一种适用于混响边缘环境的自适应目标检测方法及系统技术方案

本发明专利技术涉及主动声纳目标检测领域，涉及一种适用于混响边缘环境的自适应目标检测方法及系统

【技术实现步骤摘要】
一种适用于混响边缘环境的自适应目标检测方法及系统


[0001]本专利技术涉及主动声纳目标检测领域，特别涉及一种适用于混响边缘环境的自适应目标检测方法及系统
。

技术介绍

[0002]对于浅海主动声纳而言，混响是除固有水下环境噪声外，影响其目标检测性能的主要背景干扰
。
当声纳载体运动时，不同方向的混响具有不同的多普勒频移，使得混响谱呈现出空时耦合特性，使用先空域
、
后时域的传统级联滤波方法难以有效抑制混响
。
空时自适应检测技术以空时联合处理为框架
、
以目标检测为目的，利用接收数据形成检测统计量，将检测统计量与检测阈值对比即可判断有无目标，实现了混响抑制与目标检测的一体化
。
与先抑制混响
、
后进行恒虚警检测的级联方式相比，空时自适应检测流程简单
、
设计灵活，能更高效地利用观测数据，检测性能更优
。
[0003]近年来，在主动声纳领域，空时自适应检测获得了日益广泛的研究，特别是高斯分布混响背景下的点目标检测问题，诸如广义似然比检验
(GLRT)、
自适应匹配滤波器
(AMF)、
自适应相干估计器
(ACE)
等经典的检测方法均可用于解决该类问题
。
上述经典的自适应检测方法都是在均匀环境或部分均匀环境下提出的，两种环境均假设存在一组均匀辅助数据可用于实现目标检测，所有辅助数据的统计特性完全相同
。
>然而，受界面起伏
、
温度变化等因素的影响，实际的水下环境可能呈现出非均匀性
。
一个较为常用的描述背景环境非均匀性的模型是混响边缘环境，该场景假设辅助数据中存在混响能量跳变，辅助数据被混响边缘划分为多个均匀混响子区域，使得经典检测方法出现严重的性能下降
。
[0004]针对上述问题，中科院声学所的徐达研究员在其博士论文
《
多通道声纳混响边缘检测及目标检测方法研究
》
中提出利用混响边缘位置信息对辅助数据进行重新筛选，仅保留与待检测数据具有相同混响协方差矩阵的辅助数据，剔除其余辅助数据，基于两步
GLRT
准则提出了有效的解决方法，称之为
T
‑
AMF
方法
。
研究结果表明，
T
‑
AMF
方法能够提高混响边缘环境下的目标检测性能
。
然而，该方法的最大缺陷在于未考虑各均匀混响子区域之间可能存在的关系，剔除辅助数据导致数据利用率严重下降，极大地限制了主动声纳目标检测性能
。

技术实现思路

[0005]本专利技术的目的在于针对现有方法的不足，将辅助数据中存在的混响能量跳变建模为不同混响区域内混响协方差矩阵之间相差的能量因子，基于修正两步
GLRT
准则，使用全部辅助数据计算检测统计量，实现混响边缘环境下的自适应目标检测
。
[0006]为达到上述目的，本专利技术通过下述技术方案实现
。
[0007]本专利技术提出了一种适用于混响边缘环境的自适应目标检测方法，所述方法包括：
[0008]选取主动声纳接收的某距离单元数据作为待检测单元数据，并称为主数据；同时在待检测单元两侧分别选取多个距离单元的接收数据作为总体辅助数据；所述总体辅助数
据分布在被待检测单元左侧混响边缘和右侧混响边缘分隔形成的三个均匀混响区域内，并被对应划分为三个辅助数据子集；
[0009]将混响边缘环境下的目标自适应检测建模为一个包括无目标假设和有目标假设的二元假设检验问题；其中，总体辅助数据中存在的混响能量跳变建模为不同混响区域内混响协方差矩阵之间相差的能量因子；
[0010]获取主数据在无目标假设和有目标假设下的概率密度函数以及各辅助数据子集的概率密度函数，并进一步获取主数据和总体辅助数据在两种假设下的联合概率密度函数；
[0011]基于修正的两步广义似然比检验准则，先后处理联合概率密度函数和主数据
、
辅助数据子集各自的概率密度函数，获得最终的检测表达式，实现对目标有无的自适应检测
。
[0012]作为上述技术方案的改进之一，所述主动声纳接收的各距离单元数据均为
N
维复高斯随机矢量，
N
表示空域
、
时域或空时域维度
。
[0013]作为上述技术方案的改进之一，所述二元假设检验问题表达式为：
[0014][0015]其中，
H0和
H1分别代表无目标假设和有目标假设；表示待检测单元数据，又称主数据，表示复数集合；
z
k
表示第
k
个辅助数据；
K1和
K2分别表示待检测单元左侧混响边缘和右侧混响边缘的位置，并假设
K2‑
K1≥N
；
n
，分别表示待检测单元和三个均匀混响区域的背景混响矢量，且有
n
，表示
n
和服从均值为
0、
协方差矩阵为
R
的复高斯分布，
γ1和
γ2表示混响边缘两侧未知的能量因子；为目标信号复幅度，是一个未知的确定性参数；为目标标称导向向量，
θ
是目标方向，
θ
已知时将
v(
θ
)
简写为
v。
[0016]作为上述技术方案的改进之一，所述主数据和总体辅助数据在无目标假设和有目标假设下的联合概率密度函数
f(z
，
Z
K
；
l
α
，
γ1，
γ2，
R
，
H
l
)
，表达式为：
[0017][0018]其中，表示总体辅助数据的样本协方差矩阵，表示混响边缘
K1左侧辅助数据的样本协方差矩阵，表示混响边缘
K1、K2之间辅助数据的样本协方差矩阵，表示混响边缘
K2右侧辅助数据的样本协方差矩阵，
Z
K
表示总体辅助数据，
Z
K
＝
[z1…
z
K
]，
Z
K1
表示混响边缘
K1左侧的辅助数据，
Z
K2
表示混响边缘
K1、K2之间的辅助数据，之间的辅助数据，
Z
K3
表示混响边缘
K2右侧的辅助数据，
Tr(
·
)
表示矩阵的迹，
(
·
)
‑1表示求逆运算，
(
·
)
H
表示共轭转置运算，
det(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种适用于混响边缘环境的自适应目标检测方法，所述方法包括：选取主动声纳接收的某距离单元数据作为待检测单元数据，并称为主数据；同时在待检测单元两侧分别选取多个距离单元的接收数据作为总体辅助数据；所述总体辅助数据分布在被待检测单元左侧混响边缘和右侧混响边缘分隔形成的三个均匀混响区域内，并被对应划分为三个辅助数据子集；将混响边缘环境下的目标自适应检测建模为一个包括无目标假设和有目标假设的二元假设检验问题；其中，总体辅助数据中存在的混响能量跳变建模为不同混响区域内混响协方差矩阵之间相差的能量因子；获取主数据在无目标假设和有目标假设下的概率密度函数以及各辅助数据子集的概率密度函数，并进一步获取主数据和总体辅助数据在两种假设下的联合概率密度函数；基于修正的两步广义似然比检验准则，先后处理联合概率密度函数和主数据
、
辅助数据子集各自的概率密度函数，获得最终的检测表达式，实现对目标有无的自适应检测
。2.
根据权利要求1所述的适用于混响边缘环境的自适应目标检测方法，其特征在于，所述主动声纳接收的各距离单元数据均为
N
维复高斯随机矢量，
N
表示空域
、
时域或空时域维度
。3.
根据权利要求2所述的适用于混响边缘环境的自适应目标检测方法，其特征在于，所述二元假设检验问题表达式为：其中，
H0和
H1分别代表无目标假设和有目标假设；表示待检测单元数据，又称主数据，表示复数集合；
z
k
表示第
k
个辅助数据；
K1和
K2分别表示待检测单元左侧混响边缘和右侧混响边缘的位置，并假设检测单元左侧混响边缘和右侧混响边缘的位置，并假设分别表示待检测单元和三个均匀混响区域的背景混响矢量，且有表示
n
和服从均值为
0、
协方差矩阵为
R
的复高斯分布，
γ1和
γ2表示混响边缘两侧未知的能量因子；为目标信号复幅度，是一个未知的确定性参数；为目标标称导向向量，
θ
是目标方向，
θ
已知时将
v(
θ
)
简写为
v。4.
根据权利要求3所述的适用于混响边缘环境的自适应目标检测方法，其特征在于，所述主数据和总体辅助数据在无目标假设和有目标假设下的联合概率密度函数
f(z,Z
K
；
l
α
,
γ1,
γ2,R,H
l
)
，表达式为：
其中，表示总体辅助数据的样本协方差矩阵，表示混响边缘
K1左侧辅助数据的样本协方差矩阵，表示混响边缘
K1、K2之间辅助数据的样本协方差矩阵，表示混响边缘
K2右侧辅助数据的样本协方差矩阵，
Z
K
表示总体辅助数据，
Z
K
＝
[z1…
z
K
]
，
Z
K1
表示混响边缘
K1左侧的辅助数据，
Z
K2
表示混响边缘
K1、K2之间的辅助数据，之间的辅助数据，
Z
K3
表示混响边缘
K2右侧的辅助数据，
Tr(
·
)
表示矩阵的迹，
(
·
)
‑1表示求逆运算，
(
·
)
H
表示共轭转置运算，
det(
·
)
表示矩阵的行列式运算
。5.
根据权利要求4所述的适用于混响边缘环境的自适应目标检测方法，其特征在于，所述主数据和总体辅助数据在无目标假设和有目标假设下的联合概率密度函数
f(z,Z
K
；
l
α
,
γ1,
γ2,R,H
l
)
的获取过程包括：获取主数据在
H0和
H1假设下的概率密度函数
f(z
；
l
α
,R,H
l
)
：获取混响边缘
K1左侧辅助数据
Z
K1
的概率密度函数
f(Z
K1
；
γ1,R)
：获取混响边缘
K1、K2之间辅助数据
Z
K2
的概率密度函数
f(Z
K2
；
R)
：获取混响边缘
K2右侧辅助数据
Z
K3
的概率密度函数
f(Z
K3
；
γ2，
R)
：则主数据
z
和总体辅助数据
Z
K
在
H0和
H1假设下的联合概率密度函数
f(z
，
Z
...

【专利技术属性】
技术研发人员：郝程鹏，王天琪，殷超然，闫林杰，徐达，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：