[发明专利]基于GCV的机载雷达目标检测方法

说明书

技术领域

本发明属于雷达技术领域，涉及一种基于GCV的机载雷达目标检测方法，用于解决机载雷达中基于对角加载估计协方差矩阵估计时计算对角加载参数的问题，可用于改善空时自适应处理性能。

背景技术

空时自适应处理(Space Time Adaptive Processing，STAP)是一种联合空域和时域的滤波方法，其可以有效抑制地面杂波，提高机载雷达对运动目标的检测能力。STAP在计算自适应滤波权值矢量时，需要利用杂波分布和噪声分布的期望协方差矩阵，实际情况中该期望协方差矩阵无法获得，这时STAP通常利用距离维的数据作为训练样本来估计协方差矩阵；当训练样本数充足且满足独立同分布的条件时，估计的协方差矩阵可以收敛于期望协方差矩阵，此时自适应滤波可以取得较好的性能，因此，协方差矩阵的估计在STAP中占有重要的位置。

机载雷达在实际中面临的杂波环境常常呈现非均匀性。地表覆盖类型变化、地形高程起伏、训练样本中的目标信号以及强杂波离散点等破环了训练样本的均匀假设，这些非理想的因素使得机载雷达接收数据的统计特性随时间和空间产生变化，在这种情况下，机载雷达获取大量的独立同分布的训练样本是不切实际的。当均匀训练样本数目不足时，估计的协方差矩阵相对于真实的协方差矩阵会产生较大的偏差，从而导致机载雷达的杂波抑制与目标检测性能下降。

为了克服均匀训练样本数目不足的问题，研究人员提出了多种解决办法。Guerci J R、Zhu C等人提出了降秩处理方法，该方法是一种基于特征子空间的方法，其利用了空时协方差矩阵的低秩特性，然而，该方法中杂波秩的确定是一个较为复杂的问题；由于杂波子空间的泄漏问题，按照理论计算的杂波秩与实际的杂波秩不一致，从而造成降秩处理方法性能下降。Yang Z C、马泽强等人提出了基于稀疏恢复的直接数据域方法，该方法利用空时快拍数据在角度多普勒域的稀疏性，采用稀疏恢复的方法获得杂波的空时二维谱，接着利用杂波的空时二维谱与字典矩阵重构杂波的协方差矩阵，然而，阵元误差和通道误差会导致构造的字典矩阵与实际的数据不匹配，从而造成了稀疏恢复的杂波的空时二维谱的不准确以及重构的协方差矩阵的误差。Carlson B D提出了基于对角加载的协方差矩阵估计方法，该方法通过融合采样协方差矩阵与结构化的对角矩阵来提高协方差矩阵的估计精度，该方法运算量低、实用性强，在稳健波束形成与动目标检测等方面均取得了明显的增益，其中，结构化的对角矩阵中的对角加载参数通常可以根据机载雷达系统的噪声功率水平来确定，然而，实际工程应用中噪声功率的实时、准确测定非常困难。

发明内容

针对上述现有技术的不足，本发明的目的在于提出一种基于GCV的机载雷达目标检测方法，该方法利用广义交叉验证(generalized cross validation，GCV)准则来计算对角加载参数，能够有效提高机载雷达在低样本条件下的目标检测性能。

为实现上述技术目的，本发明采用如下技术方案予以实现。

一种基于GCV的机载雷达目标检测方法，其特征在于，包括以下步骤：

步骤1，设定机载雷达工作在脉冲多普勒体制下，设定x为检测单元的数据向量；将机载雷达对目标的检测问题描述为二元假设检验问题，判断检测单元是否存在目标信号；将所述二元假设检验问题转化为求解对角加载参数的约束优化问题；所述二元假设检验问题包括H₀假设和H₁假设，若H₀假设成立，则认为检测单元不存在目标信号；若H₁假设成立，则认为检测单元存在目标信号；

步骤2，将求解对角加载参数的约束优化问题转变为Tikhonov规划的罚函数系数估计问题；

步骤3，根据Tikhonov规划的罚函数系数估计问题，基于广义交叉验证(GCV)准则，构造求解罚函数系数的约束优化问题；

所述求解罚函数系数λ的约束优化问题为：

s.t.σ_min(A)≤λ≤σ_max(A)