一种多个异构卫星下基于Rao检测的目标探测方法与流程

本发明属于目标探测与信号处理技术领域，尤其涉及一种多个异构卫星下基于rao检测的目标探测方法。

背景技术：

针对基于传统的时频二维相干检测方法对参考通道噪声敏感的问题，现有方法通过基于广义似然比的检测方法达到了微弱回波检测的目的，然而这种检测方法都是在单个辐射源场景下进行建模分析的，不适合在实际环境下多个卫星辐射源场景下的目标探测。liuj,liuw,chenb提出了一种基于rao检测的目标探测算法，相对于广义似然比检测，该算法只需要估计假设h0下的未知参数，计算量小，复杂度低，所以相对容易实现，然而是在单个辐射源下进行回波信号的检测，检测可靠性较低。(liuj,liuw,chenb,etal.modifiedraotestformultichanneladaptivesignaldetection[j].ieeetransactionsonsignalprocessing,2015,64(3):1-1)。junliu,bochen,hongweiliu推导出了基于rao检测的检测统计量，并给出了虚警概率和检测概率的表达式，得出rao检测具有恒虚警特特性。但是也是在单个卫星外辐射源的条件下。(junliu；bochen；hongweiliu；weijianliu.“performanceanalysisofamodifiedraotestforadaptivesubspacedetection，”2016ieeeinternationalconferenceonacoustics,speechandsignalprocessing(icassp)，pages:2926–2930)。liuj,lih,himed等人推导了监测通道有多个接收机时的广义似然比检测的表达式，并给出了检测概率和虚警概率表达式，但是是在没有干扰回波并且噪声方差已知的条件下的推导，与实际场景不符。(liuj,lih,himedb.twotargetdetectionalgorithmsforpassivemultistaticradar[j].ieeetransactionsonsignalprocessing,2014,62(22):5930-5939)

综上所述，现有技术存在的问题是：传统的时频二维相干检测方法存在检测可靠性较低，在没有干扰回波并且噪声方差已知的条件下的推导，与实际场景不符。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种多个异构卫星下基于rao检测的目标探测方法。

本发明是这样实现的，一种多个异构卫星下基于rao检测的目标探测方法，所述多个异构卫星下基于rao检测的目标探测方法包括：对参考通道的直达波信号分离，并作为本地参考信号；根据本地参考信号和监测通道的信号建立二元假设模型以及在两个假设下信号的概率密度函数；分别利用最大似然估计方法估计两种情况下的假设h0下的未知参数；构造两种情况下基于rao检测的检测统计量；设置两种种情况下的检测门限，并与两种情况下的检测统计量进行比较判决，从而检测出目标。

进一步，所述多个异构卫星下基于rao检测的目标探测方法包括以下步骤：

步骤一，将参考通道的多个直达波信号分离，并作为本地参考信号；

步骤二，根据本地参考信号和监测通道的信号建立二元假设模型以及在两个假设下信号的概率密度函数；

步骤三，利用最大似然估计方法估计出假设h0下当噪声方差未知时未知参数cη,k，σ²和当噪声方差未知并存在干扰目标时的未知参数cη,k，σ²；

步骤四，构造两种情况下基于rao检测的检测统计量；

步骤五，设置两种情况下的检测门限，并与两种情况下的检测统计量进行比较判决，从而检测出目标。

进一步，所述步骤一中通道的信号表示为：

其中n＝0,1,…n-1,m表示卫星的个数，p是单个卫星信号下的多径的径数，nη,ωη,αη分别是回波信号的时延、多普勒频移、幅度，当k＝1时，cη,k是直达波信号的幅度，当k＝2,3,…,p时，cη,k是多径信号的多普勒频移，时延，幅度，k表示干扰目标的个数，分别表示干扰回波信号的多普勒频移，时延，幅度，ns(t)是高斯白噪声。

进一步，所述步骤二中：

二元假设模型表示为:

假设h0下的x[n]的概率密度函数为：

假设h1下的x[n]的概率密度函数为：

进一步，所述步骤三具体包括：

h0下的未知参数cη,k的最大似然估计为：

其中表示的是假设h0下的第η个卫星信号的第k个多径的幅度cη,k的估计值，其中k＝1表示的是对应于该卫星的直达波信号的幅度的估计值；

rc表示多径信号的相关，rc是p*p的矩阵，[rc]sk是rc的元素，表示为：

表示监测通道中的接收信号和直达波以及多径信号在处的相关，[rxc]是p*m的矩阵,表示[rxc]qs的元素，表示为：

假设h0下的噪声方差的最大似然估计为：

当噪声方差未知并且存在干扰目标时的假设h0下的未知参数的最大似然估计如下：

假设h0下的未知参数的估计如下：

其中,是第b个干扰回波的幅度在假设h0下的估计；rtc表示干扰目标回波在(nη,ωη)和多径信号在(nq,s,ωq,s)之间的相关,[rtc]是k*p的向量,[rtc]sm是rtc的元素，表示为：

rxt表示接收信号和干扰目标回波信号在的相关,rxt是k*1的向量,[rxt]是rxt的元素，表示为：

rtt表示干扰目标回波的相关,[rtt]是k*k的向量,[rtt]fm是rtt的元素，为：

假设h0下噪声方差的最大似然估计分别为：

其中x是假设h0下的信号，rss表示回波之间的自相关，[rss]是m^*m的矩阵,[rss]rη表示rss的元素，表示为：

进一步，所述步骤四中：

当噪声方差未知时的检测统计量：

当噪声方差未知并且存在干扰目标且时的检测统计量：

其中，λ,λ′为对应于相应检测器的门限。

进一步，所述步骤五中：

当噪声方差未知时的检测器的判决门限ψ：

当噪声方差未知并且存在干扰目标时的检测器的判决门限ψ：

本发明的优点及积极效果为：本发明有效地实现在多个异构卫星辐射源下运动目标的探测，可用于在低突防的目标探测和空中预警中；对参数数据进行2000次蒙特卡洛实验仿真，得到如图2的检测性能。

附图说明

图1是本发明实施例提供的多个异构卫星下基于rao检测的目标探测方法流程图。

图2是本发明实施例提供的在不同情况下的目标探测性能对比示意图。

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。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的多个异构卫星下基于rao检测的目标探测方法包括以下步骤：

s101：对参考通道的直达波信号分离，并作为本地参考信号；

s102：根据本地参考信号和监测通道的信号建立二元假设模型以及在两个假设下信号的概率密度函数；

s103：分别利用最大似然估计方法估计两种情况下的假设h0下的未知参数；

s104：构造两种情况下基于rao检测的检测统计量；

s105：设置两种种情况下的检测门限，并与两种情况下的检测统计量进行比较判决，从而检测出目标。

本发明实施例提供的多个异构卫星下基于rao检测的目标探测方法具体包括以下步骤：

步骤一，将参考通道的多个直达波信号分离，并作为本地参考信号；

步骤二，根据本地参考信号和监测通道的信号建立二元假设模型以及在两个假设下信号的概率密度函数；

步骤三，利用最大似然估计方法估计出假设h0下当噪声方差未知时未知参数cη,k，σ²和当噪声方差未知并存在干扰目标时的未知参数cη,k，σ²；

步骤四，构造两种情况下基于rao检测的检测统计量；

步骤五，设置两种情况下的检测门限，并与两种情况下的检测统计量进行比较判决，从而检测出目标。

步骤一中，将参考通道的多个直达波信号分离，并作为本地参考信号按以下进行：

参考通道信号z(t)的表达式为：

其中，lη是参考通道直达波信号的幅度，nr(t)是参考通道的噪声，m是卫星辐射源的个数。

由于参考通道接收的是多个不同卫星的直达波信号，所以直达波信号是不同频的，可以设计带通滤波器对直达波信号进行分离，经过带通滤波器分离以后，参考通道中的信号可以表示为：

yη(t)＝bηsη(t)+nη(t)0≤t＜tη＝1,2…m；

其中，bη是参考通道直达波信号的幅度，nη(t)是分离之后的单个直达波信号中的噪声。

监测通道的信号表示为：

其中n＝0,1,…n-1,m表示卫星的个数，p是单个卫星信号下的多径的径数，nη,ωη,αη分别是回波信号的时延、多普勒频移、幅度，当k＝1时，cη,k是直达波信号的幅度，当k＝2,3,…,p时，cη,k是多径信号的多普勒频移，时延，幅度，k表示干扰目标的个数，分别表示干扰回波信号的多普勒频移，时延，幅度，ns(t)是高斯白噪声。

步骤二中，所述根据本地参考信号和监测通道的信号建立二元假设模型以及在两个假设下信号的概率密度函数按以下进行：

二元假设模型表示为:

假设h0下的x[n]的概率密度函数为：

假设h1下的x[n]的概率密度函数为：

步骤三中，利用最大似然估计方法估计出假设h0下当噪声方差未知时未知参数cη,k，σ²和当噪声方差未知并存在干扰目标时的未知参数cη,k，σ²按以下进行：

当噪声方差未知时的假设h0下的未知参数数cη,k，σ²的最大似然估计如下：

h0下的未知参数cη,k的最大似然估计为：

其中表示的是假设h0下的第η个卫星信号的第k个多径的幅度cη,k的估计值，其中k＝1表示的是对应于该卫星的直达波信号的幅度的估计值。

rc表示多径信号的相关，rc是p*p的矩阵，[rc]sk是rc的元素，表示为：

表示监测通道中的接收信号和直达波以及多径信号在处的相关，[rxc]是p*m的矩阵,表示[rxc]qs的元素，表示为：

假设h0下的噪声方差的最大似然估计为：

当噪声方差未知并且存在干扰目标时的假设h0下的未知参数的最大似然估计如下：

假设h0下的未知参数的估计如下：

其中,是第b个干扰回波的幅度在假设h0下的估计。rtc表示干扰目标回波在(nη,ωη)和多径信号在(nq,s,ωq,s)之间的相关,[rtc]是k*p的向量,[rtc]sm是rtc的元素，表示为：

rxt表示接收信号和干扰目标回波信号在的相关,rxt是k*1的向量,[rxt]是rxt的元素，表示为：

rtt表示干扰目标回波的相关,[rtt]是k*k的向量,[rtt]fm是rtt的元素，为：

假设h0下噪声方差的最大似然估计分别为：

其中x是假设h0下的信号，rss表示回波之间的自相关，[rss]是m*m的矩阵,[rss]rη表示rss的元素，表示为：

步骤四中，所述构造两种情况下基于rao检测的检测统计量按以下进行：

当噪声方差未知时的检测统计量：

当噪声方差未知并且存在干扰目标且时的检测统计量：

其中，λ,λ′为对应于相应检测器的门限。

步骤五中，所述设置两种情况下的检测门限，并与两种情况下的检测统计量进行比较判决，从而检测出目标按以下进行：

当噪声方差未知时的检测器的判决门限ψ：

当噪声方差未知并且存在干扰目标时的检测器的判决门限ψ：

下面结合仿真对本发明的应用效果作详细的描述。

仿真实验：对上述三种情况下的基于广义似然比的回波检测性能进行仿真验证，采用gps,dvb-s，inmarsat三个卫星信号进行仿真实验。其中三个信号的载波频率分别为：fg＝1.57ghz,fd＝12.38ghz,fi＝4.2ghz，假设三个回波信号的时延分别为1μs,2μs,3μs，多普勒频移分别为100hz,150hz,200hz，三个信号直达波的强度依次为：-130.1dbw-111.83dbw,-120.61dbw，直达波与其对应的回波功率差为40db，采样点数为10⁵，对参数数据进行2000次蒙特卡洛实验仿真，得到如图2的检测性能。

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。