基于功率中值和归一化协方差估计的海面目标检测方法

摘要

本发明公开了一种基于功率中值和归一化协方差估计的海面目标检测方法,其步骤为：步骤1，获得经过脉冲压缩后的回波数据X；步骤2，设定参考距离单元数目S和保护距离单元数目D；步骤3，选取待检测距离单元和参考距离单元；步骤4，求参考距离单元的功率中值C；步骤5，计算归一化协方差矩阵步骤6，计算新的协方差矩阵并计算检测统计量ξ；步骤7，将检测统计量ξ与检测门限Tξ进行比较，判断目标是否存在。本发明主要解决现有方法在非均匀杂波环境中检测性能相对较差的问题。本发明能有效抑制参考距离单元间功率起伏对协方差矩阵估计性能带来的影响,从而提高检测器的检测性能,可用于雷达在海杂波背景下的目标检测。

说明书

技术领域

本发明属于雷达目标检测领域，尤其涉及一种基于功率中值和归一化协方差估计的海 面目标检测方法，用于雷达在海杂波背景下的目标检测。

背景技术

海杂波背景下的目标检测是雷达目标检测中的一个重要应用领域。由于海杂波的平均 功率很大，时空相关性较强，统计特性复杂，因此在海杂波背景下的目标检测也是目前雷 达检测领域的一个研究难点。

目前常用自适应匹配检测方法是相干检测方法的一种，采用各个距离单元的多脉冲的 匹配积累结果来作为检测统计量，从而进行目标检测，如F.C.Robey,D.R.Fuhrmann, E.J.Kelly“A CFAR adaptive matched filter detector,”IEEE Trans.Aerosp. Electron.Syst.,28(1):208-216,1992文献公开的就是这种。该方法需要估计杂波的 协方差矩阵，一般利用与待检测距离单元邻近的不含目标的辅助数据即参考距离单元，采 用样本协方差矩阵估计方法来估计杂波的协方差矩阵。在实际的目标检测过程，并不知道 哪些距离单元是有目标的，而且海杂波是非均匀的，待检测距离单元的邻近距离单元的杂 波特性与待检测距离单元的杂波特性存在差异，因此选取的多个参考距离单元中可能会包 括含有目标的距离单元或与待检测距离单元杂波特性差别较大的距离单元，这些距离单元 称为异常距离单元。这些异常距离单元的存在将会造成估计的协方差矩阵的条件数较大, 从而导致检测器数值不稳定，检测结果不可信。

发明内容

为了克服已有技术的不足，本发明提出一种基于功率中值和归一化协方差估计的自适 应检测方法，实现对海杂波背景下目标的自适应检测，提高检测器的检测性能。

为达到上述目的，本发明采用以下技术方案予以实现。

一种基于功率中值和归一化协方差估计的海面目标检测方法，用于雷达在海杂波背景 下的目标检测，其特征在于，包括以下步骤：

步骤1，雷达发射机发射连续的脉冲信号，雷达接收机接收到的回波信号经过匹配滤 波后获得沿着距离维和脉冲维的连续的回波数据回波数据经过脉冲压缩得到回波数 据X；

步骤2，将回波数据X作为自适应匹配滤波检测器的输入信号，并设定参考距离单元 数目S和保护距离单元数目D，其中S≥Q，Q表示回波数据X的积累脉冲数，D取0～2 的整数；

步骤3，从回波数据X中选取待检测距离单元r,在待检测距离单元r的相邻两侧各设 D个保护距离单元，再按就近原则从待检测距离单元r两侧共选取2S个参考距离单元，参 考距离单元数据为r_n,n＝1,2,...,2S；S表示参考距离单元数目；

步骤4，根据参考距离单元数据r_n,n＝1,2,...,2S，求参考距离单元的功率中值C；

步骤5，根据参考距离单元数据r_n,n＝1,2,...,2S，计算归一化协方差矩阵

步骤6，根据参考距离单元的功率中值C和归一化协方差矩阵得到新的协方差矩阵 利用新的协方差矩阵计算检测统计量ξ；

新的协方差矩阵的表达式为：

$\tilde{R}=C\times \hat{R},$

检测统计量ξ的表达式为：

$\xi =\frac{{\left|p^H{\tilde{R}}^{-1}{r}^{*}\right|}^2}{p^H{\tilde{R}}^{-1}p},$

其中，目标的多普勒导向矢量p＝[1,exp(j2πf_dT_r),...,exp(j2π(Q-1)f_dT_r)]^T，T表示求 转置，T_r是雷达脉冲发射周期，多普勒频率f_d∈[-1/(2T_r),1/(2T_r)]，Q为积累脉冲数，H表 示取共轭转置，表示对新的协方差矩阵求逆，r^*表示待检测距离单元数据。

步骤7，给定虚警概率f，通过蒙特卡罗试验估计检测门限T_ξ；

步骤8，将检测统计量ξ与检测门限T_ξ进行比较，判断目标是否存在；如果ξ≥T_ξ表示 检测距离单元有目标，如果ξ<T_ξ表示检测距离单元没有目标。

上述技术方案的特点和进一步改进在于：

(1)步骤1具体包括：

回波数据X的第m个距离单元中第q个脉冲的元素值的表示形式如下：

$\left(\begin{array}{c}{H}_0:X(m,q)=w(m,q),\\ H_1:X(m,q)=s(m,q)+w(m,q),\end{array}\right)$

m＝1,2,…,M,q＝1,2,…,Q

其中，H₀表示仅有杂波和噪声而不存在目标的情况，H₁表示有杂波和噪声且存在目 标的情况，w(m,q)表示杂波和噪声信号，s(m,q)表示目标信号，回波数据X是一个M×Q 的矩阵,其中M、Q分别代表回波数据X的距离单元数和积累脉冲数。

(2)步骤4具体包括：

参考距离单元的功率中值C的表达式为：

$C=\mathrm{median}\{r_n^H{r}_n,n=\mathrm{1,2},...,2S\},$

其中，H表示取共轭转置，median表示取中值，r_n表示参考距离单元数据，n＝1,2,...,2S， S表示参考距离单元数目。

(3)步骤5具体包括：

归一化协方差矩阵表达式为：

$\hat{R}=\frac{1}{2S}\underset{n=1}{\overset{2S}{\Sigma }}\frac{r_n{r_n}^H}{{r_n}^H{r}_n},$

其中，H表示取共轭转置，Σ表示求和，S表示参考距离单元数目，r_n表示参考距离 单元数据，n＝1,2,...,2S。

(4)步骤7具体包括：

7a)计算在仅有杂波和噪声而不存在目标的情况下的N个检测统计量；

7b)将N个检测统计量从大到小排列，取排列后序列的第[Nf]个元素值作为检测门限 T_ξ，[Nf]表示不超过实数Nf的最大整数，其中N必须满足Nf≥100，以保证获得的检测 门限的精度。

与现有技术相比，本发明具有突出的实质性特点和显著的进步。本发明与现有方法相 比，具有以下优点：

(1)本发明由于采用基于功率中值和归一化的协方差矩阵估计方法，在用杂波功率 作归一化处理的同时又保留了杂波的功率信息，使得该协方差矩阵估计方法适用于自适应 匹配滤波检测器，能有效提高自适应匹配滤波检测器的检测性能；

(2)本发明由于采用基于功率中值和归一化的协方差矩阵估计方法，去除了杂波纹 理分量的影响，有效抑制了非均匀杂波环境下由于不同距离单元间功率起伏对协方差矩阵 估计性能带来的影响，使得强目标距离单元周围的弱目标距离单元也得以有效地检测，获 得了更好的检测性能；

(3)本发明由于采用基于功率中值和归一化的协方差矩阵估计方法，能有效抑制异 常参考距离单元对协方差矩阵估计性能带来的影响，因此选取参考距离单元时可以不设保 护距离单元，简化了计算。

附图说明

下面结合附图和具体实施方式对本发明做进一步说明。

图1是本发明的实现总流程图；

图2是实验所用数据的幅度图；

图3是在虚警概率为10^-4、参考距离单元数为15、保护距离单元数为2的情况下，用 本发明方法与现有基于样本协方差估计的自适应检测方法的检测结果比较图；

图4是图3中用本发明方法比用现有基于样本协方差估计的自适应检测方法多检测出 来的目标距离单元的相位图。

具体实施方式

参照图1，说明本发明的一种基于功率中值和归一化协方差估计的海面目标检测方法， 本发明可用于雷达在海杂波背景下的目标检测。

步骤1，雷达发射机发射连续的脉冲信号，雷达接收机接收到的回波信号经过匹配滤 波后获得沿着距离维和脉冲维的连续的回波数据回波数据经过脉冲压缩得到回波数 据X。

回波数据X的第m个距离单元中第q个脉冲的元素值的表示形式如下：

$\left(\begin{array}{c}{H}_0:X(m,q)=w(m,q),\\ H_1:X(m,q)=s(m,q)+w(m,q),\end{array}\right)$

m＝1,2,…,M,q＝1,2,…,Q

其中，H₀表示仅有杂波和噪声而不存在目标的情况，H₁表示有杂波和噪声且存在目 标的情况，w(m,q)表示杂波和噪声信号，s(m,q)表示目标信号，回波数据X是一个M×Q 的矩阵,其中M、Q分别代表回波数据X的距离单元数和积累脉冲数。

步骤2，将回波数据X作为自适应匹配滤波检测器的输入信号，并设定参考距离单元 数目S和保护距离单元数目D，其中S≥Q，Q表示回波数据X的积累脉冲数，D取0～2 的整数。

步骤3，从回波数据X中选取待检测距离单元r,在待检测距离单元r的相邻两侧各设 D个保护距离单元，再按就近原则从待检测距离单元r两侧共选取2S个参考距离单元，参 考距离单元数据为r_n,n＝1,2,...,2S；S表示参考距离单元数目。

在本发明中设保护距离单元是为了避免待检测距离单元包含目标时目标信号的能量 扩散到其邻近距离单元，影响估计的协方差矩阵的性能。

步骤4，根据参考距离单元数据r_n,n＝1,2,...,2S，求参考距离单元的功率中值C。

参考距离单元的功率中值C的表达式为：

$C=\mathrm{median}\{r_n^H{r}_n,n=\mathrm{1,2},...,2S\},$

其中，H表示取共轭转置，median表示取中值，r_n表示参考距离单元数据，n＝1,2,...,2S， S表示参考距离单元数目。

步骤5，根据参考距离单元数据r_n,n＝1,2,...,2S，计算归一化协方差矩阵

归一化协方差矩阵表达式为：

$\hat{R}=\frac{1}{2S}\underset{n=1}{\overset{2S}{\Sigma }}\frac{r_n{r_n}^H}{{r_n}^H{r}_n},$

其中，H表示取共轭转置，Σ表示求和，S表示参考距离单元数目，r_n表示参考距离单元 数据，n＝1,2,...,2S。

本步骤计算归一化协方差矩阵去除了杂波纹理分量的影响，有效抑制了非均匀杂 波环境下由于不同距离单元间功率起伏对协方差矩阵估计性能带来的影响，使得强目标距 离单元周围的弱目标距离单元也得以有效地检测，获得了更好的检测性能；也因此，在本 发明中我们可以令保护距离单元数D取0，即不设保护距离单元，简化了计算，提高了运 算速度。

步骤6，根据参考距离单元的功率中值C和归一化协方差矩阵得到新的协方差矩阵 利用新的协方差矩阵计算检测统计量ξ；

新的协方差矩阵的表达式为：

$\tilde{R}=C\times \hat{R},$

检测统计量ξ的表达式为：

$\xi =\frac{{\left|p^H{\tilde{R}}^{-1}{r}^{*}\right|}^2}{p^H{\tilde{R}}^{-1}p},$

其中，目标的多普勒导向矢量p＝[1,exp(j2πf_dT_r),...,exp(j2π(Q-1)f_dT_r)]^T，T表示求转置， T_r是雷达脉冲发射周期，多普勒频率f_d∈[-1/(2T_r),1/(2T_r)]，Q为积累脉冲数，H表示取 共轭转置，表示对新的协方差矩阵求逆，r^*表示待检测距离单元数据。

本步骤中将功率中值C和归一化协方差矩阵相乘得到新的协方差矩阵达到了用 杂波功率作归一化处理的同时又保留了杂波的功率信息的目的，使得该协方差矩阵估计方 法适用于自适应匹配滤波检测器，能有效提高自适应匹配滤波检测器的检测性能。

步骤7，给定虚警概率f，通过蒙特卡罗试验估计检测门限T_ξ。

步骤7具体包括以下子步骤：

7a)计算在H₀仅有杂波和噪声而不存在目标的情况下的N个检测统计量；

7b)将N个检测统计量从大到小排列，取排列后序列的第[Nf]个元素值作为检测门限 T_ξ，[Nf]表示不超过实数Nf的最大整数，其中N必须满足Nf≥100，以保证获得的检测 门限的精度。

步骤8，将检测统计量ξ与检测门限T_ξ进行比较，判断目标是否存在；如果ξ≥T_ξ表 示检测距离单元有目标，如果ξ<T_ξ表示检测距离单元没有目标。

基于步骤1～8，实现了基于功率中值和归一化的协方差矩阵估计的自适应检测方法， 该方法能有效检测出强目标距离单元周围的弱目标距离单元，获得更好的检测性能。

下面结合仿真实验对本发明的效果做进一步说明。

实验内容

图2为某雷达接收的回波数据X的幅度图，图2中横坐标为距离单元标号，纵坐标为 幅度值，单位dB。在虚警概率为10^-4，参考距离单元数为15、保护单元数为2的情况下， 分别用本发明方法和现有的基于样本协方差估计的自适应检测方法对图2所示回波数据进 行目标检测。

图3为上述两种方法的检测结果图，图3中横坐标为距离单元标号，纵坐标为幅度值， 单位dB。图3中星花标出的为两种方法都检测出的14个目标距离单元，分别为距离单元 28、29、31、32、33、34、134、137、138、139、171、172、181、182；图3中方框标出 的为本发明方法比现有的基于样本协方差估计的自适应检测方法多检测出5个目标距离单 元，分别为距离单元35、136、164、165、180。

图4为本发明方法比现有的基于样本协方差估计的自适应检测方法多检测出5个目标 距离单元的相位图，图4中横坐标为脉冲标号，纵坐标为解缠绕后的相位值，单位rad， 每条线附近的数字对应距离单元标号。图4中可以看出这5个距离单元的相位随着脉冲数 近似呈线性变化，表明用本发明方法比用现有的基于样本协方差估计的自适应检测方法多 检测出来的5个距离单元中确实有目标。从图3中还可以看出，目标距离单元31、32、33、 34、137、138、139、171、172、181、182的幅度值较周围距离单元的幅度值大很多，可 视为强目标距离单元，而距离单元35、136、164、165、180均位于强目标距离单元附近， 且幅度值较周围强目标距离单元的幅度值要小，可视为弱目标距离单元，这说明本发明方 法能有效检测出强目标距离单元周围的弱目标距离单元，提高了检测器的检测性能。

综上，本发明基于功率中值和归一化协方差估计的自适应检测方法相比于现有的基于 样本协方差估计的自适应检测方法有着更加优越的检测性能。