本發(fā)明屬于雷達技術(shù)領(lǐng)域，涉及一種寬帶雷達目標檢測方法，可用于非均勻雜波背景下的目標識別。

背景技術(shù)：

憑借高距離分辨率，寬帶雷達在軍事和民用領(lǐng)域發(fā)揮著越來越重要的作用，目前對于雜波背景下的寬帶雷達目標檢測存在以下幾方面的問題：大帶寬導(dǎo)致距離單元較小，在每個距離單元只有少數(shù)的散射中心，此時中心極限定理不再適用，高斯分布不再適用于寬帶雷達雜波；目標的物理尺寸往往大于寬帶雷達的距離分辨率，即距離擴展目標或分布式目標，為充分利用回波能量，需要綜合不同距離單元各散射中心個數(shù)、位置和幅度等先驗信息；對于多陣元和多脈沖雷達，存在跨距離單元的包絡(luò)走動，窄帶雷達的信號子空間模型不再適用。

在寬帶背景下，目標不再被視為點目標，成為距離擴展目標。已有的寬帶雷達檢測工作中，對于距離擴展目標的情況，使用廣義似然比檢測器glrt進行寬帶目標的檢測，通過復(fù)高斯cg模型和球不變隨機過程sirp描述寬帶雷達雜波。這種方法存在很大的局限性，其重點關(guān)注目標回波分布在不同距離單元所帶來的影響，而忽略目標回波越距離單元走動的問題，使得在對每個距離單元的回波進行積累檢測時，出現(xiàn)能量損失，積累增益大幅下降，檢測性能受到很大的影響。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于針對上述問題，提出一種基于知識輔助的寬帶雷達目標檢測方法，以提高非均勻雜波背景下的寬帶雷達目標檢測性能。

本發(fā)明的技術(shù)思路是：綜合知識輔助ka、知識庫kb和認知雷達cr信號處理方法，通過利用環(huán)境的先驗信息，考慮越距離單元走動現(xiàn)象，設(shè)計基于貝葉斯方法的寬帶雷達目標檢測器，其技術(shù)方案包括如下：

1)對寬帶雷達目標的時域目標回波信號進行傅里葉變換，得到頻域目標回波信號其中kt表示在一個相干處理時間cpi內(nèi)有kt個脈沖，ks表示雷達接收機包括ks個陣元，f表示頻率；

2)對頻域目標回波信號進行n點的均勻采樣，得到離散形式的信號模型s(n)＝bnpn,n表示離散頻率變量，n＝0,...,n-1，pn表示空時導(dǎo)向矢量，bn表示目標回波包絡(luò)al在頻域的離散形式，l＝0,...,l-1，l表示目標占據(jù)距離單元的個數(shù)；

3)將n個點的目標回波信號表示為：其中表示兩個矩陣的克羅內(nèi)克積，in是n維單位矩陣，p是方向矩陣，l是n²×n的矩陣，a是復(fù)散射系數(shù)構(gòu)成的矩陣，fn是n維離散傅里葉變換矩陣，il是l維單位矩陣，0(n-l)×l是(n-l)×l維零矩陣；

4)將復(fù)高斯向量描述的雜波模型等價于廣義平衡非相關(guān)散射wssus信道模型，其中un表示第n個距離單元的局部雜波功率，gn表示第n個距離單元的復(fù)高斯隨機向量，un和gn相互獨立，cn表示第n個距離單元的雜波向量；

5)根據(jù)廣義平衡非相關(guān)散射wssus信道模型的性質(zhì)，將空時域和頻域兩維相參函數(shù)rt,f表示為：rt,f(m,k)＝rf(k)rt(m)，其中rf(k)是頻域相參函數(shù)，rt(m)是空時域相參函數(shù)，k＝0,...,n-1，m＝0,...,m-1，m＝ktks；

6)根據(jù)rf(k)和rt(m)分別確定頻域協(xié)方差矩陣rf和空時域協(xié)方差矩陣rt，將空時頻聯(lián)合協(xié)方差矩陣r表示為rf和rt的克羅內(nèi)克積，即r的精度矩陣為σ，rt的精度矩陣為σt，rf的精度矩陣為σf，這三個精度矩陣包含雜波的先驗信息；

7)根據(jù)虛警概率，設(shè)置目標檢測的門限值為γ，根據(jù)步驟4)和步驟6)的結(jié)果，基于貝葉斯方法，構(gòu)造廣義似然比的目標檢測器表達式為：

其中u表示局部雜波功率，f(rt)、f(rf)分別表示rt、rf的概率密度函數(shù)；f(x；u,rt,rf,a|h1)、f(x；u,rt,rf,a|h0)分別表示在h1和h0情況下，觀測數(shù)據(jù)向量x的條件概率密度函數(shù)；h1表示目標存在的情況，h0表示目標不存在的情況；

8)通過步驟7)得到檢測器，實現(xiàn)在雜波背景下對寬帶目標信號的檢測：

當上述不等式取“>”時，即h1情況，表示檢測到目標；

當上述不等式取“<”時，即h0情況，表示未檢測到目標。

本發(fā)明具有如下優(yōu)點：

1.本發(fā)明基于貝葉斯方法，利用雜波的先驗信息，設(shè)計了廣義似然比目標檢測器，通過對雜波信息的準確估計，降低了雜波對目標信號的影響，從而提高了非均勻雜波背景下的寬帶雷達目標檢測性能；

2.本發(fā)明在對雜波信息進行估計時，通過將空時頻聯(lián)合精度矩陣分離為空時域精度矩陣和頻域精度矩陣，大幅度的降低了矩陣維度，從而減少了估計雜波信息所需的歷史數(shù)據(jù)數(shù)量，很大程度的提高了運算效率。

附圖說明

圖1是本發(fā)明的使用場景圖；

圖2是本發(fā)明實現(xiàn)流程圖；

圖3是本發(fā)明在不同輸入信雜比的檢測結(jié)果圖。

具體實施方式

參照圖1，雷達接收機包括ks個陣元，在一個相干處理時間cpi內(nèi)有kt個脈沖,對于第ks個陣元的第kt次脈沖回波，其接收到的目標時域信號是其中ks＝1,…,kskt＝1,…,kt。

參照圖2，本發(fā)明的實現(xiàn)步驟如下：

步驟1，寬帶雷達接收時域目標回波信號，獲取頻域目標回波信號。

1.1)在t0時刻，對于第1個陣元的第1次脈沖回波，雷達接收時域目標回波信號：

對于第ks個陣元的第kt次脈沖回波，時延雷達接收到的時域目標回波信號：

其中，v和θ分別表示目標的徑向速度和入射角，λc表示載波波長，d表示兩個相鄰陣元的距離，tr表示脈沖重復(fù)周期；上式右邊的第一個因子表示目標回波包絡(luò)產(chǎn)生的平移，即距離走動。

1.2)將時域目標回波信號轉(zhuǎn)換為頻域目標回波信號：

對于寬帶雷達，每個距離單元的長度遠小于距離走動量，因此，時域目標回波信號不能表示為幅度和導(dǎo)向矢量的乘積，為解決這一問題，對時域目標回波信號進行傅里葉變換，得到頻域目標回波信號表示如下：

其中，f表示頻率，g(f)是目標回波包絡(luò)的傅里葉變換，即目標的頻率響應(yīng)。

步驟2，對頻域目標回波信號進行均勻采樣。

設(shè)置采樣點數(shù)為n，對連續(xù)的頻域目標回波信號進行均勻采樣，得到離散形式的信號模型：

s(n)＝bnpn,n＝0,...,n-1

其中bn表示目標回波包絡(luò)在頻域的離散形式，pn為空時導(dǎo)向矢量，表示為：

其中上標t表示轉(zhuǎn)置，m＝ktks，bw表示帶寬。

步驟3，獲得l個距離單元的離散目標回波信號。

3.1)設(shè)目標占據(jù)的距離單元為l個，各距離單元的復(fù)散射系數(shù)矩陣是：a＝[a0a1...al...al-1]^t，al是第l個距離單元的復(fù)散射系數(shù)，l＝0,1,...,l-1；

3.2)將傅里葉變換點數(shù)設(shè)置為n個，對a進行n點的離散傅里葉變換，得到傅里葉變換后的復(fù)散射系數(shù)矩陣b＝[b0b1...bn...bn-1]^t，bn是al經(jīng)過傅里葉變換得到的復(fù)散射系數(shù)，n＝0,1,...,n-1；

3.3)根據(jù)b＝fnua，得到l個距離單元的離散目標回波信號s，表示為：

其中，表示兩個矩陣的克羅內(nèi)克積，in是n維單位矩陣，l是一個n²×n的矩陣，fn是n維離散傅里葉變換矩陣，矩陣il是l維單位矩陣，o(n-l)×l是(n-l)×l維零矩陣；p是方向矩陣，表式為：

其中，

步驟4，將非均勻雜波模型等價為廣義平衡非相關(guān)散射wssus信道模型。

根據(jù)寬帶雷達的非均勻雜波符合復(fù)高斯模型的特性，得到每一個距離單元的雜波向量其中un表示第n個距離單元的局部雜波功率，gn表示第n個距離單元的復(fù)高斯隨機向量，un和gn相互獨立；

由于大多數(shù)場景下，gn是快速變化，un是緩慢變化，故在一個相干處理時間內(nèi)，可將un可看作是常量，此時復(fù)高斯模型等價為球不變隨機向量模型sirv；又由于不同距離單元的雜波是非相參的，故可將sirv進一步等價為廣義平衡非相關(guān)散射wssus信道模型，即可將復(fù)高斯模型等價為廣義平衡非相關(guān)散射wssus信道模型。

步驟5，得到頻域協(xié)方差矩陣和空時域協(xié)方差矩陣。

5.1)由于wssus信道模型描述了一個信道在時域是不變的，在時延域是非相參的特性，因而可得出該信道模型的兩個特性：第一個特性是雜波在空時域和頻域均是廣義平穩(wěn)的；第二個特性是雜波的空時域和頻域兩維相參函數(shù)rt,f可以表示為：rt,f(m,k)＝rf(k)rt(m)，其中rf(k)是頻域相參函數(shù)，rt(m)是空時域相參函數(shù)，k＝0,...,n-1，m＝0,...,m-1；

5.2)根據(jù)rt,f、rf(k)和rt(m)，得到空時頻聯(lián)合協(xié)方差矩陣r、頻域協(xié)方差矩陣rf和空時域協(xié)方差矩陣rt，分別表示如下：

其中上標h表示共軛轉(zhuǎn)置。

根據(jù)5.1)中wssus信道模型的第一個特性可知：r服從空時頻聯(lián)合精度矩陣σ和空時頻自由度參數(shù)ν的逆復(fù)威沙特分布，rf服從頻域精度矩陣σf和頻域自由度參數(shù)νf的逆復(fù)威沙特分布，rt服從時域精度矩陣σt和時域自由度參數(shù)νt的逆復(fù)威沙特分布，其中σ、σf、σt這三個矩陣包含雜波的先驗信息。

步驟6，分離空時頻聯(lián)合協(xié)方差矩陣。

根據(jù)步驟5.1)中rt,f(m,k)＝rf(k)rt(m)，將空時頻聯(lián)合協(xié)方差矩陣r分離，得到頻域協(xié)方差矩陣rf和空時域協(xié)方差矩陣rt，即其中表示克羅內(nèi)克積，由于空時頻聯(lián)合協(xié)方差矩陣r的維度是mn，頻域協(xié)方差矩陣rf的維度是m，空時域協(xié)方差矩陣rt的維度是n，因此通過將r分離為rf和rt，降低了矩陣維度，提高了運算效率。

步驟7，基于貝葉斯準則，利用雜波先驗信息，設(shè)計廣義似然比目標檢測器。

7.1)由虛警概率，設(shè)置目標檢測的門限值為γ，根據(jù)貝葉斯準則，得到廣義似然比檢測器的原始表達式：

其中，u表示局部雜波功率，f(r)表示空時頻聯(lián)合協(xié)方差矩陣r的概率密度函數(shù)，f(x；u,r,a|h1)表示由a確定的觀測數(shù)據(jù)向量的概率密度函數(shù)，f(x；u,r|h0)表示由r確定的觀測數(shù)據(jù)向量的概率密度函數(shù)，h1表示目標存在的情況，h0表示目標不存在的情況；

7.2)根據(jù)步驟6中得到r的概率密度函數(shù)f(r)為：

f(r)＝f(rt)f(rf)，

其中f(rt)表示時域協(xié)方差矩陣的概率密度函數(shù)，f(rf)表示頻域協(xié)方差矩陣的概率密度函數(shù)，

式中，是復(fù)伽瑪函數(shù)，即

γ(vt-n+1)是伽瑪函數(shù)，n＝0,...,n-1；

7.3)將7.2)中f(r)＝f(rt)f(rf)代入到7.1)的檢測器原始表達式中，得到廣義似然比目標檢測器：

其中f(x；u,rt,rf,qa|hq)表示由rt和rf確定的觀測數(shù)據(jù)向量的概率密度函數(shù)，b＝diag(fnua)是一個對角陣，對角線上元素表示目標一維距離像的離散譜；

7.4)對7.3)得到的廣義似然比目標檢測器進行化簡整理，得到目標檢測器的最終化簡形式：

7.4.1)對7.3)中的f(x；u,rt,rf,qa|hq)進行積分，得到由rf決定的觀測數(shù)據(jù)向量的概率密度函數(shù)：

7.4.2)求解a的最大似然估計

根據(jù)7.3)中的f(x；u,rf,qa|hq)，得到a的最大似然估計：

其中，

7.4.3)求解b的最大似然估計

根據(jù)7.3)中b＝diag(fnua)，用代替a，得到

7.4.4)求解u的最大似然估計

定義代價函數(shù)令得到u的最大似然估計，表示如下：

其中

7.4.5)將上述參數(shù)f(rt)、f(rf)、f(x；u,rf,qa|hq)、和帶入到7.3)中的目標檢測器表達式中，得到廣義似然比目標檢測器的最終化簡形式：

其中ψ是矩陣變量的第二類合流超幾何函數(shù)。

步驟8，通過廣義似然比目標檢測器，實現(xiàn)目標檢測。

8.1)將步驟7.4.5)得到的廣義似然比目標檢測器，描述為一個二元檢測問題，其表示如下：

其中，x表示觀測信號，c表示雜波信號，s表示目標回波信號，h0表示觀測信號中僅含雜波信號，h1表示觀測信號中包含雜波信號和目標回波信號。

8.2)通過該廣義似然比目標檢測器，實現(xiàn)在雜波背景下對寬帶目標信號的檢測，即將7.4.5)中目標檢測器不等式的左邊表達式與檢測門限γ進行比較：

當取“>”時，即h1情況，表示檢測到目標；

當取“<”時，即h0情況，表示未檢測到目標。

本發(fā)明的效果通過以下仿真對比試驗進一步說明：

1.實驗場景：

實驗數(shù)據(jù)：用電磁仿真軟件得到寬帶雷達目標回波信號，用科學(xué)計算軟件matlab7.0仿真得到海雜波。

雷達參數(shù)：雷達的帶寬為1ghz，距離分辨率為0.15米，雷達的脈沖重復(fù)頻率為1000hz，一個相參處理時間內(nèi)包含32個脈沖。

仿真參數(shù)：設(shè)定目標檢測的虛警概率pfa＝10^-4，蒙特卡羅實驗的次數(shù)是10000。

2.仿真內(nèi)容：

利用實驗數(shù)據(jù)，通過蒙特卡羅仿真實驗，分別對本發(fā)明給出的檢測方法與現(xiàn)有常規(guī)檢測方法和最優(yōu)檢測方法分別進行檢測性能的仿真，得到各自的檢測概率—信雜比pd-scr曲線，如圖3所示。

從圖3中可以看出，本發(fā)明的檢測方法明顯優(yōu)于常規(guī)檢測方法，在檢測概率為0.8處，二者的檢測概率相差大約5db。這是因為本發(fā)明的檢測方法利用了雜波的先驗信息，通過對雜波信息的準確估計，降低了雜波信號對目標信號的影響，提高了檢測性能。

同時，本發(fā)明的檢測方法相比于最優(yōu)檢測方法，存在較小的性能損失,即在檢測概率為0.8處，性能損失大約為1.6db。這是因為最優(yōu)檢測方法屬于理想情況，其假設(shè)目標散射中心的位置和個數(shù)均已知，而這些假設(shè)信息在實際情況中是不可獲得的，故本發(fā)明的檢測方法引起性能損失屬于正常情況。