[发明专利]一种基于降秩技术的多亮点目标时空检测方法

说明书

技术领域

本发明涉及信号检测领域，尤其设计一种基于降秩技术的多亮点目标时空检测方法。

背景技术

相对于深海环境，工作于浅海的主动声纳系统受到混响的影响更大，尤其是海底混响，为了补偿检测性能上的损失，高分辨率主动声纳系统应运而生。与普通的声纳系统相比，高分辨率主动声纳系统的一个显著特点是采用更大孔径的发射声阵和接收声阵，从而将发射和接收的能量在空间上集中起来，达到了增加信混比、提高检测性能的目的。但同时也带来了不利影响，目标由常规的点目标变为多亮点目标，具有多个散射中心，大大影响了检测性能。由于高分辨率主动声纳目标的多亮点特性，它的空时自适应检测(STAD)问题为声纳工作者提出了新的课题。STAD是以空时联合为框架、以目标检测为目的的自适应处理技术，它利用接收的观测数据计算检测统计量，直接判定目标的有无，实现了混响抑制与目标检测的一体化。

对于高斯分布混响背景下多亮点目标的空时自适应检测问题，近些年受到了广泛关注，产生了很多的解决方法。其中较为经典的有广义似然比(GLRT)方法，广义自适应匹配滤波(GAMF)和广义自适应相关估计器(GACE)等。以上这些经典方法都假设存在训练数据，并且这些训练数据的混响协方差矩阵与待测单元(主数据)的相同，用来估计主数据的混响协方差矩阵，构建自适应检测统计量。通常情况下，选取临近待测单元的数据作为训练数据。在理想的均匀混响环境中，利用足够多的训练训练数据能够估计出合理的噪声协方差矩阵，实现接近最优的目标检测。但是在实际应用中， 高分辨率声纳系统通常工作在非均匀环境，均匀的训练数据往往很难获得。针对这一问题，国内外学者提出了不依赖训练数据的STAD方法，该类方法能够根据目标亮点个数的先验信息，从待检测数据中自动筛选出目标数据和辅助数据，实现对多亮点目标的自适应检测。

在实际应用中，现有的不依赖训练数据的多亮点目标检测方法存在两个明显不足：一是在构造检测统计量时需要进行协方差矩阵的求逆操作，该操作的计算复杂度是空时处理维数的三次方，计算量非常大，难以满足实时性要求；二是高分辨率声纳系统通常工作在非均匀环境，造成非均匀现象的原因有包括多变的海底地表类型、游动的鱼群、以及孤立干扰等。这时均匀的辅助数据很难获得，即使可以获得，样本数也非常有限，从而导致现有方法性能大幅下降。

基于以上原因，为统一解决以上两个缺点，本发明提出一种基于降秩技术的多亮点目标空时检测方法，通过对混响秩这一先验知识的利用，本发明方法不但避免了矩阵的求逆计算，显著降低计算量，还大幅提高小样本训练样本情况下多亮点STAD的性能。

发明内容

本发明的目的是实现对混合秩这一先验信息的高效利用，有效提高高分辨率声纳系统在非均匀背景下的性能。

为实现上述目的，本发明实施例提供了一种基于降秩技术的多亮点目标空时检测方法，包括：

声纳获取一组由声纳阵列接收的采样数据作为待检测数据；

计算待检测数据的采样协方差矩阵；

对采样协方差矩阵进行特征分解，并确定噪声子空间；

根据噪声子空间，获得干扰协方差矩阵逆的降秩估计；

基于降秩估计，得到降秩似然比检测统计量，用以完成对多亮点目标的 检测。

优选地，按以下公式，计算待检测数据的采样协方差矩阵：

其中，S为采样协方差矩阵，z_t为待检测数据，t∈Ω＝{1,…,K}为待检测数据的距离单元，^H代表共轭转置操作。

优选地，对采样协方差矩阵进行特征分解，获得噪声子空间，包括：

对所述采样协方差矩阵进行特征分解，并根据公式确定所述噪声子空间；

其中，S为采用协方差矩阵，M为干扰协方差矩阵，为M的估计， 和分别是由混响特征值和噪声特征值构成的对角矩阵，为混响子空间；为噪声子空间。

进一步优选地，对采样协方差矩阵进行特征分解，并确定噪声子空间，具体为：

对采用协方差矩阵进行分解，然后通过声纳的工作模式确定混响秩，进一步得到噪声子空间。

优选地，根据噪声子空间，获得干扰协方差矩阵逆的降秩估计，包括：

根据噪声子空间，确定干扰协方差矩阵逆的估计；

根据干扰协方差矩阵逆的估计，通过主分量分析方法，获得干扰协方差矩阵逆的降秩估计。

进一步优选地，根据噪声子空间，确定干扰协方差矩阵逆的估计，具体为：

根据噪声子空间，通过公式确定干扰协方差矩阵逆的估计；