[发明专利]基于自回归模型的雷达目标自适应匹配滤波方法

摘要

本发明公开了一种基于自回归模型的雷达目标自适应匹配滤波方法，其主要思路为：雷达接收N个脉冲的相参脉冲序列，并将所述N个脉冲的相参脉冲序列作为目标的待检测单元回波z₀，然后将雷达对目标的检测问题用二元假设检验表示，H₀表示目标的待检测单元回波z₀中只有干扰的假设，H₁表示目标的待检测单元回波z₀中存在目标和干扰的假设，分别计算H₀条件下z₀的概率密度函数f(z₀|a,σ²,H₀)，以及H₁条件下z₀的概率密度函数f(z₀|a,σ²,α,H₁)，并计算复白高斯噪声的方差σ²的最大似然估计和M阶自回归模型复的自回归参数向量a的最大似然估计，进而计算基于自回归模型的自适应匹配滤波表达式T_R：如果T_R的值大于η′，则假设H₁成立，即目标的待检测单元z₀中存在目标；反之，则假设H₀成立，即目标的待检测单元z₀中没有目标。

主权项

1.一种基于自回归模型的雷达目标自适应匹配滤波方法，其特征在于，包括以下步骤：步骤1，雷达接收N个脉冲的相参脉冲序列，并将所述N个脉冲的相参脉冲序列作为目标的待检测单元回波z₀，z₀∈C^N×1，∈表示属于，C^N×1表示N×1维复向量，所述N×1维复向量表示雷达接收到的N个脉冲的相参脉冲序列分别为复值，然后将雷达对目标的检测问题用二元假设检验表示：其中，H0表示目标的待检测单元回波z0中只有干扰的假设，H1表示目标的待检测单元回波z0中存在目标和干扰的假设，p表示雷达接收的N个脉冲相参脉冲序列的导向矢量，且p＝[1，ejΩ，...，ej(N‑1)Ω]T，(·)T表示转置符号，Ω表示目标多普勒频率，α表示目标复幅度的未知常量，n0表示目标的待检测单元回波z0中包含的干扰，N表示雷达接收到的相参脉冲序列包含的脉冲个数；步骤2，确定存在一组不包含目标的训练数据，该组不包含目标的训练数据包含K个距离单元，并计算得到基于低阶自回归模型的第l个脉冲处的相参脉冲序列n(l)和M阶自回归模型复的自回归参数向量a；l∈{1，...，N}，N表示雷达接收到的相参脉冲序列包含的脉冲个数，M表示低阶自回归模型的阶数；步骤3，根据基于低阶自回归模型的第l个脉冲处的相参脉冲序列n(l)，分别计算只有干扰的假设H0条件下目标的待检测单元回波z0的概率密度函数f(z0|a，σ2，H0)，以及存在目标和干扰的假设H1条件下目标的待检测单元回波z0的概率密度函数f(z0|a，σ2，α，H1)；其中，σ2表示复白高斯噪声的方差，α表示目标复幅度的未知常量，a表示M阶自回归模型复的自回归参数向量；步骤4，根据只有干扰的假设H0条件下目标的待检测单元回波z0的概率密度函数f(z0|a，σ2，H0)，以及存在目标和干扰的假设H1条件下目标的待检测单元回波z0的概率密度函数f(z0|a，σ2，α，H1)，计算得到关于目标的待检测单元回波z0的广义似然比检验表达式，进而得到化简后关于目标的待检测单元回波z0的广义似然比检验表达式；步骤5，根据基于低阶自回归模型的第l个脉冲处的相参脉冲序列n(l)，计算得到不包含目标的K个距离单元训练数据的联合概率密度函数f(z₁，...，z_K|a，σ²)，进而计算得到复白高斯噪声的方差σ²的最大似然估计其中，z₁表示第1个距离单元的训练数据，z_K表示第K个距离单元的训练数据；步骤6，根据复白高斯噪声的方差σ²的最大似然估计计算得到M阶自回归模型复的自回归参数向量a的最大似然估计步骤7，根据化简后关于目标的待检测单元回波z₀的广义似然比检验表达式、复白高斯噪声的方差σ²的最大似然估计和M阶自回归模型复的自回归参数向量a的最大似然估计计算得到基于自回归模型的自适应匹配滤波表达式T_R；然后将所述基于自回归模型的自适应匹配滤波表达式TR的值与基于自回归模型的自适应匹配滤波检测门限η′作比较：如果所述基于自回归模型的自适应匹配滤波表达式TR的值大于所述自适应匹配滤波检测门限η′，则存在目标和干扰的假设H1成立，即目标的待检测单元z0中存在目标；反之，则只有干扰的假设H0成立，即目标的待检测单元z0中没有目标。