本发明专利技术涉及一种基于加权平滑矩阵CFAR的海面弱目标检测方法及装置，方法包括：获取包括若干距离单元的雷达回波数据；利用雷达回波数据计算每个距离单元的相关矩阵，得到若干相关矩阵；将相关矩阵的最大特征值代入预设高斯核函数中计算每个距离单元的权系数，并对所有权系数进行归一化，得到若干归一化的权系数；利用若干归一化的权系数对每个距离单元的相关矩阵进行加权，得到若干加权后的相关矩阵；利用每个加权后的相关矩阵的最大特征值计算待检测单元相对于若干参考单元的检验统计量；比较检验统计量与判决门限的大小关系，得到检测结果。该方法对于信杂比较低的弱目标也有着较好的检测性能，而且可以很好的减弱非均匀杂波或异常干扰的影响。
【技术实现步骤摘要】
本专利技术属于雷达检测，具体涉及一种基于加权平滑矩阵cfar的海面弱目标检测方法及装置。
技术介绍
1、在雷达检测问题，特别是对海面目标检测的研究中，如何在短脉冲序列以及强海杂波干扰下对海面弱目标的检测是一个关键问题，此外随着雷达的检测分辨力不断提升，海杂波通常呈现出非平稳、非均匀与非高斯特性，并且传统自适应检测技术并未充分使用回波的相关性，以及利用短脉冲序列估计杂波协方差矩阵估计不准确的问题会导致其检测性能严重下降。如何提高雷达在低信杂比杂波背景下和存在干扰背景下的检测性能有着重要的研究意义。
2、近些年来，针对上述目标检测问题，常用的方法是以信息几何的统计流形为基础，利用流形的几何结构另辟蹊径的解决雷达目标检测问题，通过判断流形上点的相似性来进行最终的检验判决。但这类检测方法大多数情况需要估计流形的均值矩阵，具有较高的算法复杂度，不能满足实际应用的需要，为解决该问题，相关学者提出了基于最大特征值的矩阵cfar检测方法，取得了较为不错的检测性能。
3、传统基于最大特征值的矩阵cfar方法，直接对原始数据进行求取相关矩阵，进而求得最大特征值，在较低信杂比时检测性能会显著下降，此外由于原方法的门限值与参考单元最大特征值的算数平均值有关，此种方式非常容易受非均匀杂波或异常干扰的影响。
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供了一种基于加权平滑矩阵cfar的海面弱目标检测方法及装置。本专利技术要解决的技术问题通过以下技术方案实现：
2、本专利技术实施例提供了一种基于加权平滑矩阵cfar的海面弱目标检测方法，包括步骤：
3、获取包括若干距离单元的雷达回波数据，其中，所述若干距离单元由待检测单元和所述待检测单元两侧的若干参考单元形成；
4、利用所述雷达回波数据计算每个所述距离单元的相关矩阵，得到若干相关矩阵；
5、将所述相关矩阵的最大特征值代入预设高斯核函数中计算每个所述距离单元的权系数，并对所有所述权系数进行归一化，得到若干归一化的权系数；
6、利用所述若干归一化的权系数对每个所述距离单元的相关矩阵进行加权，得到若干加权后的相关矩阵；
7、利用每个所述加权后的相关矩阵的最大特征值计算所述待检测单元相对于所述若干参考单元的检验统计量；
8、比较所述检验统计量与判决门限的大小关系，并根据比较结果判断所述待检测单元是否存在目标，得到检测结果。
9、在本专利技术的一个实施例中，所述雷达回波数据表示为：
10、x＝[x1，x2，...xm，...，xk-1，xk]
11、其中，xm为具有n维数据的待检测单元，x1，x2，...，xm-1，xm+1...，xk为具有由杂波构成n维数据的k个参考单元，x1，x2，...xm-1的数量为k/2个，xm+1，...，xk-1，xk的数量为k/2个，n为一个相干处理间隔内的脉冲数。
12、在本专利技术的一个实施例中，每个所述距离单元的相关矩阵的计算公式为：
13、
14、其中，cl为第l个距离单元xl的相关矩阵，l＝1，...，m，...k，为r的复共轭，r为第l个距离单元的相关系数；
15、第l个距离单元的相关系数r的计算公式为：
16、
17、其中，i＝0，…，n-1，为x的复共轭，x为第l个距离单元的n×1维数据。
18、在本专利技术的一个实施例中，将所述相关矩阵的最大特征值代入预设高斯核函数中计算每个所述距离单元的权系数，并对所有所述权系数进行归一化，得到若干归一化的权系数，包括：
19、对所述若干相关矩阵分别进行特征分解，由特征分解的对角矩阵确定每个所述距离单元的最大特征值，其中，特征分解公式为：
20、
21、其中，ul为由特征向量组成的特征矩阵，λl为由特征值组成的对角矩阵；
22、对基于最大特征的矩阵cfar检测算法的原始高斯核函数进行改进，得到所述预设高斯核函数；
23、将所述最大特征值代入所述预设高斯核函数中，计算得到所有距离单元的权系数；
24、对所有所述距离单元的权系数进行归一化，得到若干归一化的权系数，其中，归一化的计算公式为：
25、
26、其中，wl＝w1…wk，wm，l＝1，...，m，...k，wm为待检测单元的权系数，w1…wk为k个参考单元的权系数。
27、在本专利技术的一个实施例中，所述预设高斯核函数为：
28、
29、其中，w(ck，cm)为第k个参考单元的权系数，λm为待检单元相关矩阵的最大特征值，λk为第k个参考单元相关矩阵的最大特征值，h为权值控制系数；
30、所述待检测单元的权系数为：wm＝w(cm，cm)＝1。
31、在本专利技术的一个实施例中，加权后的相关矩阵为：
32、
33、其中，w′k+1为待检测单元归一化的权系数，w′j为第j个参考单元的权系数，cj为第j个参考单元的相关矩阵，cl为第l个距离单元的相关矩阵，l＝1，...，m，...k。
34、在本专利技术的一个实施例中，利用每个所述加权后的相关矩阵的最大特征值计算所述待检测单元相对于所述若干参考单元的检验统计量，包括：
35、对每个所述加权后的相关矩阵进行特征分解，由特征分解的对角矩阵确定每个所述加权后的相关矩阵的最大特征值；
36、利用每个所述加权后的相关矩阵的最大特征值计算所述待检测单元相对于所述若干参考单元的检验统计量：
37、
38、其中，λmw为待检测单元的最大特征值，λjw为参考单元的最大特征值。
39、在本专利技术的一个实施例中，比较所述检验统计量与判决门限的大小关系，并根据比较结果判断所述待检测单元是否存在目标，得到检测结果，包括：
40、比较所述检验统计量与判决门限的大小关系：
41、
42、其中，ξ为检验统计量，γ为判决门限，h1为待检测单元存在目标，h0为待检测单元不存在目标；
43、当所述比较结果为所述检验统计量大于所述判决门限时，则所述检测结果为所述待检测单元中存在目标，当所述比较结果为所述检验统计量小于所述判决门限时，则所述检测结果为所述待检测单元中不存在目标。
44、在本专利技术的一个实施例中，所述判决门限由100/pfa次独立的蒙特卡洛试验确定，其中，pfa为恒虚警率。
45、本专利技术的另一实施例提供了一种基于加权平滑矩阵cfar的海面弱目标检测装置，包括：
46、回波数据获取单元，用于获取包括若干距离单元的雷达回波数据，其中，所述若干距离单元由待检测单元和所述待检测单元两侧的若干参考单元形成；
47、相关矩阵计算单元，用于利用所述雷达回波数据计算每个所述距离单元的相关矩阵，得到若干相关矩阵；
本文档来自技高网...
【技术保护点】
1.一种基于加权平滑矩阵CFAR的海面弱目标检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于加权平滑矩阵CFAR的海面弱目标检测方法，其特征在于，所述雷达回波数据表示为：
3.根据权利要求1所述的基于加权平滑矩阵CFAR的海面弱目标检测方法，其特征在于，每个所述距离单元的相关矩阵的计算公式为：
4.根据权利要求1所述的基于加权平滑矩阵CFAR的海面弱目标检测方法，其特征在于，将所述相关矩阵的最大特征值代入预设高斯核函数中计算每个所述距离单元的权系数，并对所有所述权系数进行归一化，得到若干归一化的权系数，包括：
5.根据权利要求1或4所述的基于加权平滑矩阵CFAR的海面弱目标检测方法，其特征在于，所述预设高斯核函数为：
6.根据权利要求1所述的基于加权平滑矩阵CFAR的海面弱目标检测方法，其特征在于，加权后的相关矩阵为：
7.根据权利要求1所述的基于加权平滑矩阵CFAR的海面弱目标检测方法，其特征在于，利用每个所述加权后的相关矩阵的最大特征值计算所述待检测单元相对于所述若干参考单元的检验统计量，包括：
8.根据权利要求1所述的基于加权平滑矩阵CFAR的海面弱目标检测方法，其特征在于，比较所述检验统计量与判决门限的大小关系，并根据比较结果判断所述待检测单元是否存在目标，得到检测结果，包括：
9.根据权利要求1所述的基于加权平滑矩阵CFAR的海面弱目标检测方法，其特征在于，所述判决门限由100/Pfa次独立的蒙特卡洛试验确定，其中，Pfa为恒虚警率。
10.一种基于加权平滑矩阵CFAR的海面弱目标检测装置，其特征在于，包括：
...
【技术特征摘要】
1.一种基于加权平滑矩阵cfar的海面弱目标检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于加权平滑矩阵cfar的海面弱目标检测方法，其特征在于，所述雷达回波数据表示为：
3.根据权利要求1所述的基于加权平滑矩阵cfar的海面弱目标检测方法，其特征在于，每个所述距离单元的相关矩阵的计算公式为：
4.根据权利要求1所述的基于加权平滑矩阵cfar的海面弱目标检测方法，其特征在于，将所述相关矩阵的最大特征值代入预设高斯核函数中计算每个所述距离单元的权系数，并对所有所述权系数进行归一化，得到若干归一化的权系数，包括：
5.根据权利要求1或4所述的基于加权平滑矩阵cfar的海面弱目标检测方法，其特征在于，所述预设高斯核函数为：
6.根据权利要求1所述的基于加权...
【专利技术属性】
技术研发人员：许述文，毋璐璠，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。