非均匀环境中分布式无人机载雷达扩展目标检测器与系统技术方案

本发明专利技术公开了非均匀环境中分布式无人机载雷达扩展目标检测器与系统，先构造各数据矩阵及向量；然后利用训练样本构造归一化协方差矩阵的估计值；接着利用待检测数据、信号导向矢量、归一化协方差矩阵的估计值构造子检测统计量；再利用子检测统计量构造最终的检测统计量；接着利用最终的检测统计量和虚警概率确定检测门限；最后比较最终的检测统计量与检测门限之间的大小，并判决目标是否存在。本发明专利技术所设计的检测器基于协同工作的多架分布式无人机，从不同角度观测目标，降低了目标闪烁的不利影响；通过估计归一化协方差矩阵，降低了非均匀的影响；基于自适应检测技术，一体化实现了杂波抑制、信号积累和恒虚警处理，提升了目标检测性能。标检测性能。标检测性能。

【技术实现步骤摘要】
非均匀环境中分布式无人机载雷达扩展目标检测器与系统


[0001]本专利技术涉及分布式无人机载雷达目标检测方法与系统，尤其涉及非均匀环境中分布式无人机载雷达扩展目标检测器与系统。

技术介绍

[0002]随着高新技术在武器装备上的广泛应用，军用无人机在几场局部战争中频频亮相，屡立战功。军用无人机有望重塑21世纪的作战模式。然而，单部无人机由于载荷有效，作战效能不佳。为此，通过多部无人机联合工作的模型，以无人机蜂群为代表的作战模式逐渐受到青睐，可大大提升无人机的作战效能。
[0003]现有资料已有针对分布式机载雷达目标检测的研究方法，例如，文献(程子扬,何子述,王智磊,等.分布式MIMO雷达目标检测性能分析[J].雷达学报,2017,6(1):81
‑
89.)分析了分布式检测的检测性能，但在每个发射
‑
接收站点对应的系统为标量，无法有效探测目标的空域角度信息及时域多普勒信息。专利(分布式无人机MIMO雷达的非相参融合目标检测方法，申请公布号CN 110412559A，申请号201910681853.9)提出了一种针对分布式无人机的MIMO雷达非相参融合目标检测方法，利用分布式无人机对目标进行融合检测。然而，上述专利所提方法假设待检测距离单元的杂波加噪声协方差矩阵已知，这一要求往往在实际中无法满足。
[0004]上述文献及专利都未考虑目标的扩展特性。而在实际中，无人机载雷达的发射频率通常很高，相应的信号带宽也很宽，目标往往占据多个距离分辨单位，体现出空间分布特性。此外，由于地形的起伏，以及地物的遮挡效应，不同距离单元的雷达回波数据往往呈现出非均匀特性，进一步加剧了目标检测的困难。此时，已有方法难以对目标进行有效检测。

技术实现思路

[0005]为了解决上述技术难题，本专利技术提供非均匀环境中分布式无人机载雷达扩展目标检测器与系统，用以克服现有技术中分布式无人机载雷达目标检测困难的问题。
[0006]为实现上述目的，本专利技术提供非均匀环境中分布式无人机载雷达扩展目标检测器，其特征在于，包括：
[0007]步骤1，根据发射信号的无人机数量、接收信号的无人机数量、每架无人机具备的阵元数、发射脉冲数、待检测目标方位，构造待检测数据、信号导向矢量、训练样本；
[0008]步骤2，利用所述训练样本构造归一化协方差矩阵的估计值；
[0009]步骤3，利用所述待检测数据、信号导向矢量、归一化协方差矩阵的估计值构造子检测统计量；
[0010]步骤4，利用所述子检测统计量构造最终的检测统计量；
[0011]步骤5，利用所述最终的检测统计量和虚警概率确定检测门限；
[0012]步骤6，比较所述最终的检测统计量与所述检测门限之间的大小，并判决目标是否存在；
[0013]所述步骤1中，信号导向矢量s
mn
(θ
t,m
,θ
r,n
,f
mn
)具有下式所示结构：
[0014][0015]符号表示Kronecker积，s
D
(f
mn
)、s
T
(θ
t,m
)和s
R
(θ
r,n
)分别为目标的多普勒导向矢量、第m架用于发射信号的无人机相对目标的发射导向矢量和第n架用于接收信号的无人机相对目标的接收导向矢量，且三者的表达式分别为
[0016][0017][0018]和
[0019][0020]符号(
·
)
T
表示转置，f
mn
为目标相对于第m架用于发射信号的无人机及第n架用于接收信号的无人机的归一化多普勒频率，θ
t,m
为第m架用于发射信号的无人机的发射信号角度，θ
r,n
为第n架用于接收信号的无人机的接收信号角度；
[0021]所述步骤1中，发射信号的无人机数量为M、接收信号的无人机数量为N、每架发射信号的无人机含有的阵元天线数为M
m
，m＝1,2,
…
,M，每架发射信号的无人机均发射K个脉冲，每架接收信号的无人机含有的阵元天线数为N
n
，n＝1,2,
…
,N，待检测数据为X
mn
，m＝1,2,...,M，n＝1,2,...,N，X
mn
的维数为KM
m
N
n
×
W，W为目标扩展维数，训练样本为y
mnl
，l＝1,2,
…
,L
mn
，L
mn
为对应于第m架发射信号无人机及第n架接收信号无人机的训练样本数。
[0022]进一步地，所述步骤2中，构造的归一化协方差矩阵的估计值通过下述方式得到：
[0023]设置初始值：
[0024][0025]当i＝0,1,
…
,I时，进行下述迭代：
[0026][0027][0028][0029]其中，符号(
·
)
H
表示共轭转置，(
·
)
‑1表示矩阵的逆，tr(
·
)表示矩阵的迹，标量上标中的i+1表示第i+1次迭代，I为总的迭代次数，当满足下列两种条件之一时，迭代过程终止：
[0030]条件1：I＞10
[0031]条件2：
[0032]符号||
·
||为矩阵Frobenius范数；迭代终止时，记
[0033]进一步地，所述步骤3中，构造的子检测统计量为：
[0034][0035]进一步地，所述步骤4中，所构造的最终检测统计量为：
[0036][0037]进一步地，所述步骤5中，所述检测门限为：
[0038]η＝t(n
*
)
[0039]其中，Q为蒙特卡洛仿真次数，κ为系统的虚警概率值，为取整操作，t(i)为序列由大到小排列第i个最大值；其中，s
mn
表示s
mn
(θ
t,m
,θ
r,n
,f
mn
)的简写，即X
mn
(k)为仅含噪声分量的待检测数据矩阵的第k次实现，
[0040]通过下述方式得到：
[0041]设置初始值：
[0042][0043]当i＝0,1,
…
,I时，进行下述迭代：
[0044][0045][0046][0047]标量和上标中的i+1表示第i+1次迭代，I为总的迭代次数，当满足下列两种条件之一时，迭代过程终止：
[0048]条件1：I＞10
[0049]条件2：
[0050]符号||
·
||为矩阵Frobenius范数；迭代终止时，记
[0051]y
mnl本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.非均匀环境中分布式无人机载雷达扩展目标检测器，其特征在于，包括：步骤1，根据发射信号的无人机数量、接收信号的无人机数量、每架无人机具备的阵元数、发射脉冲数、待检测目标方位，构造待检测数据、信号导向矢量、训练样本；步骤2，利用所述训练样本构造归一化协方差矩阵的估计值；步骤3，利用所述待检测数据、信号导向矢量、归一化协方差矩阵的估计值构造子检测统计量；步骤4，利用所述子检测统计量构造最终的检测统计量；步骤5，利用所述最终的检测统计量和虚警概率确定检测门限；步骤6，比较所述最终的检测统计量与所述检测门限之间的大小，并判决目标是否存在；所述步骤1中，信号导向矢量s
mn
(θ
t,m
,θ
r,n
,f
mn
)具有下式所示结构：符号表示Kronecker积，s
D
(f
mn
)、s
T
(θ
t,m
)和s
R
(θ
r,n
)分别为目标的多普勒导向矢量、第m架用于发射信号的无人机相对目标的发射导向矢量和第n架用于接收信号的无人机相对目标的接收导向矢量，且三者的表达式分别为目标的接收导向矢量，且三者的表达式分别为和符号(
·
)
T
表示转置，f
mn
为目标相对于第m架用于发射信号的无人机及第n架用于接收信号的无人机的归一化多普勒频率，θ
t,m
为第m架用于发射信号的无人机的发射信号角度，θ
r,n
为第n架用于接收信号的无人机的接收信号角度；所述步骤1中，发射信号的无人机数量为M、接收信号的无人机数量为N、每架发射信号的无人机含有的阵元天线数为M
m
，m＝1,2,
…
,M，每架发射信号的无人机均发射K个脉冲，每架接收信号的无人机含有的阵元天线数为N
n
，n＝1,2,
…
,N，待检测数据为X
mn
，m＝1,2,
…
,M，n＝1,2,
…
,N，X
mn
的维数为KM
m
N
n
×
W，W为目标扩展维数，训练样本为y
mnl
，l＝1,2,
…
,L
mn
，L
mn
为对应于第m架发射信号无人机及第n架接收信号无人机的训练样本数。2.根据权利要求1所述的非均匀环境中分布式无人机载雷达扩展目标检测器，其特征在于，所述步骤2中，构造的归一化协方差矩阵的估计值通过下述迭代方式得到：设置初始值：当i＝0,1,
…
,I时，进行下述迭代：...

【专利技术属性】
技术研发人员：刘维建，李浩，孙合敏，李槟槟，周必雷，
申请(专利权)人：中国人民解放军空军预警学院，
类型：发明
国别省市：