likelihood ratio test)，确保了在结构化非平稳干扰环境中的目标检测具有恒虚警特性，提高了目标的检测性能。
7.实现本发明的思路是：在已知结构化非平稳干扰的先验知识的前提下，根据天线阵列的相关信息，估计出结构化非平稳干扰的自适应自由度，并将接收的回波数据投影到不含非平稳干扰的子空间内，在此基础上，通过广义似然检测方法计算信号的检验统计量，并与预先设定的检测门限进行比较，得到最终的判决结果，即目标检测结果。有效提升了雷达系统在结构化非平稳干扰背景下的目标检测能力。
8.本发明实现上述目的具体步骤如下：
9.(1)对雷达回波信号进行采集，得到n
×
(k+1)维的原始数据矩阵x：x＝[x,x1,
…
x
k
,
…
,x
k
]，k∈n
+
，其中x表示待检测单元的回波数据，x
k
表示第k个参考单元的采样数据，k＝1,
…
,k，n为均匀线阵中的天线数目，k是检测单元附近参考单元的数目，且k＞n；
[0010]
(2)计算干扰消耗的自适应自由度d：其中δ表示归一化的角度扩展量或干扰所占用的归一化频率带宽量，表示大于x的最小整数；
[0011]
(3)利用干扰消耗的自适应自由度构建n
×
(n
‑
d)维的干扰补空间矩阵u；
[0012]
(4)根据原始数据矩阵x和干扰补空间矩阵u，分别计算非平稳干扰信号的导向矢量在干扰补空间上的投影p1、待检测单元的回波数据x在干扰补空间上的投影量以及所有参考单元的采样数据在干扰补空间上投影量的二范数s1；
[0013]
(5)按照如下公式获取检验统计量y：
[0014][0015]
其中，表示共轭转置操作，|
·
|2表示对
·
的模值取平方；
[0016]
(6)将检验统计量y与预先设定的检验门限η进行比较：若y≥η，则判决目标存在，若y＜η，则判决目标不存在。
[0017]
本发明与现有技术相比具有以下优点：
[0018]
第一、本发明中所提出的检验统计算法是将接收的雷达回波数据x映射到不含非平稳干扰的子空间，与现有忽略干扰子空间的算法相比，可消除子空间干扰，更好地保留数据的高斯性；
[0019]
第二、由于本发明利用结构化非平稳干扰的先验知识，通过广义似然比检验得到统计量，因此对高斯型及非平稳的干扰分布均具有恒虚警特性，能够有效提高检测系统的检测性能。
附图说明
[0020]
图1是本发明方法的实现流程图；
[0021]
图2是本发明与现有方法的检测性能仿真对比图。
具体实施方式
[0022]
下面结合附图对本发明做进一步的描述。
[0023]
参照附图1，本发明提出的一种非平稳干扰下的自适应目标检测方法，具体包括如下步骤：
[0024]
步骤1.对雷达回波信号进行采集，得到n
×
(k+1)维的原始数据矩阵x：x＝[x,x1,
…
x
k
,
…
,x
k
]，k∈n
+
，其中x表示待检测单元的回波数据，x
k
表示第k个参考单元的采样数据，k＝1,
…
,k，n为均匀线阵中的天线数目，k是检测单元附近参考单元的数目，且k＞n；实现步骤如下：
[0025]
1.1)对待检测单元进行信号采集，得到n维测试数据矢量：x∈c
n
，其中，n代表均匀线阵中的天线数目；
[0026]
1.2)对待检测单元附近的参考单元进行信号采集，得到待检测单元数据矩阵[x1,
…
x
k
,
…
,x
k
]，其中，x
k
∈c
n
，k＝1,
…
,k，k为检测单元附近的参考单元数目；
[0027]
1.3)将前两步得到的回波信号合并成一个n
×
(k+1)维的原始数据矩阵x：
[0028]
x＝[x,x1,
…
x
k
,
…
,x
k
]，k＝1,
…
,k，k∈n
+
且k＞n。
[0029]
步骤2.计算干扰消耗的自适应自由度d：其中δ表示归一化的角度扩展量或干扰所占用的归一化频率带宽量，表示大于x的最小整数；
[0030]
具体针对以下两种情况分别进行：
[0031]
针对空间扩展的非平稳干扰信号：δ表示归一化的角度扩展量，其中，d为均匀天线阵列中相邻阵元之间的距离，λ是雷达的工作波长，w＝μ2‑
μ1表示干扰信号之间的方位余弦差量，μ1和μ2分别表示两个不同干扰的方向余弦值；所述干扰的方向余弦值是对干扰信号的入射角度θ取余弦得到，即μ＝cos(θ)。
[0032]
针对宽频带的非平稳干扰信号：δ表示干扰所占用的归一化频率带宽量，其中b
w
表示宽带干扰的带宽，θ为干扰信号的入射角度，c为光速。
[0033]
步骤3.利用干扰消耗的自适应自由度构建n
×
(n
‑
d)维的干扰补空间矩阵u；实现步骤如下：
[0034]
3.1)根据待检测单元的回波信号x
k
，k＝1,
…
,k，估算出干扰信号的特征值及特征矢量，选取较大的d个特征值所对应的特征矢量构成n
×
d维的干扰子空间h；
[0035]
3.2)计算n
×
n维补空间
[0036][0037]
其中，i表示n
×
n维单位矩阵，(
·
)
+
表示共轭伪矩阵；
[0038]
3.3)取n
×
n维补空间的前(n
‑
d)列元素，构成n
×
(n
‑
d)维干扰补空间矩阵u，该矩阵满足
[0039]
步骤4.根据原始数据矩阵x和干扰补空间矩阵u，分别计算非平稳干扰信号的导向矢量在干扰补空间上的投影p1、待检测单元的回波数据x在干扰补空间上的投影量以及
所有参考单元的采样数据在干扰补空间上投影量的二范数s1；具体计算公式如下：
[0040][0041][0042][0043]
其中，p表示干扰信号的导向矢量。
[0044]
步骤5.按照如下公式获取检验统计量y：
[0045][0046]
其中，表示共轭转置操作，|
·
|2表示对
·
的模值取平方；
[0047]
步骤6.将检验统计量y与预先设定的检验门限η进行比较：若y≥η，则判决目标存在，若y＜η，则判决目标不存在。
[0048]
此处，检验门限是根据具体的虚警概率p
fa
值来预先设定的，通常在虚警概率确定的情况下，进一步根据公式p
fa
＝(1
‑
η)
k+1
即可获知检验门限；本实施例取p
fa
＝10
‑4。
[0049]
下面结合仿真实验对本发明的效果作进一步的说明。
[0050]
1.仿真条件：
[0051]
本发明的仿真实验是在cpu主频3.3ghz、内存8g、显卡gtx960、windows10的硬件环境和matlab的软件环境下进行的。
[0052]
2.仿真内容：
[0053]
本实验采用matlab仿真，产生一组模拟目标存在的数据，处理过程中的参数设置为：天线数目n＝16，待检测单元数目k＝32，归一化的导向矢量为虚警概率p
fa
设置为10
‑4；非结构化干扰的协方差矩阵为m＝r
j
+r
c
+i，φ＝2πd sin(ψ)/λ0，(k,l)∈{1,
…
,n}，其中σ2＝20db，ψ＝
‑
15
°
，b
f
＝0，cnr＝20db，ρ
s
＝0.995，每个干扰的功率为
[0054]
为证明本发明能够在全局虚警概率一定的情况下有较好的目标检测性能，本实验产生一组包含目标信号的数据作为原始数据，运用本发明方法，对此数据进行处理，得到检测性能随信干噪比变化的曲线，如图2所示。
[0055]
3.仿真结果及分析：
[0056]
在图2中，mglrt表示采用本发明提出的广义似然比检验算法，mamf表示采用自适应匹配滤波检验算法，kelly
‑
gaussian interference表示在平稳高斯干扰条件下采用kelly提出的广义似然比检验算法，kelly
‑
non
‑
gaussian interference表示非平稳高斯干扰条件下采用kelly的广义似然比检验算法，amf
‑
gaussian interference表示在平稳高斯干扰条件下采用自适应匹配滤波检验算法，amf
‑
non
‑
gaussian interference表示在非平稳高斯条件下采用自适应匹配滤波检验算法。
[0057]
从图2中可以看出，在全局信干噪比一定时，本发明的检测性能相较于改进的自适
应匹配滤波算法mamf有3db的性能提升；相较于平稳高斯干扰下的kelly检测算法有13db的性能提升；相较于非平稳高斯干扰下的kelly检测算法有15db的性能提升；相较于平稳高斯干扰下的amf算法有40db的性能提升；相较于非平稳高斯干扰下的amf算法有42db的性能损失。由此可见，本发明在全局虚警概率一定的条件下，检测性能明显优于现有方法。上述仿真分析证明了本发明所提方法的正确性与有效性。
[0058]
本发明未详细说明部分属于本领域技术人员公知常识。
[0059]
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，显然对于本领域的专业人员来说，在了解了本
技术实现要素：
和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修正和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。