本发明隶属于雷达信号处理领域，具体涉及一种宽带雷达目标自适应结构化匹配滤波方法。
背景技术
宽带雷达具有带宽大、距离分辨率高的特点，在精确探测及成像、高精度跟踪、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。传统窄带雷达由于距离分辨率低，其距离单元大小远大于常见目标的几何尺寸，目标回波信号只占据一个距离单元，实际目标常被作为“点目标”进行处理。与窄带雷达的“点目标”不同，常见宽带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，呈现为“一维距离像”，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，将极大降低目标检测性能，无法满足宽带雷达目标检测需要。
目前，大部分距离扩展目标自适应检测方法均需借助于辅助数据，实现对未知杂波协方差矩阵的准确估计。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。然而，在实际雷达工作环境中，由于干扰目标、大的离散杂波、杂波边缘等导致的不同类型异常值“污染”，杂波背景的均匀性被破坏，满足条件的辅助数据有时很难获取，常常会出现辅助数据缺失的情况。而对于空时自适应处理等自由度较高的应用场合，甚至会出现辅助数据严重缺失的情况，此时传统采样协方差矩阵估计可能会出现秩缺损，从而严重影响目标自适应检测性能。与点目标相比，距离扩展目标的空间跨度更大，出现辅助数据缺失的可能性更大、缺失程度也更为严重。
充分利用杂波谱结构化特征可有效提高杂波背景统计特性估计精度，在减小自适应检测中辅助数据缺失所导致的检测性能损失方面具有潜在优势。对于采用空间对称线性阵列或固定相参脉冲重复间隔的宽带雷达，其杂波协方差矩阵同时关于主对角线和次对角线对称。这种关于次对角线对称的斜对称结构为提高杂波协方差矩阵估计精度提供了可行途径，为改善雷达目标自适应检测性能创造了有利条件。当前，结构化检测器设计主要针对经典点目标自适应检测开展，有关宽带雷达距离扩展目标结构化自适应检测器尚未见报道，但点目标检测器无法直接用于距离扩展目标自适应检测，如何基于杂波斜对称结构改善辅助数据缺失下的宽带雷达目标自适应检测性能，在充分利用杂波斜对称信息的同时合理控制检测方法的计算复杂度，是工程应用中面临的难题。
技术实现要素：
1.要解决的技术问题
宽带雷达在实际工作环境中，由于不同类型异常值的“污染”，常常会出现辅助数据缺失的情况，导致经典自适应检测方法的检测性能急剧下降。针对采用空间对称线性阵列或固定相参脉冲重复间隔的宽带雷达体制，在辅助数据缺失环境下，如何充分挖掘杂波协方差矩阵斜对称结构化信息提高杂波背景统计特性估计精度，有效融合杂波协方差矩阵斜对称特征与目标散射点特征，设计宽带目标自适应检测器，在改善自适应检测性能的同时合理降低检测方法的计算复杂度，从理论分析角度确保检测器的恒虚警率特性，是本发明需要解决的技术问题。
2.技术方案
本发明所述宽带雷达目标自适应结构化匹配滤波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r个无目标距离单元获取纯杂波辅助数据，仅利用辅助数据中杂波斜对称结构化信息估计背景统计特征，通过融合多个待检测距离单元中的目标散射点信息，基于两步法广义似然比检验准测构建宽带雷达目标自适应结构化匹配滤波方法；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zt,t＝1,2,…,l，其中，l为自然数，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r个纯杂波辅助数据向量xm,m＝1,2,…,r，其中，zt和xm均为n×1维的向量，n表示雷达接收阵元数与相干处理脉冲数的乘积；
通过挖掘辅助数据中杂波协方差矩阵的斜对称结构化信息，基于两步法广义似然比检验准测，融合l个距离单元中目标散射点能量，构建的宽带雷达目标自适应结构化匹配滤波方法的检测统计量λ表示为
上式中，上标“h”和“-1”分别表示矩阵的共轭转置和求逆运算，p表示已知的n×1维单位导向矢量，z＝[ze1,…,zel,zo1,…,zol]和x＝[xe1,…,xer,xo1,…,xor]分别表示n×2l维和n×2r维的矩阵，其中的向量zet、zot、xem和xom分别表示为
其中，jn表示次对角线元素全为1且其他元素全为0的n×n维矩阵，上标“*”表示矩阵的共轭运算；
步骤2针对宽带雷达目标自适应结构化匹配滤波方法，推导其虚警概率pfa与检测阈值λ0的解析表达式，推导非起伏散射点目标的检测概率解析表达式；具体步骤包括：
宽带雷达目标自适应结构化匹配滤波方法的虚警概率pfa与检测阈值λ0的解析表达式表示为
上式中，γ(·)表示gamma函数，v＝2r-n+1，函数f(ρ)表示为
由式(4)可知，检测阈值λ0只与虚警概率pfa有关，而与杂波参数无关，说明检测器具有恒虚警率特性；
对于非起伏散射点目标的检测概率解析表达式表示为
上式中，a表示距离扩展目标的输入信杂比，由多个距离单元的目标散射点平均能量与杂波平均功率之比决定；
步骤3为保持检测方法的恒虚警率特性，根据预设的虚警概率pfa和式(4)设置检测门限λ0；将待检测数据向量zt,t＝1,2,…,l的检测统计量λ与检测门限λ0进行比较，若λ≥λ0，则判定l个待检测距离单元存在宽带雷达目标，回波向量zt,t＝1,2,…,l不作为其他距离单元的辅助数据；反之若λ＜λ0，则判定l个待检测距离单元不存在宽带雷达目标，回波向量zt,t＝1,2,…,l作为后续其他距离单元的辅助数据；根据式(6)，评估不同检测器参数对宽带雷达目标自适应结构化匹配滤波方法的检测性能影响，为检测性能理论分析提供数学工具支撑，用于检测器参数的优化设计。
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宽带雷达目标检测环境，仅利用辅助数据中杂波斜对称结构化信息估计背景统计特征，并基于两步法广义似然比检验准测融合多个待检测距离单元中目标散射点能量，在改善自适应检测性能的同时合理降低了检测方法的计算复杂度；2)推导了宽带雷达目标自适应结构化匹配滤波方法的虚警概率与检测阈值解析表达式，为恒虚警率处理的检测门限设置提供了数学依据，避免了使用蒙特卡罗方法确定阈值所导致的计算量过大的问题，且提高了阈值计算精度；3)推导了宽带雷达目标自适应结构化匹配滤波方法的检测概率解析表达式，为评估不同检测器参数对检测性能影响提供数学工具支撑，避免了使用蒙特卡罗方法确定检测概率所导致的计算量过大的问题，且提高了检测概率计算精度，有利于检测器参数的优化设计。
附图说明
图1是本发明所提出的宽带雷达目标自适应结构化匹配滤波方法的功能模块图。图1中，1.斜对称协方差矩阵融合估计模块，2.结构化匹配滤波器构建模块，3.检测阈值计算模块，4.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r个辅助数据向量xm,m＝1,2,…,r，将参考数据向量送至斜对称协方差矩阵融合估计模块(1)；在斜对称协方差矩阵融合估计模块(1)中，计算出xxh并将结果送至结构化匹配滤波器构建模块(2)；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zt,t＝1,2,…,l，将待检测数据向量送至结构化匹配滤波器构建模块(2)；在结构化匹配滤波器构建模块(2)中，依据式(1)计算宽带雷达目标自适应结构化匹配滤波方法的检测统计量λ，并将λ送至检测判决模块(4)；
值得注意的是，式(1)所示的检测统计量针对辅助数据缺失的宽带雷达目标检测环境，仅利用辅助数据中杂波斜对称结构化信息估计背景统计特征，并基于两步法广义似然比检验准测融合多个待检测距离单元中目标散射点能量，与基于一步法广义似然比检验准测构造的检测器相比，本发明所提出的匹配滤波器在改善距离扩展目标自适应检测性能的同时能合理降低检测方法的计算复杂度；另外，当距离扩展目标的待检测距离单元数l降为1时，式(1)所示的检测统计量还适用于经典点目标检测应用场合，基于两步法广义似然比检验的斜对称结构化自适应点目标匹配滤波器实际上是本发明所提匹配滤波方法的特例，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2在检测阈值计算模块(3)中，根据预设的虚警概率pfa和式(4)设置检测门限λ0；并将λ0送至检测判决模块(4)；
值得注意的是，式(4)表明，检测阈值λ0只与虚警概率pfa有关，而与杂波参数无关，这从理论上证明了本发明所提匹配滤波器的恒虚警率特性，即检测器能根据杂波环境的变化自适应调整检测阈值，保持恒定的虚警率；另外，在虚警概率pfa给定后，检测阈值λ0由式(4)直接反解得到，避免了使用蒙特卡罗方法确定检测阈值所导致的计算量过大的问题，且能有效提高阈值计算精度；
步骤3在检测判决模块(4)中进行距离扩展目标检测判决并输出检测结果；将检测统计量λ与检测门限λ0进行比较，若λ≥λ0，则判定l个待检测距离单元存在宽带雷达目标，回波向量zt,t＝1,2,…,l不作为其他距离单元的辅助数据；反之若λ＜λ0，则判定l个待检测距离单元不存在宽带雷达目标，回波向量zt,t＝1,2,…,l作为后续其他距离单元的辅助数据；根据式(6)，评估不同检测器参数对检测性能影响，为检测性能理论分析提供数学工具支撑，用于检测器参数的优化设计。
值得注意的是，利用式(6)计算检测概率，可避免使用蒙特卡罗方法确定检测概率所导致的计算量过大的问题，且提高了检测概率计算精度，有利于检测器参数的优化设计。