[发明专利]一种基于同质性检验的数据分区方法

说明书

技术领域

本发明涉及基于同质性检验的数据分区方法。

背景技术

经典的信号处理算法及检测技术，均假定整个杂波背景满足同一概率分布，随技 术发展，现已发现通常实际的杂波背景尤其是机载下视雷达的杂波背景并不满足同一概率 分布，这种差异性带来经典方法鲁棒性能的降低。例如空时自适应处理技术(STAP)，若要获 得鲁棒性，则要求能精确估计协方差矩阵。协方差矩阵采用最大似然估计得到，估计所用的 样本一般来自待检测单元两侧，为获得良好性能(实际输出信杂噪比损失不超过3dB)，训练 样本需满足以下两条件：1、训练样本与待检测样本满足独立同分布(I.I.D)；2、训练样本个 数大于系统自由度的2倍。但在实际情况下，杂波环境是非均匀的，一方面是由于地形本身 的特点引起；另一方面是由于机载雷达的阵列结构引起。在此情况下，很难得到满足条件的 样本，这样会使STAP性能大幅降低。对于传统的目标检测技术来说同样存在这样的问题，传 统的恒虚警检测技术(CFAR)适用于统计特性相同的区域。但在实际情况下，杂波环境是非 均匀的会带来目标检测性能的下降。2013年Jeong等人提出了CI-CFAR检测器，通过拟合优 度测试选择同质单元作为参考单元，进行CFAR检测，虽然提高了目标的检测概率，但此方法 只考虑局部数据的同质性，对于其他经典方法例如STAP技术并不适用。

发明内容

本发明的目的是为了解决现有技术在实际情况下杂波环境是非均匀时，经典方法 鲁棒性能低、目标检测性能低以及只考虑局部数据的同质性，对于其他经典方法并不适用 的问题，而提出的一种基于同质性检验的数据分区方法。

上述的发明目的是通过以下技术方案实现的：

步骤一、开始；

步骤二、获取雷达回波幅值数据，设置进位；

步骤三、对雷达回波幅值数据按需分段，并初始化分区矩阵R；

步骤四、计算不同分段间的同质化水平，对分区矩阵R进行赋值；

步骤五、调整进位，将进位+1；

步骤六、寻找分区矩阵R中大于进位的数据元素，如果能够找到则进行同质化水平 计算再进行步骤五，如果不能够找到，则进行步骤七；

步骤七、根据分区矩阵R生成新的分区矩阵tt；

步骤八、结束。

发明效果

本方法提出了一种基于同质性检验的数据分区算法，实现根据同质性对实际数据 的整体进行分区，使位于同一分区的数据满足同一种概率分布，达到经典的信号处理算法 及检测技术的数据满足同一概率分布的要求，便于经典的信号处理算法及检测技术的实 施，实现鲁棒性能的提高，目标检测性能提高以及对于其他方法同样适用。解决了经典的信 号处理算法及检测技术在实际情况下，杂波环境是非均匀的会带来鲁棒性能的下降的问题 及CI-CFAR中K样本Anderson-Darling检验没有对数据整体间的同质性关系进行检验的问 题。基于本方法对雷达回波数据进行分区，分区后利用属于同一分区的数据进行协方差矩 阵估计再进行STAP处理，在某处得到的信噪比比不利用本方法直接进行协方差矩阵估计再 进行STAP处理再同样一处得到的信噪比高13.68dB。

实验中采用仿真数据，仿真数据形式如图1所示。共有1396个距离门，128个多普勒 单元，其中logn1为对数正态分布1：分区满足对数正态分布，对数均值为7，对数标准差为 0.7。wbl1为韦伯分布1：分区满足韦伯分布，尺度参数为400，形状参数为2。logn2为对数正 态分布2：分区满足对数正态分布，对数均值为5，对数标准差为0.4。wbl2为韦伯分布2：分区 满足韦伯分布，尺度参数为200，形状参数为8。仿真数据dB值如图2所示。

本仿真数据模拟的是机载下视雷达的某通道数据，对此数据进行分区的目的是便 于后续空时自适应处理算法的实施。由于STAP算法采用3DT-STAP快速算法，且模拟的雷达 回波数据包含20个通道，为满足RMB准则最小的分区包含的数据量应大于等于120。所以利 用基于同质性检验的数据分区方法，采用120*1(距离门*多普勒单元)的参考窗口类型。得 到的分区结果如图3所示，整个过程共用时8.0852s。随后对各个分区进行瑞利分布，对数正 态分布，韦伯分布的概率分布拟合，计算参数大小，利用KS拟合优度检验逐个比较每个分区 与三种概率分布的接近程度，选择最接近的作为该分区的概率分布类型。得到结果与实际 情况的比较如表1所示。