[發明專利]基于變參數廣義結構的距離擴展目標自適應檢測方法

有效

• 申請號: 201710284894.5
• 申請日: 2017-04-27
• 公開（公告）號: CN106932766B
• 公開（公告）日: 2019-07-09
• 發明（設計）人: 簡濤;何友;關鍵;李亮;張楊;王智;李輝
• 申請（專利權）人: 中國人民解放軍海軍航空大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于變參數廣義結構的距離擴展目標自適應檢測方法，其特征在于，包括以下步驟：

步驟1 從L個待檢測距離單元獲取待檢測數據向量，從與被檢測單元鄰近的R個無目標距離單元獲取純雜波輔助數據，并利用輔助數據向量計算未知協方差矩陣的融合估計值通過調整參數α涵蓋現有的采樣協方差矩陣、歸一化采樣協方差矩陣、近似最大似然估計矩陣三種特定雜波背景下最優或次優估計方法，使得協方差矩陣估計結果自適應于過渡雜波環境的非高斯程度的變化；

步驟2 基于未知協方差矩陣的融合估計值通過乘積形式融合廣義自適應匹配濾波器和廣義自適應積累檢測器在檢測統計量上的共性部分，構建基于變參數廣義結構的距離擴展目標自適應檢測統計量λ_α，通過單一參數α對自適應距離擴展目標檢測器結構及相應雜波協方差矩陣估計實現同步調整，使得距離擴展目標檢測器結構自適應于過渡雜波環境的非高斯程度的變化；

步驟3 為保持檢測方法的恒虛警率特性，根據預設的虛警概率設置檢測門限T；將待檢測數據向量z_t,t＝1,2,…,L的自適應檢測統計量λ_α與門限T進行比較，若λ_α≥T，則判定L個待檢測距離單元存在距離擴展目標，回波向量z_t,t＝1,2,…,L不作為其他距離單元的輔助數據；反之若λ_α＜T，則判定L個待檢測距離單元不存在距離擴展目標，回波向量z_t,t＝1,2,…,L作為后續其他距離單元的輔助數據；

其中，步驟1的“利用輔助數據向量計算未知協方差矩陣的融合估計值”，具體為令而通過式(1)實現：

上式中，上標H表示矩陣的共軛轉置運算，上標-1表示矩陣的求逆運算，x_m表示第m個輔助距離單元對應的N×1維純雜波輔助數據向量，k＝0,1,...,K-1，K表示最終的迭代次數；

其中，步驟2的“通過乘積形式融合廣義自適應匹配濾波器和廣義自適應積累檢測器在檢測統計量上的共性部分，構建基于變參數廣義結構的距離擴展目標自適應檢測統計量λ_α”，具體通過式(2)實現：

上式中，p表示空時導向矢量，z_t,t＝1,2,…,L表示L個待檢測數據向量。

2.根據權利要求1所述的基于變參數廣義結構的距離擴展目標自適應檢測方法，其特征在于，所述步驟1具體為：

由L個待檢測距離單元回波復幅值構成L個待檢測數據向量z_t,t＝1,2,…,L，其中，L為大于1的自然數，以待檢測距離單元為中心，在其前后分別連續取一定數量的不包含目標的距離單元回波復幅值，構成R個純雜波輔助數據向量x_m,m＝1,2,…,R，其中，z_t和x_m均為N×1維的向量，N表示雷達接收陣元數與相干處理脈沖數的乘積；

未知協方差矩陣的融合估計值其中通過如下的迭代過程實現

上式中，上標H表示矩陣的共軛轉置運算，上標-1表示矩陣的求逆運算，k＝0,1,...,K-1；K表示最終的迭代次數，根據協方差矩陣估計精度要求和運算量要求進行設置，若協方差矩陣估計精度要求較高，則K取較大值，若要求運算量較小，則K取較小值；表示給定參數α時的第k次迭代估計矩陣；為增強估計過程的普適性，式(1)的初始化矩陣采用單位陣，而最終的迭代結果為未知協方差矩陣的融合估計值參數α滿足0≤α≤1，且根據實際雜波的非高斯程度設定，增強了后續檢測器的泛化能力，其中雜波的非高斯程度越大，則α的取值越大；當α＝0時等價于采樣協方差矩陣；當α＝1時等價于近似最大似然估計矩陣；當α＝1且K＝1時等價于歸一化采樣協方差矩陣。

3.根據權利要求1所述的基于變參數廣義結構的距離擴展目標自適應檢測方法，其特征在于，所述步驟2具體為：

利用未知協方差矩陣的融合估計值和L個待檢測數據向量z_t,t＝1,2,…,L，基于變參數廣義結構的距離擴展目標自適應檢測統計量λ_α表示為

上式中，p表示已知的空時導向矢量，是一個N×1維的單位向量，根據雷達系統工作參數確定；式(2)與式(1)中參數α實現同步調整，使檢測統計量自適應于過渡雜波環境的非高斯程度，能涵蓋現有高斯和復合高斯雜波背景下的最優或次優檢測器；當α＝0時，式(2)的檢測統計量λ_α等價于基于采樣協方差矩陣的廣義自適應匹配濾波器，能獲得高斯雜波背景下的最優檢測性能；當α＝1時，式(2)的檢測統計量λ_α等價于基于近似最大似然估計矩陣的廣義自適應積累檢測器，適合于非高斯性較強的復合高斯背景下距離擴展目標自適應檢測，且能根據協方差矩陣估計精度要求和運算量要求調整最終迭代次數K。