本發(fā)明屬于雷達(dá)目標(biāo)檢測(cè)技術(shù)領(lǐng)域，具體涉及一種K分布雜波加噪聲下的近最優(yōu)雷達(dá)目標(biāo)檢測(cè)方法，可用于海雜波背景下的目標(biāo)檢測(cè)。

背景技術(shù)：

海雜波背景下的目標(biāo)檢測(cè)是雷達(dá)的一個(gè)重要應(yīng)用領(lǐng)域。

匹配濾波器MF和自適應(yīng)匹配濾波器AMF是高斯雜波背景下的最優(yōu)檢測(cè)器。隨著雷達(dá)分辨率的提高，高斯模型不再適用，這兩個(gè)檢測(cè)器因模型失配不再適用。

復(fù)合高斯模型是目前學(xué)者廣泛認(rèn)可的海雜波模型，它是慢變的正隨機(jī)變量紋理分量和快變的復(fù)高斯隨機(jī)向量散斑分量的乘積。當(dāng)海雜波的紋理分量服從伽馬分布時(shí)，它的幅度服從K分布。最優(yōu)K分布檢測(cè)器OKD因表達(dá)式中存在貝塞爾函數(shù)，目前難以實(shí)現(xiàn)。文獻(xiàn)P-L.Shui,M.Liu,and S-W.Xu,"Shape-parameter-dependent coherent radar target detection in K-distributed clutter,"IEEE Trans.Aerospace Electron.Systems 52(1):451-465,2016.討論了K分布雜波背景下近似最優(yōu)且計(jì)算可實(shí)現(xiàn)的依賴于形狀參數(shù)的檢測(cè)器α-MF和依賴于形狀參數(shù)的自適應(yīng)檢測(cè)器α-AMF。然而，當(dāng)系統(tǒng)噪聲和外部噪聲存在于雷達(dá)中且不可忽略時(shí)，這兩個(gè)檢測(cè)器因模型失配不再適用。

已有研究表明，K分布雜波加高斯白噪聲模型更適合描述雷達(dá)接收到的實(shí)際回波數(shù)據(jù)。文獻(xiàn).F.Gini,"Suboptimal coherent radar detection in a mixture of K-distributed and Gaussian clutter,"IEE Proc.-Radar,Sonar,Navig.,144(1):39-47,1997.與文獻(xiàn)F.Gini,M.V.Greco,A.Farina,P.Lombardo,"Optimum and mismatched detection against K-distributed clutter plus Gaussian clutter,"IEEE Trans.Aerospace Electron.Systems 34(3):860-876,1998.中討論了該模型背景下最優(yōu)檢測(cè)器最優(yōu)K分布加高斯白噪聲檢測(cè)器OKGD，但因檢測(cè)器表達(dá)式過(guò)于復(fù)雜，計(jì)算效率極低不能應(yīng)用于實(shí)際。在K分布雜波加高斯白噪聲背景下，目前使用的匹配濾波器MF和自適應(yīng)匹配濾波器AMF的檢測(cè)性能隨著雜噪比的升高快速降低，依賴于形狀參數(shù)的檢測(cè)器α-MF和依賴于形狀參數(shù)的自適應(yīng)檢測(cè)器α-AMF在雜噪比較低時(shí)檢測(cè)性能較差。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提出一種K分布雜波加噪聲下的近最優(yōu)雷達(dá)目標(biāo)檢測(cè)方法，以實(shí)現(xiàn)檢測(cè)性能優(yōu)化與計(jì)算效率之間的折衷。

為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明的技術(shù)方案包括如下：

(1)雷達(dá)發(fā)射機(jī)發(fā)射連續(xù)的脈沖信號(hào)，雷達(dá)接收機(jī)接收Q×M維的回波數(shù)據(jù)矩陣X，其中，Q表示回波數(shù)據(jù)的積累脈沖數(shù)，M表示回波數(shù)據(jù)的距離單元數(shù)；

(2)將回波數(shù)據(jù)矩陣X沿著脈沖維等分為B個(gè)回波數(shù)據(jù)塊：X₁,X₂…,X_b,…,X_B，其中，X_b表示第b個(gè)回波數(shù)據(jù)塊，每個(gè)回波數(shù)據(jù)塊為N×M維的矩陣，N表示第b個(gè)回波數(shù)據(jù)塊X_b的脈沖數(shù)；

(3)選取第b個(gè)回波數(shù)據(jù)塊X_b的第k個(gè)距離單元為X_b的待檢測(cè)距離單元z_k，利用樣本協(xié)方差矩陣估計(jì)方法計(jì)算待檢測(cè)距離單元z_k的協(xié)方差矩陣估計(jì)

(4)利用待檢測(cè)距離單元z_k的協(xié)方差矩陣估計(jì)計(jì)算回波數(shù)據(jù)的雜噪比CNR；

(5)利用回波數(shù)據(jù)的雜噪比CNR和待檢測(cè)距離單元z_k的協(xié)方差矩陣估計(jì)計(jì)算待檢測(cè)距離單元z_k的檢驗(yàn)統(tǒng)計(jì)量ξ_k:

其中，p表示目標(biāo)的多普勒導(dǎo)向矢量，上標(biāo)H表示取共軛轉(zhuǎn)置，上標(biāo)-1表示取逆，|·|表示取模值，ν表示紋理分量的形狀參數(shù),上標(biāo)γ表示指數(shù)因子，γ為大于0的任意實(shí)數(shù)，取值為γ＝2；

(6)根據(jù)系統(tǒng)給定的虛警概率f，通過(guò)蒙特卡羅實(shí)驗(yàn)計(jì)算檢測(cè)門(mén)限T_ξ；

(7)根據(jù)檢驗(yàn)統(tǒng)計(jì)量ξ_k和檢測(cè)門(mén)限T_ξ判斷目標(biāo)是否存在：如果ξ_k≥T_ξ，則表明第b個(gè)回波數(shù)據(jù)塊X_b的待檢測(cè)距離單元有目標(biāo)，如果ξ_k<T_ξ，則表明第b個(gè)回波數(shù)據(jù)塊X_b的待檢測(cè)距離單元沒(méi)有目標(biāo)。

本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：

1)由于本發(fā)明所采用的K分布雜波加高斯白噪聲模型與實(shí)際環(huán)境中的雷達(dá)回波數(shù)據(jù)特性更為匹配，相比已有檢測(cè)器所采用的數(shù)據(jù)模型，提高了雷達(dá)目標(biāo)的檢測(cè)性能。

2)由于本發(fā)明利用了雜噪比信息，結(jié)合高斯背景下匹配濾波器MF的最優(yōu)性和K分布雜波背景下依賴于形狀參數(shù)的檢測(cè)器α-MF的近似最優(yōu)性，提高了K分布加高斯白噪聲背景下目標(biāo)的檢測(cè)性能。

3)由于本發(fā)明中形式簡(jiǎn)單的表達(dá)式計(jì)算待檢測(cè)單元檢驗(yàn)統(tǒng)計(jì)量，使計(jì)算效率遠(yuǎn)高于最優(yōu)K分布加高斯白噪聲檢測(cè)器OKGD，實(shí)現(xiàn)了K分布加高斯白噪聲背景下最優(yōu)檢測(cè)性能與計(jì)算效率的折衷。

附圖說(shuō)明

圖1為本發(fā)明的實(shí)現(xiàn)流程圖；

圖2為用本發(fā)明和現(xiàn)有方法在白的K分布雜波加高斯白噪聲背景下進(jìn)行目標(biāo)檢測(cè)的結(jié)果示意圖；

圖3為用本發(fā)明和現(xiàn)有方法在有色K分布雜波加高斯白噪聲背景下進(jìn)行目標(biāo)檢測(cè)的結(jié)果示意圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明：

參照?qǐng)D1，本發(fā)明的實(shí)現(xiàn)步驟如下：

步驟1，獲取回波數(shù)據(jù)矩陣X。

雷達(dá)發(fā)射機(jī)發(fā)射連續(xù)的脈沖信號(hào)，脈沖信號(hào)照射到物體表面產(chǎn)生回波，雷達(dá)接收機(jī)接收回波數(shù)據(jù)矩陣X，回波數(shù)據(jù)矩陣X是大小為Q×M維的矩陣，其中，Q表示回波數(shù)據(jù)的積累脈沖數(shù)，M表示回波數(shù)據(jù)的距離單元數(shù)。

步驟2，對(duì)回波數(shù)據(jù)矩陣分塊處理。

將回波數(shù)據(jù)矩陣X沿著脈沖維等分為B個(gè)N×M維的回波數(shù)據(jù)塊，其中，N表示每個(gè)回波數(shù)據(jù)塊的脈沖數(shù)，B個(gè)回波數(shù)據(jù)塊分別表示為X₁,X₂…,X_b,…,X_B，X_b表示第b個(gè)回波數(shù)據(jù)塊，b＝1,2,…,B，B的取值為大于1的自然數(shù)且滿足B×N≤Q，本發(fā)明實(shí)例中取B＝10⁴。

步驟3，根據(jù)回波數(shù)據(jù)塊選取待檢測(cè)距離單元，計(jì)算待檢測(cè)距離單元的協(xié)方差矩陣估計(jì)

3.1)選取第b個(gè)回波數(shù)據(jù)塊X_b的第k個(gè)距離單元作為該回波數(shù)據(jù)塊的待檢測(cè)距離單元z_k，k＝1,2,…,M；

3.2)去掉待檢測(cè)距離單元z_k及其相鄰的兩個(gè)距離單元，用回波數(shù)據(jù)塊X_b剩下的共L個(gè)距離單元作為待檢測(cè)距離單元z_k的參考距離單元，其中L為大于1的自然數(shù)；

3.3)計(jì)算待檢測(cè)距離單元z_k的協(xié)方差矩陣估計(jì)

計(jì)算待檢測(cè)距離單元z_k的協(xié)方差矩陣估計(jì)主要有三種方法：

第一種是樣本協(xié)方差矩陣估計(jì)方法，其計(jì)算公式為:

其中，z_q表示第q個(gè)參考距離單元，上標(biāo)H表示取共軛轉(zhuǎn)置，L表示參考距離單元數(shù)；

第二種是歸一化樣本協(xié)方差矩陣估計(jì)方法，其計(jì)算公式為：

第三種是功率中值歸一化協(xié)方差矩陣估計(jì)方法，其計(jì)算公式為:

其中，meadia{}表示取中值。

本實(shí)例使用但不限于使用第一種方法計(jì)算待檢測(cè)距離單元z_k的協(xié)方差矩陣估計(jì)

步驟4，利用待檢測(cè)距離單元z_k的協(xié)方差矩陣估計(jì)計(jì)算回波數(shù)據(jù)的雜噪比CNR。

4.1)根據(jù)給定的目標(biāo)的多普勒頻率f_s,計(jì)算歸一化多普勒頻率f_d：

其中，t表示雷達(dá)脈沖發(fā)射周期；

4.2)利用歸一化多普勒頻率f_d，計(jì)算目標(biāo)的多普勒導(dǎo)向矢量p：

其中，上標(biāo)T表示取轉(zhuǎn)置；

4.3)利用目標(biāo)的多普勒導(dǎo)向矢量p和待檢測(cè)距離單元z_k的協(xié)方差矩陣估計(jì)計(jì)算回波數(shù)據(jù)的雜噪比CNR：

其中，μ表示紋理分量的尺度參數(shù)，ν表示紋理分量的形狀參數(shù)，σ²表示高斯白噪聲功率，表示回波數(shù)據(jù)中K分布雜波與高斯白噪聲的功率之比。

步驟5，利用回波數(shù)據(jù)的雜噪比CNR和待檢測(cè)距離單元z_k的協(xié)方差矩陣估計(jì)計(jì)算待檢測(cè)距離單元z_k的檢驗(yàn)統(tǒng)計(jì)量ξ_k:

其中，上標(biāo)-1表示取逆，|·|表示取模值，上標(biāo)γ表示指數(shù)因子，γ為大于0的任意實(shí)數(shù)，本實(shí)例取值為γ＝2。

步驟6，根據(jù)系統(tǒng)給定的虛警概率f，通過(guò)蒙特卡羅實(shí)驗(yàn)計(jì)算檢測(cè)門(mén)限T_ξ。

6.1)令C為設(shè)定的大于100/f的自然數(shù)，取值為C＝10⁶，仿真不含目標(biāo)的C個(gè)距離單元，計(jì)算每一個(gè)距離單元的檢驗(yàn)統(tǒng)計(jì)量：

其中，z_w表示第w個(gè)距離單元，ξ_w表示第w個(gè)距離單元的檢驗(yàn)統(tǒng)計(jì)量；

6.2)將得到的C個(gè)檢驗(yàn)統(tǒng)計(jì)量按降序排列，取排列后的第[Cf]個(gè)檢驗(yàn)統(tǒng)計(jì)量作為檢測(cè)門(mén)限T_ξ，其中[Cf]表示不超過(guò)實(shí)數(shù)Cf的最大整數(shù)。

步驟7，根據(jù)待檢測(cè)距離單元z_k的檢驗(yàn)統(tǒng)計(jì)量ξ_k和檢測(cè)門(mén)限T_ξ判斷目標(biāo)是否存在。

將待檢測(cè)距離單元z_k的檢驗(yàn)統(tǒng)計(jì)量ξ_k與檢測(cè)門(mén)限T_ξ進(jìn)行比較：如果ξ_k≥T_ξ，則表明待檢測(cè)距離單元有目標(biāo)，如果ξ_k<T_ξ，則表明待檢測(cè)距離單元沒(méi)有目標(biāo)。

下面結(jié)合仿真實(shí)驗(yàn)對(duì)本發(fā)明的效果做進(jìn)一步說(shuō)明。

1.仿真參數(shù)

仿真實(shí)驗(yàn)中采用的回波數(shù)據(jù)是由Matlab軟件產(chǎn)生的K分布雜波加高斯白噪聲數(shù)據(jù)。

參數(shù)1，利用Matlab軟件仿真產(chǎn)生白的K分布雜波加高斯白噪聲數(shù)據(jù)，仿真數(shù)據(jù)的參數(shù)設(shè)置為：脈沖數(shù)N＝16,紋理分量的形狀參數(shù)ν＝0.5，高斯白噪聲功率σ²＝1，歸一化多普勒頻率f_d是一個(gè)0到0.5間的隨機(jī)數(shù)，虛警概率f＝10^-4，改變紋理分量的尺度參數(shù)μ，使信雜噪比SCNR＝9dB，雜噪比CNR從-20dB至20dB。

參數(shù)2，利用Matlab軟件仿真產(chǎn)生有色K分布雜波加高斯白噪聲數(shù)據(jù)，仿真數(shù)據(jù)的參數(shù)設(shè)置為：脈沖數(shù)N＝8,紋理分量的形狀參數(shù)ν＝1，紋理分量的尺度參數(shù)μ＝2,高斯白噪聲功率σ²＝1，散斑協(xié)方差矩陣R＝[m_ij]_1≤i,j≤N,m_ij＝ρ^|i-j|,0<ρ<1，其中|·|表示取模值，m_ij表示散斑協(xié)方差矩陣R第i行第j列的元素，ρ表示相關(guān)系數(shù)，ρ＝0.5，信雜噪比SCNR＝3dB，參考單元數(shù)L＝32,虛警概率f＝10^-4，歸一化多普勒頻率值從0至0.5。

2.仿真實(shí)驗(yàn)內(nèi)容

仿真實(shí)驗(yàn)通過(guò)比較同一背景下不同方法的檢測(cè)概率分析檢測(cè)性能，檢測(cè)概率越大表明檢測(cè)器檢測(cè)性能越好。

仿真實(shí)驗(yàn)1

給定歸一化多普勒頻率，散斑協(xié)方差矩陣R＝I，當(dāng)雜噪比CNR從-20dB至20dB變化時(shí)，利用匹配濾波器MF，依賴于形狀參數(shù)檢測(cè)器α-MF,最優(yōu)K分布加高斯白噪聲檢測(cè)器OKGD與本發(fā)明，在參數(shù)1下進(jìn)行目標(biāo)檢測(cè)，檢測(cè)結(jié)果如圖2所示，圖2中的橫軸表示雜噪比CNR變化，縱軸表示檢測(cè)概率，圖2中的實(shí)線表示依賴于形狀參數(shù)的檢測(cè)器α-MF的檢測(cè)概率曲線，虛線表示匹配濾波器MF的檢測(cè)概率曲線，框畫(huà)線表示本發(fā)明的檢測(cè)概率曲線，點(diǎn)畫(huà)線表示最優(yōu)K分布加高斯白噪聲檢測(cè)器OKGD的檢測(cè)概率曲線。

由圖2可見(jiàn)，在K分布雜波加噪聲背景下，本發(fā)明提出的方法性能接近最優(yōu)K分布加高斯白噪聲檢測(cè)器OKGD，其優(yōu)于匹配濾波器MF和依賴于形狀參數(shù)的檢測(cè)器α-MF，即本發(fā)明能將性能損失減小到一個(gè)很低的水平。

仿真實(shí)驗(yàn)2

當(dāng)歸一化多普勒頻率值從0至0.5變化時(shí)，依賴于多普勒頻率的雜噪比隨著歸一化多普勒頻率值發(fā)生變化，利用自適應(yīng)匹配濾波器AMF，依賴于形狀參數(shù)的自適應(yīng)檢測(cè)器α-AMF與本發(fā)明，在參數(shù)2下進(jìn)行目標(biāo)檢測(cè)，檢測(cè)結(jié)果如圖3所示，圖3中的橫軸表示歸一化多普勒頻率變化，縱軸表示檢測(cè)概率，圖3中的實(shí)線表示依賴于形狀參數(shù)的檢測(cè)器α-AMF的檢測(cè)概率曲線，虛線表示自適應(yīng)匹配濾波器AMF的檢測(cè)概率曲線，框畫(huà)線表示本發(fā)明的檢測(cè)概率曲線。

圖3表明，當(dāng)歸一化多普勒頻率值較小即目標(biāo)在雜波占優(yōu)區(qū)時(shí)，本發(fā)明與近似最優(yōu)的依賴于形狀參數(shù)的自適應(yīng)檢測(cè)器α-AMF性能相同，且性能優(yōu)于自適應(yīng)匹配濾波器AMF。當(dāng)歸一化多普勒頻率值較大即目標(biāo)在雜波占優(yōu)區(qū)外時(shí)，本發(fā)明性能接近甚至略好于近似最優(yōu)的自適應(yīng)匹配濾波器AMF，且性能比依賴于形狀參數(shù)的自適應(yīng)檢測(cè)器α-AMF好得多?？偟膩?lái)看，本發(fā)明的檢測(cè)性能優(yōu)于已有方法。