[发明专利]基于自回归模型的雷达信号自适应检测方法

摘要

本发明公开了一种基于自回归模型的雷达信号自适应检测方法，其思路为：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；其中，H0表示z0中只有干扰的假设，H1表示z0中存在目标和干扰的假设，进而分别计算z0和ZK的联合概率密度函数f(z0,ZK|θ)对目标幅度的二维列向量θr的一阶偏导以及待估计参量θ的Fisher信息矩阵J(θ)逆的左上分块矩阵以及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的最大似然估计设定基于Rao检测方法的自回归模型的检测门限为ηAR‑Rao，并计算z0中基于自回归模型的目标检测表达式TR；如果TR的值大于ηAR‑Rao，则z0中存在目标；反之，则z0中没有目标。

主权项

1.一种基于自回归模型的雷达信号自适应检测方法，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)；l∈{1，...，N}；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和K个距离单元的训练数据ZK的联合概率密度函数f(z0，ZK|θ，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和K个距离单元的训练数据ZK的联合概率密度函数f(z0，ZK|θ，H1)；其中，K表示假设的一组不包含目标的训练数据包含的距离单元个数，M表示低阶自回归模型包含的阶数，θ表示待估计参量，所述待估计参量包括目标幅度、M阶自回归模型复的自回归参数向量a和复白高斯噪声的方差σ²；θ_r＝[α_R，α_I]^T，α_R表示目标幅度的未知常量α的实部，α_I表示目标幅度的未知常量α的虚部，θ_r表示目标幅度的二维列向量，θ_s表示M阶自回归模型复的自回归参数向量a和复白高斯噪声的方差σ²的2M+1维列向量，a_R＝vec(Re{a})，a_I＝vec(Im{a})，vec(·)表示向量化操作，Re{·}表示取实部操作，Im{·}表示取虚部操作，a_R表示M阶自回归模型复的自回归参数向量a的实部，a_I表示M阶自回归模型复的自回归参数向量a的虚部，σ²表示复白高斯噪声的方差；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和K个距离单元的训练数据Z_K的联合概率密度函数f(z₀，z_K|θ，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和K个距离单元的训练数据Z_K的联合概率密度函数f(z₀，z_K|θ，H₁)，分别计算得到目标的待检测单元回波z₀和K个距离单元的训练数据Z_K的联合概率密度函数f(z₀，z_K|θ)对目标幅度的二维列向量θ_r的一阶偏导以及待估计参量θ的Fisher信息矩阵J(θ)逆的左上分块矩阵步骤5，根据在目标的待检测单元回波z₀中只有干扰的假设H₀条件下目标的待检测单元回波z₀和K个距离单元的训练数据Z_K的联合概率密度函数f(z₀，Z_K|θ，H₀)，计算复白高斯噪声的方差σ²的最大似然估计步骤6，根据复白高斯噪声的方差σ²的最大似然估计以及在目标的待检测单元回波z₀中只有干扰的假设H₀条件下目标的待检测单元回波z₀和K个距离单元的训练数据Z_K的联合概率密度函数f(z₀，z_K|θ，H₀)，计算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，设定基于Rao检测器方法的自回归模型的检测门限为η_AR‑Rao，并根据复白高斯噪声的方差σ²的最大似然估计M阶自回归模型复的自回归参数向量a的最大似然估计值目标的待检测单元回波z₀和K个距离单元的训练数据Z_K的联合概率密度函数f(z₀，Z_K|θ)对目标幅度的二维列向量θ_r的一阶偏导以及待估计参量θ的Fisher信息矩阵J(θ)逆的左上分块矩阵计算得到目标的待检测单元回波z₀中基于自回归模型的目标检测表达式T_R；然后将所述基于自回归模型的目标检测表达式TR的值与设定的基于Rao检测器方法的自回归模型的检测门限ηAR‑Rao作比较：如果所述基于自回归模型的目标检测表达式TR的值大于所述检测门限ηAR‑Rao，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。