，在假设混响协方差矩阵M已知的情况下，基于待检测数据rt设 计