一种复合高斯环境下存在干扰时的目标检测方法与系统

摘要

本发明涉及一种复合高斯环境下存在干扰时的目标检测方法与系统。首先构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；然后将待检测数据向量和训练样本向量均变换为矩阵；接着利用训练样本矩阵估计协方差矩阵；再利用信号矩阵、干扰矩阵、变换后的待检测数据矩阵和协方差矩阵的估计，构造检测统计量；最后根据系统设定的虚警概率及检测统计量确定检测门限，并比较检测统计量与检测门限的大小，做出目标是否存在的判决。本发明设计的检测器基于自适应检测思想，一体化实现了杂波抑制、干扰抑制、信号积累和恒虚警处理，且通过利用协方差矩阵的中央共轭对称特性，使所需训练样本数量下降了一半。

说明书

技术领域

本发明属于信号检测技术领域，更具体地，涉及一种复合高斯环境下存在干扰时的目标检测方法与系统。

背景技术

雷达工作的电磁环境复杂多变。一方面，雷达面临敌对方释放的干扰，干扰能极大削弱雷达的作战效能，甚至使雷达彻底失效；另一方面，雷达接收数据中除了包括可能的目标信号和干扰外，往往还含有来自高山、地物反射回的高强度杂波。为了保证作战效能的正常发挥，雷达需要解决好杂波及干扰环境下的目标检测问题。

如果干扰方式变化缓慢，则雷达通过在发射信号的休止期增加侦收脉冲，可以获得干扰的必要信息，为抑制干扰提供了可能性。此外，通过利用训练样本，可估计杂波的统计特性，为降低杂波的影响提供了可能。需要指出的是，随着雷达制造工艺的提升，雷达通道数不断增加，雷达的距离分辨单元不断提高，单个距离单元内的杂波强散射点越来越少，杂波逐渐呈现出非均匀、非高斯特性，而且为了进行杂波抑制，所需要的训练样本数不断提高。复合高斯杂波是一大类非高斯模型，可适用于多种雷达工作场景。

如果能利用有效的先验信息，则可降低雷达对训练样本的需求，例如，当雷达阵列接收系统采用对称的线性阵列时，它所接收到的杂波的协方差矩阵具有中央共轭对称结构。该结构具有双重对称特性，协方差矩阵既关于主对角线共轭对称，又关于副对角线对称，而常规协方差矩阵仅仅是关于主对角线共轭对称。可以看出，具有中央共轭对称结构的协方差矩阵比共轭对称协方差矩阵的未知参数少很多。需要强调的是，该结构不局限于对称线性阵列，它可以存在不同的几何形状，如标准的矩形阵列，均匀圆阵列（阵列个数为偶数）和一些标准的六角形阵列。如果充分利用中央共轭对称结构，可降低对训练样本数的需求。

如何抑制干扰，并且提高雷达在非均匀杂波环境中的探测性能，是制约雷达在实战环境中效能发挥的关键问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种复合高斯环境下存在干扰时的目标检测方法与系统，其目的在于基于自适应检测思想，解决复合高斯环境下存在干扰时的目标检测难题。

为实现上述目的，按照本发明的一个方面，提供了一种复合高斯环境下存在干扰时的目标检测方法，包括如下步骤：

步骤1：构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为

步骤2：将待检测数据向量和训练样本向量均变换为矩阵；将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为

和

其中

步骤3：利用所述训练样本矩阵估计协方差矩阵；

步骤4：利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造检测统计量；

步骤5：根据系统设定的虚警概率及所述的检测统计量确定检测门限，并比较所述检测统计量与所述检测门限的大小，做出目标是否存在的判决。

优选地，所述步骤3中，利用所述训练样本矩阵估计协方差矩阵，通过下述步骤实现：

（3a）令协方差矩阵

（3b）计算协方差矩阵

其中，

（3c）进行判断，若

则记协方差矩阵

优选地，所述步骤4中，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造的检测统计量为

其中，

优选地，所述步骤5中，根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现

式中，

由大到小排列第

（4a）令协方差矩阵

（4b）计算协方差矩阵

其中，

（4c）进行判断，若

则记协方差矩阵

优选地，所述步骤5中，比较所述检测统计量与所述检测门限的大小，并判决目标是否存在，分下述两种情况进行判定：

若检测统计量

若检测统计量

按照本发明的另一方面，提供了一种复合高斯环境下存在干扰时的目标检测系统，包括数据矩阵构造模块、矩阵变换模块、协方差矩阵估计模块、检测统计量构造模块和检测门限确定及目标判决模块，其中：

所述数据矩阵构造模块，用于构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为

所述矩阵变换模块，用于将待检测数据向量和训练样本向量均变换为矩阵；将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为

和

其中

所述协方差矩阵估计模块，用于利用所述训练样本矩阵估计协方差矩阵；

所述检测统计量构造模块，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造检测统计量；

所述检测门限确定及目标判决模块，用于根据检测统计量和系统设定的虚警概率值确定检测门限，并比较检测统计量与检测门限的大小，并做出目标是否存在的判决。

优选地，所述协方差矩阵估计模块，利用所述训练样本矩阵估计协方差矩阵，通过下述步骤实现：

（3a）令协方差矩阵

（3b）计算协方差矩阵

其中，

（3c）进行判断，若

则记协方差矩阵

优选地，所述检测统计量构造模块，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造的检测统计量为

其中，

优选地，所述检测门限确定及目标判决模块，根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现

式中，

由大到小排列第

（4a）令协方差矩阵

（4b）计算协方差矩阵

其中，

（4c）进行判断，若

则记协方差矩阵

优选地，所述检测门限确定及目标判决模块，比较所述检测统计量与所述检测门限的大小，并判决目标是否存在，分下述两种情况进行判定：

若检测统计量

若检测统计量

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有如下有益效果：

（1）本发明设计的检测器能够彻底抑制来向确定的干扰，且无需独立的干扰抑制步骤，简化了流程，干扰抑制能力体现在检测器的检测统计量中；

（2）本发明设计的检测器在复合高斯环境中具有恒虚警特性，无需额外的恒虚警处理；

（3）本发明设计的检测器充分利用了杂波协方差矩阵的中央共轭对称特性，降低了对训练样本的需求，使所需训练样本数下降一半，特别适用于系统维度高的先进雷达系统，以及难以获得充足训练样本的非均匀环境。

附图说明

图1为本发明提供的一种复合高斯环境下存在干扰时的目标检测方法的流程示意图；

图2为本发明提供的一种复合高斯环境下存在干扰时的目标检测系统的结构框架图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

假设雷达的系统通道数为

其中，在假设检验

上述参数中，

当雷达采用的线性阵列关于相位中心对称或脉冲是均匀分布的，则雷达杂波数据的协方差矩阵具有中央共轭对称特性，即协方差矩阵关于副对角线满足反对称特性，具体可表示为

其中，上标

本发明的目的在于解决复合高斯杂波下存在干扰时的目标检测问题。为实现上述目的，请参阅图1所示，本发明提供了一种复合高斯环境下存在干扰时的目标检测方法，包括以下步骤：

步骤1：构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；

所述步骤1中，构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为

步骤2：将待检测数据向量和训练样本向量均变换为矩阵；

所述步骤2中，将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为

和

其中

步骤3：利用所述训练样本矩阵估计协方差矩阵；

所述步骤3中，利用所述训练样本矩阵估计协方差矩阵，通过下述步骤实现：

（3a）令协方差矩阵

（3b）计算协方差矩阵

其中，

（3c）进行判断，若

则记协方差矩阵

步骤4：利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造检测统计量；

所述步骤4中，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造的检测统计量为

其中，

具体而言，所述步骤5中，根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现

式中，

由大到小排列第

（4a）令协方差矩阵

（4b）计算协方差矩阵

其中，

（4c）进行判断，若

则记协方差矩阵

步骤5：根据系统设定的虚警概率及所述的检测统计量确定检测门限，并比较所述检测统计量与所述检测门限的大小，做出目标是否存在的判决；

所述步骤5中，比较所述检测统计量与所述检测门限的大小，并判决目标是否存在，分下述两种情况进行判定：

若检测统计量

若检测统计量

请参阅图2所示，本发明还提供一种复合高斯环境下存在干扰时的目标检测系统，包括数据矩阵构造模块、矩阵变换模块、协方差矩阵估计模块、检测统计量构造模块和检测门限确定及目标判决模块，其中：

所述数据矩阵构造模块，用于构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集；构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为

所述矩阵变换模块，用于将待检测数据向量和训练样本向量均变换为矩阵；将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为

和

其中

所述协方差矩阵估计模块，用于利用所述训练样本矩阵估计协方差矩阵；

所述检测统计量构造模块，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造检测统计量；

所述检测门限确定及目标判决模块，用于根据检测统计量和系统设定的虚警概率值确定检测门限，并比较检测统计量与检测门限的大小，并做出目标是否存在的判决。

进一步地，所述协方差矩阵估计模块，利用所述训练样本矩阵估计协方差矩阵，通过下述步骤实现：

（3a）令协方差矩阵

（3b）计算协方差矩阵

其中，

（3c）进行判断，若

则记协方差矩阵

进一步地，所述检测统计量构造模块，利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计，构造的检测统计量为

其中，

进一步地，所述检测门限确定及目标判决模块，根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现

式中，

由大到小排列第

（4a）令协方差矩阵

（4b）计算协方差矩阵

其中，

（4c）进行判断，若

则记协方差矩阵

进一步地，所述检测门限确定及目标判决模块，比较所述检测统计量与所述检测门限的大小，并判决目标是否存在，分下述两种情况进行判定：

若检测统计量

若检测统计量

本领域的技术人员容易理解，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，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。