一种基于同质性检验的数据分区方法
【技术领域】
[0001] 本发明涉及基于同质性检验的数据分区方法。
【背景技术】
[0002] 经典的信号处理算法及检测技术，均假定整个杂波背景满足同一概率分布，随技 术发展，现已发现通常实际的杂波背景尤其是机载下视雷达的杂波背景并不满足同一概率 分布，这种差异性带来经典方法鲁棒性能的降低。例如空时自适应处理技术(STAP)，若要获 得鲁棒性，则要求能精确估计协方差矩阵。协方差矩阵采用最大似然估计得到，估计所用的 样本一般来自待检测单元两侧，为获得良好性能(实际输出信杂噪比损失不超过3dB)，训练 样本需满足以下两条件：1、训练样本与待检测样本满足独立同分布(I.I.D);2、训练样本个 数大于系统自由度的2倍。但在实际情况下，杂波环境是非均匀的，一方面是由于地形本身 的特点引起;另一方面是由于机载雷达的阵列结构引起。在此情况下，很难得到满足条件的 样本，这样会使STAP性能大幅降低。对于传统的目标检测技术来说同样存在这样的问题，传 统的恒虚警检测技术(CFAR)适用于统计特性相同的区域。但在实际情况下，杂波环境是非 均匀的会带来目标检测性能的下降。2013年Jeong等人提出了CI-CFAR检测器，通过拟合优 度测试选择同质单元作为参考单元，进行CFAR检测，虽然提高了目标的检测概率，但此方法 只考虑局部数据的同质性，对于其他经典方法例如STAP技术并不适用。
【发明内容】
[0003] 本发明的目的是为了解决现有技术在实际情况下杂波环境是非均匀时，经典方法 鲁棒性能低、目标检测性能低以及只考虑局部数据的同质性，对于其他经典方法并不适用 的问题，而提出的一种基于同质性检验的数据分区方法。
[0004] 上述的发明目的是通过以下技术方案实现的：
[0005] 步骤一、开始；
[0006] 步骤二、获取雷达回波幅值数据，设置进位；
[0007] 步骤三、对雷达回波幅值数据按需分段，并初始化分区矩阵R;
[0008] 步骤四、计算不同分段间的同质化水平，对分区矩阵R进行赋值；
[0009] 步骤五、调整进位，将进位+1;
[0010]步骤六、寻找分区矩阵R中大于进位的数据元素，如果能够找到则进行同质化水平 计算再进行步骤五，如果不能够找到，则进行步骤七；
[0011]步骤七、根据分区矩阵R生成新的分区矩阵tt;
[0012]步骤八、结束。
[0013]发明效果
[0014]本方法提出了一种基于同质性检验的数据分区算法，实现根据同质性对实际数据 的整体进行分区，使位于同一分区的数据满足同一种概率分布，达到经典的信号处理算法 及检测技术的数据满足同一概率分布的要求，便于经典的信号处理算法及检测技术的实 施，实现鲁棒性能的提高，目标检测性能提高以及对于其他方法同样适用。解决了经典的信 号处理算法及检测技术在实际情况下，杂波环境是非均匀的会带来鲁棒性能的下降的问题 及CI-CFAR中K样本Anderson-Darl ing检验没有对数据整体间的同质性关系进行检验的问 题。基于本方法对雷达回波数据进行分区，分区后利用属于同一分区的数据进行协方差矩 阵估计再进行STAP处理，在某处得到的信噪比比不利用本方法直接进行协方差矩阵估计再 进行STAP处理再同样一处得到的信噪比高13.68dB。
[0015] 实验中采用仿真数据，仿真数据形式如图1所示。共有1396个距离门，128个多普勒 单元，其中lognl为对数正态分布1:分区满足对数正态分布，对数均值为7,对数标准差为 0.7。411为韦伯分布1:分区满足韦伯分布，尺度参数为400,形状参数为2。1〇〖112为对数正 态分布2:分区满足对数正态分布，对数均值为5，对数标准差为0.4。412为韦伯分布2:分区 满足韦伯分布，尺度参数为200，形状参数为8。仿真数据dB值如图2所示。
[0016] 本仿真数据模拟的是机载下视雷达的某通道数据，对此数据进行分区的目的是便 于后续空时自适应处理算法的实施。由于STAP算法采用3DT-STAP快速算法，且模拟的雷达 回波数据包含20个通道，为满足RMB准则最小的分区包含的数据量应大于等于120。所以利 用基于同质性检验的数据分区方法，采用120*1(距离门*多普勒单元）的参考窗口类型。得 到的分区结果如图3所示，整个过程共用时8.0852s。随后对各个分区进行瑞利分布，对数正 态分布，韦伯分布的概率分布拟合，计算参数大小，利用KS拟合优度检验逐个比较每个分区 与三种概率分布的接近程度，选择最接近的作为该分区的概率分布类型。得到结果与实际 情况的比较如表1所示。
[0017]表1实际情况与检测结果对比
[0020]图3显示，基于同质性检验的数据分区方法能够实现对不同概率分布的区分。但这 里的分区结果与实际情况并不完全相同。仿真数据中距离门单元1-698属于同种概率分布， 但该方法得到的结果为距离门单元1-720属于同种概率分布。这是因为参考窗口的选择造 成的，K-AD同质性检验算法首先就假定参考窗口内数据满足同一概率分布，即每120个距离 单元为一个分段样本，样本内数据属于同一概率分布。720是离698最近的分段，所以会得到 上述情况。观察图4到图7,显示不同分区的概率分布拟合情况，其中与实际情况存在出入的 是第二个分区，实际情况该分区满足韦伯分布，但检测结果显示此分布满足对数正态分布。 这种情况产生的原因也是参考窗口选择造成的，每个多普勒单元的第699到720距离门间的 数据被划分入与自身概率分布不同的分区，同时使该分区的概率分布发生变化。如图4和图 5所示，第一个分区（图4)受这种影响较小没有对概率分布拟合造成太大影响，第二分区受 这种影响较大，使原本的概率分布产生变化，由韦伯分布转向了更倾向于对数正态分区。但 这种差异并不影响K-AD同质性检验分区有效性的验证，同样能够实现K-AD同质性检验的分 区能力。
【附图说明】
[0021]图1为仿真数据形式图，wbl 1为韦伯分布l，wbl2为韦伯分布2，lognl为对数正态 分布1，logn2为对数正态分布2;
[0022]图2为仿真数据dB值图；
[0023] 图3为仿真数据K-AD分区结果图；
[0024] 图4为分区1概率分布拟合示意图；
[0025] 图5为分区2概率分布拟合示意图；
[0026] 图6为分区3概率分布拟合示意图；
[0027]图7为分区4概率分布拟合示意图；
[0028]图8为本发明流程图。
【具体实施方式】
【具体实施方式】 [0029] 一:结合图8说明本实施方式，本实施方式的一种基于同质性检验的 数据分区方法具体是按照以下步骤制备的：
[0030] 步骤一、开始；
[0031] 步骤二、获取雷达回波幅值数据，设置进位；
[0032] 步骤三、对雷达回波幅值数据按需分段，并初始化分区矩阵R;
[0033] 步骤四、计算不同分段间的同质化水平，对分区矩阵R进行赋值；
[0034] 步骤五、调整进位，将进位+1;
[0035]步骤六、寻找分区矩阵R中大于进位的数据元素，如果能够找到则进行同质化水平 计算再进行步骤五，如果不能够找到，则进行步骤七；
[0036] 步骤七、根据分区矩阵R生成新的分区矩阵tt;
[0037] 步骤八、结束。
[0038]【具体实施方式】二:本实施方式与【具体实施方式】一不同的是:所述步骤二中获取雷 达回波幅值数据，设置进位;具体过程为：
[0039] 获取雷达回波数据矩阵，回波数据元素为复数，取幅值得到雷达回波幅值数据矩 阵，设置进位为〇。
[0040] 其它步骤及参数与【具体实施方式】一相同。
【具体实施方式】 [0041] 三:本实施方式与一或二不同的是:所述步骤三中对 雷达回波幅值数据按需分块，并初始化分区矩阵R;具体过程为：
[0042] 按实际需求对参考窗口矩阵进行选择，参考窗口矩阵为m'*n'，m'表示参考窗口行 数，η '表示参考窗口列数;设取幅值得到雷达回波幅值数据矩阵为m*n，m为取幅值得到雷达 回波幅值数据矩阵行数，η为取幅值得到雷达回波幅值数据矩阵列数;按参考窗口对取幅值 得到雷达回波幅值数据矩阵进行分段，
，设置分区矩阵R，分区矩阵R行数
初始化分区矩阵R所有数据元素为〇; m '取值范围为
，m取值范围为1 10000，n取值范围为1 10000;
[0043] 所述*为乘号。
[0044] 其它步骤及参数与【具体实施方式】一或二相同。
[0045]【具体实施方式】四：本实施方式与【具体实施方式】一至三之一不同的是:所述按参考 窗口对取幅值得到雷达回波幅值数据矩阵进行分段
；具体过程为：
[0046]
将取幅值得到雷达回波幅值数据矩阵中第 至Ijm个元素整合到第
段中，将取幅值得到雷达回波幅值数据矩阵中第
η个元素整合到第
段中；所述*为乘号。
[0047] 其它步骤及参数与【具体实施方式】一至三