基于稀疏恢复空时谱估计的高频雷达目标检测方法与流程

本发明属于雷达领域，尤其涉及高频雷达一阶海杂波区目标检测及多目标检测增强技术，具体为一种基于稀疏恢复空时谱估计的高频雷达目标检测方法。

背景技术：

高频地波雷达作为一种新兴的海洋监测技术，具有超视距、大范围、全天候以及低成本等优点，被认为是一种能实现对各国专属经济区监测进行有效监测的高科技手段。各临海发达国家均进行了研发投入，并实施了多年的对比验证和应用示范。而海洋监管不仅只是主权保护，也同样包括搜索和救援(马航事件)，以及交通管理等。而传统的监控手段却受到很多物理限制。比如，岸基微波雷达只能够沿视距传播，探测距离受到较大限制。卫星传感器(比如合成孔径雷达)的时间分辨率较低，不能实现全天候观测。高频地波雷达在海洋监管方面有着比传统手段有显著优势。

但高频雷达严重的海杂波干扰直接影响中小尺寸船只的探测，甚至出现完全掩盖目标回波的情况。尤其是对于小型阵列宽波束雷达而言，复杂的海杂波信号更无法通过简单的方法来有效抑制，使得杂波区目标难以有效检测。为增强雷达对于杂波区目标的检测能力，减少目标大量漏检的情况，通常有两种处理方法：1)多站模式，j.hostmann和roarty.h等人通过多套雷达系统在不同方位观测，

依赖视向角引起的多普勒频移变化来检测目标，详见文章[1]；

2)多频模式，d.m.fernandez等人通过单套雷达多波段同时工作，依赖多普勒频移、一阶海杂波频移与波长的关系差异来检测目标，详见文章[2]。

但上述方法均要求对系统有所改进，通过增加站点数或频点数来增强探测性能。为降低成本，需要探究在不增加复杂性的情况下优化探测性能的方法。对于海杂波区的目标检测，国内关键[3]等人和加拿大的thayaparan[4]等人都提出了基于目标与杂波的时频调制特征差异的检测方法，取得了一定效果。

[1]s.maresca,p.braca,j.horstmannetal.,“maritimesurveillanceusingmultiplehigh-frequencysurface-waveradars,”ieeetrans.geosci.remote.,vol.52,no.8,pp.5056-5071,aug,2014.

[2]d.m.fernandez,j.f.vesecky,d.e.barricketal.,“detectionofshipswithmulti-frequencyandcodarseasondehfradarsystems,”canjremotesens,vol.27,no.4,pp.277-290,2001.

[3]guanj,chenxl,huangy,etal.adaptivefractionalfouriertransform-baseddetectionalgorithmformovingtargetinheavyseaclutter[j].ietradarsonarnav.,2012,6(5):389-401.

[4]zhangy,qians,thayaparant.detectionofamanoeuvringairtargetinstrongseaclutterviajointtime-frequencyrepresentation[j].ietsignalprocess.,2008,2(3):216-22.

但上述方法依然存在着不足，对于高频地波雷达而言，对目标检测造成严重干扰的海杂波与目标除在长时间调制特征上不同外，空时二维分布同样存在着差异，在优化海杂波区目标检测方面利用这一特征具有重大功效。

技术实现要素：

本发明针对现有技术的不足，提供一种基于稀疏恢复空时谱估计的高频雷达目标检测方法，填补在不增加系统复杂性和不借助先验信息条件下检测海杂波区目标的技术空白，同时解决密集船只场景下的多目标检测技术难题。

本发明采用如下技术方案实现：

步骤1，确定空域和多普勒维的分辨尺度，将空时二维平面划分为p*q个网格，计算每个网格上的空时导向矢量，生成空时导向字典φ，其中空时导向矢量与空域导向矢量a(θn)和多普勒导向矢量aτ(ωn)的构成关系为为克罗内克积；

步骤2，对于高频雷达回波数据进行第一次fft，选择待检测距离单元的连续m个采样点；按照每n个点形成一帧的做法，按通道展开拉直构成个空时快拍矩阵y,表示向下取整；

步骤3，利用spgl1算法工具包对步骤2中的多快拍数据进行稀疏恢复，求解优化问题：

其中，表示d*k维矩阵sx的第i行，||·||2表示范数，||·||2,1表示混合范数，ε为噪声方差；

步骤4，获得联合分布sx后，重构空时协方差矩阵，计算方法如下:

其中，φi表示空时导向字典中对应于的第i列，h为共轭转置符号；

步骤5，对重构的协方差矩阵进行奇异值分解，

其中，u为左奇异矢量，s特征值分布，v^h为右特征值分布，对s进行排序，然后通过信源数估计排除显著性特征值对应的信号子空间来获得噪声子空间估计即有

步骤6，通过空时二维扫描，基于二维music算法来获得方位多普勒谱pmu(θ,ω):

其中，aθω为空时导向矢量；最后通过恒虚警技术检测目标,即先通过搜索二维空时分布上的最低点估计噪声水平σ²，设置虚警率为10^-8，设置噪声分布为瑞利分布，从而自适应获得判决门限，检测目标同时获得对应多普勒和方位估值。

步骤2中，为保证单个空时快拍内信号平稳性，n的取值为32或64，m的取样个数为256或512。

步骤3中，对于噪声水平ε的估计首先对于时域数据求取总能量e，然后按照ε＝max(e)/20计算噪声水平；在粗略计算稀疏分布时，迭代停止门限选择为10^-5,在需要精细搜索时，停止门限可以设置为10^-6。

步骤5中，信源数的快速确定方法为：首先确定峰值pmax，然后对其幅度取1/20，若第二特征值大于该值，则从第二特征值继续迭代，对下一个特征值进行继续判断，直到条件不满足，所有满足条件的特征值个数为信源数。

与现有技术相比，本发明具有以下优点和效果：

本发明在不增加雷达系统数量或设备复杂性的条件下，充分挖掘目标信号与杂波信号空时二维特征差异，实现了对海杂波区中的目标检测和多目标区分。具有重大的军事价值和民用航管价值，对于已经在海岸边大量布设的高频雷达系统，可以直接提高其在海岸预警和船舶管理方面的应用能力。当不采用本方案中的目标检测方法时，常规方法无法检测海杂波区内目标，构成相当大的检测盲区，使得目标检测概率较低，同时受制于积累时间和分辨率的问题，小型阵列高频雷达在密集多目标场景下也无法有效工作。本方法整合了空时二维估计和稀疏恢复的优势，在小样本情况下对空时谱实现有效估计，增强了高频雷达的目标探测能力，具有极大的应用潜力，对于军事、海监、渔业管理等方面具有重大应用价值。

附图说明

图1是本发明实施例的仿真回波信号数据，时间多普勒谱。

图2是本发明实施例的仿真回波经典空时超分辨估计的结果。

图3是本发明实施例的仿真回波稀疏恢复空时超分辨估计的结果。

图4是本发明实施例的仿真回波协方差矩阵特征值分布在不同快拍数和稀疏恢复的比较。

图5是本发明实施例的目标与海杂波混叠的实测回波数据，时间多普勒谱。

图6是本发明实施例的实测回波数据经典空时超分辨估计结果。

图7是本发明实施例的实测回波数据稀疏恢复空时超分辨估计的结果。

图8是本发明实施例的实测回波数据通过经典级联方案处理和稀疏处理的检测跟踪对比结果。

图9是本发明实施例的多目标检测雷达实测数据的时间多普勒谱。

图10是本发明实施例的多目标雷达实测数据经典空时二维估计结果。

图11是本发明实施例的多目标雷达实测数据稀疏恢复空时二维估计结果。

图12是本发明方法的整体流程图。

具体实施方式

本发明主要基于空时二维谱估计和多快拍稀疏恢复理论，考虑到多普勒雷达回波中目标信号与海杂波信号空时二维分布的差异，提出了基于空时二维联合估计的目标检测方法，并针对实际应用中目标机动特性导致快拍数偏小问题，整合了多快拍稀疏恢复理论，设计了实际运行系统。本方法充分考虑了目标信号的空时特征，并通过稀疏恢复来增强空时谱估计有效性，填补了不增加系统复杂性条件下检测高频雷达一阶谱区目标的技术空白。对于港口航道等密集多目标场景的监控管理也大有益处。

本发明提供的方法如图12所示，能够用计算机软件技术实现该流程。

实施例1：

以对于高频雷达一阶海杂波区目标检测为例，阐释基于稀疏恢复空时谱估计对于目标检测的优势，仿真目标信号如图1所示，时间多普勒谱中很难检测到该目标信号，当利用经典二维music算法进行二维空时谱估计时，结果如图2所示，由于快拍数不足，协方差矩阵统计不充分，目标信号难以形成有效的聚集区。为解决此问题，后续处理如下:

步骤1，对空域维按1°进行网格划分，扫描范围为-60°～60°，对多普勒维按0.01hz进行划分，扫描范围为整个多普勒采样频段，通过技术方案中的步骤1构成空时导向矢量字典；

步骤2，选择待检测距离单元时域采样的256个点，每32个点构成一个空时快拍，由于阵列通道数为8，因此每个空时快拍为256维，总共构成256*8的空时快拍矩阵；

步骤3，设置迭代优化停止条件为10^-5，噪声水平为峰值的1/20，然后求解稀疏恢复优化问题获得稀疏解；

步骤4，利用稀疏解重构空时协方差矩阵；

步骤5，通过奇异值分布特征估计信源数，构造噪声子空间；

步骤6，按照技术方案步骤6估计空时谱，结果如图3，可以看到目标信号形成明显的聚集区，且信噪比大幅增加，有利于目标检测的进行。

图4为8个快拍条件下稀疏恢复协方差矩阵特征值分布与8快拍、32快拍条件下的分布比对，可以看到，经过稀疏恢复以后，8快拍条件下的特征值分布与32快拍估计结果相当，而直接利用8快拍估计则存在明显的缺秩问题，无法有效估计噪声子空间。

实施例2：

以对于高频雷达一阶海杂波区目标检测为例，阐释基于稀疏恢复空时谱估计对于目标检测的优势，实测回波数据如图5所示，点画线为目标ais数据，当采用空时级联方案时，由于目标被海杂波掩蔽，仅从时间多普勒谱中很难检测到该目标。按照经典music算法进行二维估计时，结果如图6所示，目标信号也难以形成有效的聚集区。采用稀疏恢复空时谱估计来检测该目标，处理过程如下:

步骤1，选择待检测距离单元时域采样的256个点，每32个点构成一个空时快拍，由于阵列通道数为8，因此每个空时快拍为256维，总共构成256*8的空时快拍矩阵；

步骤2，对空域维按1°进行网格划分，扫描范围为-60°～60°，对多普勒维按0.01hz进行划分，对整个多普勒采样频段进行扫描；

步骤3，设置迭代优化停止条件为10^-5，噪声水平为峰值的1/20，然后求解稀疏恢复优化问题获得稀疏解；

步骤4，利用稀疏解重构空时协方差矩阵；

步骤5，通过奇异值分布特征估计信源数，构造噪声子空间；

步骤6，按照music算法估计流程进行处理估计空时谱，结果如图7，可以看到目标信号形成明显的聚集区，且信噪比大幅增加，超过20db，有利于目标检测的进行。

对实测回波进行连续检测跟踪统计处理，如图8所示，点实线为稀疏恢复空时谱估计的检测结果，实线表示目标在一阶海杂波区外的ais数据，虚线表示目标处于一阶海杂波区的ais数据，可以看到，稀疏恢复空时谱估计方法不仅可以对杂波区外的目标进行有效检测，对于被海杂波掩蔽的目标也能有效检测和跟踪，相比空时级联方案和直接空时估计方案都大大提高了检测性能，增强了对于机动目标的探测能力。

实施例3：

以密集场景下的多目标检测对本发明的过程再进行一个具体的阐述，实测数据时间多普勒谱参见图9，当对多目标回波数据直接依据经典music算法进行二维空时谱估计，结果如图10所示，只能检测到两个目标的存在，且信噪比较低，仅有5db左右，谱峰不够锐利，难以进行多目标的有效检测与区分。为优化检测性能，处理如下：

步骤1，选择待检测距离单元时域采样的256个点，每32个点构成一个空时快拍，由于阵列通道数为8，因此每个空时快拍为256维，总共构成256*8的空时快拍矩阵；

步骤2，对空域维按1°进行网格划分，扫描范围为-60°～60°，对多普勒维按0.01hz进行划分，扫描范围为整个多普勒采样频段；

步骤3，为强化对多目标场景下的恢复性能，设置迭代优化停止条件为10^-6，噪声水平为峰值的1/25，然后求解稀疏恢复优化问题获得稀疏解；

步骤4，利用稀疏解重构空时协方差矩阵；

步骤5，通过奇异值分布特征估计信源数，构造噪声子空间；

步骤6，按经典music算法流程估计空时谱，新的结果如图11所示，可以看到目标信号形成明显不同的聚集区，且信噪比大幅增加，接近45db，低信噪比目标也被有效估计出来，提高了检测性能。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。