[发明专利]基于LP和HRRP模型的遮蔽小目标检测方法

说明书

本发明公开了一种基于LP和HRRP模型的遮蔽小目标检测方法，包括：获取原始雷达回波数据；对原始雷达回波数据进行自适应目标检测，以确定大目标所占据的目标单元；采用LP方法估计大目标的径向尺寸，以得到大目标的遮蔽区间；基于HRRP模型对大目标的回波数据进行重构，以得到剩余回波数据；根据遮蔽区间和剩余回波数据对遮蔽小目标进行检测。本发明提供的检测方法显著降低了大目标的距离副瓣遮蔽效应，解决了现有稀疏恢复方法无法用于非高斯海杂波背景下估计舰船HRRP的问题。

技术领域

本发明属于雷达信号处理技术领域，具体涉及一种基于LP和HRRP模型的遮蔽小目标检测方法。

背景技术

雷达目标检测技术是指利用雷达对单个目标或者目标群进行探测，并对所获取的信息进行分析，从而确定目标种类、型号等属性的技术。其中，海杂波背景下的目标检测技术是雷达应用技术中一个至关重要的研究方向，在军事和民用领域得到普遍应用。一般而言，雷达的观测信号由于受到环境背景的影响，会带有背景噪声，因此，常常需要从带噪观测值中恢复出稀疏信号，以边后续进行信号处理从而获取所需的信息。

目前，从带噪观测值中恢复稀疏信号的方法主要有确定型稀疏恢复方法和贝叶斯型稀疏恢复方法。例如，GORODNITSKY等人在其发表的论文《Sparse signalreconstruction from limited data using FOCUSS:a re-weighted minimum normalgorithm”(IEEE Transactions on Signal Processing,1997,45(3):600-616)》中提出的一种基于FOCUSS算法的稀疏恢复方法。该方法首先将稀疏信号解释为确定性的向量，并在近似误差范围内通过FOCUSS算法最小化其范数来实现稀疏恢复。BABACAN SD等人在其发表的论文《Bayesian compressive sensing using Laplace priors”(IEEETransactions on Image Processing,2010,19(1):53-63)》中提出了基于拉普拉斯先验分布对未知信号进行稀疏恢复的一种方法。该方法将稀疏信号解释为某个概率空间中的随机向量或序列，而信号的稀疏性则使用拉普拉斯先验分布进行描述。

然而，在现有的稀疏恢复方法中，大都假定干扰背景为高斯噪声，而在高分辨对海雷达场景下的稀疏恢复中，需要在非高斯海杂波背景下估计舰船的HRRP，因此，现有的稀疏恢复方法无法适用于非高斯海杂波背景下估计舰船HRRP的问题。此外，由于大目标由于具有很强的距离副瓣效应，会对其距离副瓣区间内的小目标产生遮蔽效应，影响小目标的检测精度。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于LP和HRRP模型的遮蔽小目标检测方法。本发明要解决的技术问题通过以下技术方案实现：

一种基于LP和HRRP模型的遮蔽小目标检测方法，包括：

获取原始雷达回波数据；

对所述原始雷达回波数据进行自适应目标检测，以确定大目标所占据的目标单元；

采用LP方法估计大目标的径向尺寸，以得到大目标的遮蔽区间；

基于HRRP模型对大目标的回波数据进行重构，以得到剩余回波数据；

根据所述遮蔽区间和所述剩余回波数据对遮蔽小目标进行检测。

在本发明的一个实施例中，对所述原始雷达回波数据进行自适应目标检测包括：

采用GLRT-LTD相干检测器对原始雷达回波数据进行目标检测，其表达式为：