基于自回归模型的雷达信号自适应检测方法技术

本发明专利技术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。

【技术实现步骤摘要】

本专利技术属于雷达信号处理
，特别涉及一种基于自回归模型的雷达信号自适应检测方法，适用于雷达信号的自适应检测。
技术介绍
当今雷达面临着各种各样的挑战：有源干扰与无源干扰、反辐射雷达、隐身技术的快速发展等，自适应技术是应对这些挑战的有效方法之一；目前，国内外学者对自适应检测技术进行了大量的研究。在均匀杂波干扰环境下，有学者提出了一种广义似然比检测方法，该方法需要在不同的假设下求出未知参数的最大似然估计，具有较大的计算量。自适应匹配滤波器又被称为两步广义似然比检验，首先假设杂波的协方差矩阵已知，推导广义似然比统计表达式，然后利用训练数据估计杂波协方差矩阵，得到协方差矩阵的最大似然估计值，该广义似然比检测方法因具有较小的计算量而被广泛使用。当杂波的协方差矩阵已知时，存在最优的匹配滤波器，然而实际雷达检测环境中，杂波的协方差矩阵是未知的；如果使用传统的自适应检测方法如广义似然比检测方法进行检测时会需要一系列训练数据来估计杂波的协方差矩阵，这些训练数据取自于与待检测单元空间邻近的距离单元，通常假设这些训练单元数据与待检测单元数据具有相同的协方差矩阵或者相同的协方差结构。为了使得所得到的自适应检测方法与最优的匹配滤波器检测性能差距不超过3dB，至少需要采用两倍协方差矩阵维数的训练数据对未知协方差矩阵进行估计；然而，这一要求在实际环境中尤其是非均匀环境中难以满足，严重降低了传统自适应检测方法的检测性能。
技术实现思路
针对传统的自适应检测方法在实际雷达工作环境中训练数据缺失的情况下检测性能下降这一缺点，本专利技术的目的在于提出一种基于自回归模型的雷达信号自适应检测方法，该种基于自回归模型的雷达信号自适应检测方法以降低检测方法对训练数据的要求，从而提高在训练数据缺失情况下雷达信号的自适应检测性能。为达到上述技术目的，本专利技术采用如下技术方案予以实现。一种基于自回归模型的雷达信号自适应检测方法，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∈CN×1，∈表示属于，CN×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本文档来自技高网...

【技术保护点】
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∈CN×1，∈表示属于，CN×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}，N表示雷达接收到的相参脉冲序列包含的脉冲个数；K为自然数；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；θr＝[αR,αI]T，αR表示目标幅度的未知常量α的实部，αI表示目标幅度的未知常量α的虚部，θr表示目标幅度的二维列向量，θs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，aR＝vec(Re{a})，aI＝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，aR表示M阶自回归模型复的自回归参数向量a的实部，aI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)，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ZK的联合概率密度函数f(z0,ZK|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ZK的联合概率密度函数f(z0,ZK|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ηAR‑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TR；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。...

【技术特征摘要】
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∈CN×1，∈表示属于，CN×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...

【专利技术属性】
技术研发人员：李明，王泽玉，吴艳，陈洪猛，张鹏，左磊，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61