[发明专利]K分布杂波加噪声下的近最优雷达目标检测方法

说明书

本发明公开了一种K分布杂波加噪声下的近最优雷达目标检测方法，主要解决现有技术不完全适用在K分布杂波加高斯白噪声背景下进行目标检测的问题。其实现步骤为：1)获取回波数据矩阵，并对其进行分块；2)选取第b个回波数据块的待检测距离单元z_k，计算其协方差矩阵估计3)利用协方差矩阵估计计算回波数据的杂噪比CNR；4)利用该CNR和计算待检测距离单元的检验统计量ξ_k；5)根据虚警概率计算检测门限T_ξ；6)通过比较ξ_k和T_ξ的大小判断出目标是否存在。本发明提高了目标检测性能，可用于海杂波背景下的雷达运动检测。

技术领域

本发明属于雷达目标检测技术领域，具体涉及一种K分布杂波加噪声下的近最优雷达目标检测方法，可用于海杂波背景下的目标检测。

背景技术

海杂波背景下的目标检测是雷达的一个重要应用领域。

匹配滤波器MF和自适应匹配滤波器AMF是高斯杂波背景下的最优检测器。随着雷达分辨率的提高，高斯模型不再适用，这两个检测器因模型失配不再适用。

复合高斯模型是目前学者广泛认可的海杂波模型，它是慢变的正随机变量纹理分量和快变的复高斯随机向量散斑分量的乘积。当海杂波的纹理分量服从伽马分布时，它的幅度服从K分布。最优K分布检测器OKD因表达式中存在贝塞尔函数，目前难以实现。文献P-L.Shui,M.Liu,and S-W.Xu,Shape-parameter-dependent coherent radar targetdetection in K-distributed clutter,IEEE Trans.Aerospace Electron.Systems 52(1):451-465,2016.讨论了K分布杂波背景下近似最优且计算可实现的依赖于形状参数的检测器α-MF和依赖于形状参数的自适应检测器α-AMF。然而，当系统噪声和外部噪声存在于雷达中且不可忽略时，这两个检测器因模型失配不再适用。

已有研究表明，K分布杂波加高斯白噪声模型更适合描述雷达接收到的实际回波数据。文献.F.Gini,Suboptimal coherent radar detection in a mixture of K-distributed and Gaussian clutter,IEE Proc.-Radar,Sonar,Navig.,144(1):39-47,1997.与文献F.Gini,M.V.Greco,A.Farina,P.Lombardo,Optimum and mismatcheddetection against K-distributed clutter plus Gaussian clutter,IEEETrans.Aerospace Electron.Systems 34(3):860-876,1998.中讨论了该模型背景下最优检测器最优K分布加高斯白噪声检测器OKGD，但因检测器表达式过于复杂，计算效率极低不能应用于实际。在K分布杂波加高斯白噪声背景下，目前使用的匹配滤波器MF和自适应匹配滤波器AMF的检测性能随着杂噪比的升高快速降低，依赖于形状参数的检测器α-MF和依赖于形状参数的自适应检测器α-AMF在杂噪比较低时检测性能较差。

发明内容

本发明的目的在于提出一种K分布杂波加噪声下的近最优雷达目标检测方法，以实现检测性能优化与计算效率之间的折衷。

为实现上述技术目的，本发明的技术方案包括如下：

(1)雷达发射机发射连续的脉冲信号，雷达接收机接收Q×M维的回波数据矩阵X，其中，Q表示回波数据的积累脉冲数，M表示回波数据的距离单元数；

(2)将回波数据矩阵X沿着脉冲维等分为B个回波数据块：X₁,X₂…,X_b,…,X_B，其中，X_b表示第b个回波数据块，每个回波数据块为N×M维的矩阵，N表示第b个回波数据块X_b的脉冲数；