[發明專利]一種基于檢測前估計的雷達目標檢測方法

有效

• 申請號: 202010736841.4
• 申請日: 2020-07-28
• 公開（公告）號: CN111965615B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 晉本周;申宇彤;徐陳瑩;闕中元;李建峰
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 李淑靜

本發明提出了一種基于檢測前估計的雷達目標檢測方法，包括如下步驟：基于常規脈沖多普勒處理與預檢測，獲取感興趣點跡先驗信息；對點跡距離和速度參數進行估計，在檢測前完成參數估計；基于感興趣點跡參數，建立接收信號的降維觀測模型；基于稀疏恢復算法重構降維觀測模型中的目標向量；基于重構結果，設計廣義似然比檢測器，進行目標檢測。本發明的方法能夠顯著降低雷達信號處理損失，且目標檢測器具有恒虛警特性，可大幅提升微弱目標檢測性能。

技術領域

本發明涉及雷達信號處理領域，具體涉及一種基于檢測前估計的雷達目標檢測方法。

背景技術

常規雷達信號處理通常基于匹配濾波器，采用先檢測后估計的架構，為了降低空、時、頻三個域強散射點副瓣對微弱目標檢測的影響，需在濾波前對原始數據進行加窗。同時，由于目標參數未知，濾波器參數無法與真實目標相匹配。上述因素導致匹配濾波存在失配損失，大幅降低了雷達目標檢測性能。

基于稀疏恢復的方法為解決上述問題提供了可行的思路。通過將目標參數空間離散化，構建完備觀測矩陣A_od，接收回波信號可以表示為y＝A_odx+n，x表示待重構目標向量，n表示噪聲。那么，通過求解x即可實現對目標的重構及參數估計。通常，x是稀疏的，求解x可以歸結為稀疏恢復問題。然而，基于稀疏重構方法進行目標檢測尚面臨三個方面的挑戰：超高維度條件下的低復雜度重構、離網格下的精確重構、基于重構結果的恒虛警檢測。

在超高維度條件下的低復雜度處理研究方面，通常，雷達目標探測所面臨的信號模型維度巨大，低復雜度算法成為稀疏重構在雷達目標檢測中應用的關鍵。迭代閾值類算法具有較低的復雜度，研究已經比較成熟。然而，此類方法收斂速度很慢，且迭代過程中，噪聲(真實與估計值之間的差)逐漸偏離高斯分布，導致目標重構性能較差。另外，由于噪聲的統計特性分析困難，難以基于重構結果進行CFAR(Constant False Alarm Rate,恒虛警)檢測。近似消息傳遞(Approximate Message Passing，AMP)類方法在保持相對較低的復雜度同時，提升了目標重構精度，然而，應用于雷達目標檢測與估計問題時，仍然需要降維。

離網格下的稀疏恢復方法研究方面，當前，解決離網格問題主要有兩種方法。一種是通過在觀測矩陣上引入觀測誤差，建立真實觀測模型。模型中的觀測矩陣與目標向量均未知，基于交替迭代的方法分別進行求解。顯然，迭代過程大幅增加稀疏恢復算法復雜度。另一種是原子范數類方法，此類方法涉及超高維矩陣分解、矩陣求逆等，算法復雜度更加難以承受，在雷達目標檢測與估計問題中難以使用。

基于重構結果的目標檢測方面，實際上，目前的研究主要集中在重構精度方面，對于虛警率和檢測概率關注較少。雖然大多重構算法本身包括非線性去噪，但仍然沒有直接給出判決信息，需要進一步基于重構結果進行目標檢測。由于去噪函數的非線性，重構輸出噪聲的統計特性與探測場景密切相關，基于重構輸出進行目標恒虛警檢測面臨眾多困難。基于AMP方法，有關學者研究了目標檢測問題，研究結果表明，在大系統極限條件下，AMP迭代過程中噪聲仍然服從高斯分布，進而使得CFAR檢測器設計成為可能。然而，如何在降維條件下，進行有效目標檢測，尚缺乏相關方法。

發明內容

發明目的：針對常規基于稀疏重構的目標檢測方法面臨的挑戰，本發明提供一種基于檢測前估計的雷達目標檢測方法。

技術方案：一種基于檢測前估計的雷達目標檢測方法，包括以下步驟：

1)對接收的基帶數據，進行脈沖壓縮和相參積累，得到距離多普勒譜，基于距離多普勒譜進行預檢測，獲得感興趣點跡，所在距離單元和多普勒單元對應的距離和多普勒頻率分別用和表示；

2)對預檢測得到的點跡距離和多普勒參數進行估計，得到估計值和

3)基于和建立接收信號的降維觀測模型；

4)基于稀疏恢復算法對降維觀測模型中的目標向量進行重構；