[发明专利]一种基于AR谱分形的海面微弱雷达目标检测方法

说明书

技术领域

本发明属于雷达目标检测技术领域，特别涉及一种基于AR谱分形的海面微弱雷达目标检测方法，即一种基于自回归(AR)谱分形的海面微弱雷达目标检测方法适用于岸基警戒雷达或对海搜索雷达通过分析海杂波AR谱的分形特性，实现低信杂比情况下的较好检测性能。

背景技术

海杂波是雷达发射的脉冲照射海面时得到的后向散射回波，对该海杂波进行特性分析和建模仿真有助于设计有效的雷达检测方案和评价雷达的检测性能；并且在海杂波背景下，对检测雷达目标的主要干扰来自于海杂波的能量，当雷达目标的信杂比(SCR)，即雷达目标的功率相对于海杂波的功率很低时，检测到的雷达目标为微弱雷达目标。传统方法主要集中于研究海杂波的统计特性，并建立该海杂波的统计分布模型。然而，该海杂波的统计分布模型将海杂波视为某一随机过程的样本函数，使得得到的该海杂波的统计分布模型很大程度上并非因为海杂波的物理本质，而是出于看似随机的波形。实际上，在高分辨率雷达和低掠射角情况下测量海杂波，能够获知非高斯、非平稳和非线性三种特性，经典雷达目标检测所假设的独立、线性和平稳特性均不符合真实情况，使得基于这些假设而采用的经典雷达目标最佳检测策略不可避免地导致该经典雷达目标的检测性能下降。其次，分形理论作为非线性动力学的重要分支，它的发展不仅为数学和物理提供了全新的观察视角和观察深度，也为海杂波的统计分布模型的建立、分析和目标检测方法提供了新的动力和方向。

分形理论在雷达信号处理领域有着重要的应用，Lo等人在“Fractalcharacterisationofsea-scatteredsignalsanddetectionofsea-surfacetargets,IEEProc.-F,Vol.140,No.4,1993”中提出了基于海杂波时域单一分形维数的目标检测方法，但该方法在信杂低的情况下检测性能比较差。

Guan等人在“Fractalcharacteristicinfrequencydomainfortargetdetectionwithinseaclutter,IETRadar,Sonar&Navigation,Vol.6,No.5,pp.2012”中提出了一种基于海杂波频域Hurst指数的目标检测方法，但该方法使用的傅里叶分析隐含地采用了一个看似很自然的假设，即序列中除了能得到的观测数据外，序列的其他值均被认为是零，但序列或该序列的自相关函数中未能观测或未能估计出来的值，实际上并不全是零，并且该方法通过傅里叶分析得到的频谱分辨率较差。

发明内容

针对以上现有技术存在的不足，本发明的目的在于提出一种基于AR谱分形的海面微弱雷达目标检测方法，该方法采用AR谱估计法来计算海杂波的功率谱，能够提高分形特征参数估计的准确性，以及海杂波背景下微弱雷达目标的检测性能。

为达到上述技术目的，本发明采用如下技术方案予以实现。

一种基于AR谱分形的海面微弱雷达目标检测方法，其特征在于，包括以下步骤：

步骤1，设定海杂波回波时间序列为X，并采用Yule-walker方程法估计海杂波AR谱S(f)，进而得到海杂波AR谱序列S；

步骤2，根据海杂波AR谱序列S，计算得到海杂波AR谱优化序列s，进而得到海杂波AR谱优化序列s的前n个时刻的部分和序列y(n)；其中，n≤N,N表示海杂波的AR谱序列S的总长度，N也表示设定的海杂波回波时间序列X的总长度；

步骤3，设定海杂波的AR谱优化序列s的前n个时刻的部分和序列y(n)的抽取间隔总个数为M，并计算第m个抽取间隔对应的海杂波AR谱优化序列s的前m+n个时刻的部分和序列y(n+m)的AR谱Hurst指数；其中，m∈{1,2,…,M}，M表示设定的海杂波的AR谱优化序列s的前n个时刻的部分和序列y(n)的抽取间隔总个数；

步骤4，根据第m个抽取间隔对应的海杂波AR谱优化序列s的前m+n个时刻的部分和序列y(n+m)的AR谱Hurst指数，计算得到M个抽取间隔各自对应的M个海杂波AR谱优化序列s的AR谱Hurst指数H¹_AR～H^M_AR，并据此设计恒虚警检测器，设定虚警率，根据广义符号检验法完成雷达目标检测。

本发明的有益效果：

第一，本发明利用海杂波非高斯、非平稳或非线性特性分析海杂波AR谱分形特性，并应用AR谱的Hurst指数进行雷达目标检测，能够克服传统雷达目标检测方法因海杂波模型失配而引起检测性能下降的缺点。