[发明专利]基于杂波协方差矩阵结构信息的自适应检测方法

说明书

本发明属于雷达技术领域，公开了基于杂波协方差矩阵结构信息的自适应检测方法，该方法包括如下步骤：获取雷达系统接收通道接收到的回波数据，形成接收信号矩阵；对待检测距离单元序号i进行初始化；确定第i个待检测距离单元的信号，选取对应的训练样本；构造对应的第一辅助信号及第二辅助信号，提取第一辅助信号和第二辅助信号的实部和虚部，进而据此构造杂波协方差估计矩阵，计算检测统计量；确定对应的检测门限，将检测统计量与检测门限进行比较以确定第i个待检测距离单元内是否有目标；令待检测距离单元序号i加1，重复执行前述步骤，直至完成对所有待检测距离单元的检测。本发明能够减少训练样本需求，并提升检测性能。

技术领域

本发明涉及雷达技术领域，尤其涉及基于杂波协方差矩阵结构信息的自适应检测方法，在非均匀环境且训练样本数不足的情况下，能够利用结构信息减少对训练样本数量的需求进而提升检测性能。

背景技术

近年来，随着雷达技术的日益成熟，雷达已被广泛用于军事预测、导弹制导、民航管制、地形测量、航海等众多领域。雷达的首先任务就是在噪声背景中检测出感兴趣的目标，只有具备了这样的功能，雷达才能给操作人员提供有效的目标方位、距离和运动轨迹等信息。

传统的雷达目标检测方法有：(1)Reed，Mallett和Brennan于1974年提出的RMB算法：该方法首先利用训练样本数据得到协方差矩阵的极大似然(Maximum Likelihood，ML)估计值，然后根据待检测信号的空间导向矢量来确定最优加权矢量，最后利用最优加权矢量以色噪声匹配滤波器的形式作用于待检测单元数据，将此滤波器的输出与合适的检测门限进行比较，从而判断待检测单元中有无目标信号。如果想要信噪比(Signal-to-NoiseRatio，SNR)损失不超过3dB，那么大约需要两倍于数据维数的训练样本，该方法为后续自适应检测算法的发展奠定了理论基础。(2)Kelly提出的基于均匀噪声环境的广义似然比检验(Generalized Likelihood Ratio Test,GLRT)原理的自适应检测算法：该检测方法通过将似然比在未知参量空间中寻找最大值，即用未知参数的ML估计值来代替似然比中的未知参数，从而得到检测统计量。(3)Robey于1992年利用两步设计法提出的自适应匹配滤波器(Adaptive Matched Filter，AMF)：其核心思想是在第一步中假设噪声协方差矩阵已知，利用GLRT原理得到针对其余未知参数的GLRT统计检测量；在第二步中利用辅助数据得到噪声协方差矩阵的估计值，然后将这个估计值替换第一步所得检测统计量中的噪声协方差矩阵。

上述传统检测算法存在性能损失，且所需的训练样本数量较大。为此，有人提出了基于噪声协方差中央轭米对称性的检测算法，此类算法利用一个酉矩阵将杂波协方差矩阵由复数域转换到实数域，使待估计参数减少了一半，因此可将估计杂波协方差矩阵所需的训练样本数目减少了一半。即便是这样，在训练样本有限的情况下，现有的此类检测算法所需的训练样本数量仍较大，若训练样本数量不足则性能损失较为严重。

发明内容

有鉴于此，本发明提供基于杂波协方差矩阵结构信息的自适应检测方法，能够进一步减少训练样本数量，并提升检测性能。

为达到上述目的，本发明采用如下技术方案：

提供一种基于杂波协方差矩阵结构信息的自适应检测方法，包括以下步骤：

步骤1，获取雷达系统全部N₁个接收通道中每个接收通道在1个相干脉冲处理间隔内接收到的回波数据，得到N₂个慢时间维采样点和L个快时间维采样点，N₁≥1，N₂≥1，L≥1；每个距离单元处采样数据的维数是N₁×N₂，排成一个长度为N的列向量，N＝N₁×N₂；所有采样数据形成N×L维的接收信号矩阵；其中，雷达系统静止不动，以等间隔发射相干脉冲串，且具有对称分布的线性阵列；接收信号矩阵包括地杂波信号，或，地杂波信号和目标信号；