[发明专利]宽带认知被动雷达架构下的学习-感知-决策-响应方法

摘要

本发明涉及被动雷达领域，为实现基于软件无线电思想的宽带认知被动雷达系统架构，其具有环境感知能力、大带宽的采样能力、高性能的数字信号处理能力和动态调整接收机参数能力，本发明宽带认知被动雷达架构下的学习‑感知‑决策‑响应方法，一.建立信号模型，包含非正交发射信号、衰落信道、直达波和目标回波接收信号；二.将模糊函数、克拉美罗Cramer‑Rao界和检测性能统一到广义的检测理论框架下；三.基于评价体系给出的性能界评价结果；四.利用移动通信照射源自身的特点提高直达波通道和目标回波通道的信号质量。本发明主要应用于被动雷达系统设计制造。

主权项

1.一种宽带认知被动雷达架构下的学习‑感知‑决策‑响应方法，其特征是，步骤如下：一.建立信号模型，包含非正交发射信号、衰落信道、直达波和目标回波接收信号，为评价体系构建提供检测统计量信息，基于接收信号模型构建广义的评价体系；二.将模糊函数、克拉美罗Cramer‑Rao界和检测性能统一到广义的检测理论框架下，并对该评价体系的具体内容进行学习，实现对波形、信道、目标和几何构型的完备描述，对照射源做出综合评价；三.基于评价体系给出的性能界评价结果，以及直达波与目标回波信号之间的互信息量，构建联合优化函数，实现波形选择、几何构型、非协作干扰抑制等多自由度的波形优化，此外，基于信号模型得到互信息量，与检测性能界联合进行波形优化；四.在实现波形优化的基础上，针对移动通信照射源信号采用直达波参考重构的方法提升直达波通道的信号质量，采用非正交多载波信号提高杂波干扰抑制效果，采用存在互耦情况下的阵列校正技术提高角度估计精度，利用移动通信照射源自身的特点提高直达波通道和目标回波通道的信号质量；其中，步骤二具体为：1)学习基于接收信号的广义模糊函数模型：考虑在观测区域内有/无目标的二元假设检验问题，在纽曼皮尔森NP准则下为充分统计量大于门限的问题，门限通过最小化虚警概率和最大化检测概率来确定，将模糊函数定义为与优化问题等价的形式，重新定义广义的模糊函数χ(θ_T，θ_A)为其中，T_Pr(θ_T，θ_A)为检测统计量，η为检测阈值，θ_A表示接收端假定的目标参数值，θ_T表示真实的目标参数值，P_D(θ_A)表示检测到匹配目标的概率，P_F(θ_T,θ_A)表示误匹配目标的概率，根据该模糊函数的定义，希望在有目标时最大化模糊函数，没有目标时最小化模糊函数，这与Woodward在优化时的目标是一致的，推导该模糊函数首先需要得到两种不同假设所服从的概率密度分布，然后用最大似然比得到充分统计量，相关处理时，在高斯白噪声信道条件下，信道增益是所有高斯随机变量的乘积，信道相关矩阵的秩为1，因此充分统计量是一个零均值循环对称的复高斯随机变量，此时，优化模糊函数等价于优化充分统计量的期望，可将模糊函数定义为充分统计量的期望，此时与Woodward定义的模糊函数是一致的；在非相关处理时，信道相关矩阵是满秩的，此时的充分统计量中的信道矩阵和噪声矩阵都是零均值高斯随机矢量，充分统计量是高斯随机变量的平方形式，此时充分统计量大于门限概率大小不是导出充分统计量期望大小的充要条件，因此模糊函数无法定义为充分统计量的期望，只能用充分统计量大于门限的概率来表示，因此广义的模糊函数包含接收信号的全部信息，包括波形、信道、目标及几何构形；2)学习对衰落信道的克拉美罗界CRB分析：Cramer‑Rao界的推导作为目标估计精度的性能评估工具，用费歇尔Fisher信息矩阵来计算Cramer‑Rao界，对于某个给定的发射波形，先求得遍历所有接收机得到的对数似然函数，对对数似然函数求二阶导数，若采用广义模糊函数的定义，则Fisher信息矩阵中的元素即为广义模糊函数的二阶导数，最后将该Fisher矩阵求逆得到对角元素，即为CRB；3)学习基于纽曼皮尔森NP准则下的检测性能度量，在NP准则下，首先推导充分统计量的概率密度分布，若无法直接获得充分统计量的概率密度函数，需要先得到其特征函数，再做傅里叶反变换，得到概率密度函数，然后求虚警概率、检测门限及检测概率，根据Stein引论，通过给定最大虚警概率时对应的最小漏警概率用相对熵来描述。