[发明专利]一种基于稀疏贝叶斯学习的空时自适应处理方法

权利要求书

1.一种基于稀疏贝叶斯学习的空时自适应处理方法，其特征在于，包括：

S1、初始化脉冲多普勒(Pulse Doppler，PD)雷达动目标检测系统的参数，包括：阵列天线的阵元个数，记做N；一个相干处理时间内发射脉冲个数，记做M；雷达发射信号波长，记做λ；接收信号的杂噪比，记做CNR；接收信号的信噪比，记做SNR；接收信号的干噪比，记做JNR；雷达系统脉冲重复频率，记做PRF；雷达平台的速度，记做V；阵列天线的阵元间隔，记做d；训练数据中每一个多普勒的训练次数，记做N_c；待检测的距离门数，记做N_t；待检测的回波数据矩阵为L，L为N_t行2MN列的矩阵；

S2、根据步骤S1中初始化的参数构建训练数据矩阵；步骤S2所述训练数据矩阵为：

F＝[Re(H) Im(H)]；

其中，F为(M+1)N_c行2MN列的矩阵，H为(M+1)N_c行MN列的矩阵，且H＝S+[T 0]^*，则F中共(M+1)N_c个训练样本，上标*表示矩阵转置，Re(H)表示矩阵H的实部，Im(H)表示矩阵H的虚部，S为(M+1)N_c行MN列的矩阵，T为MN行MN_c列的矩阵，0表示MN行N_c列的零矩阵；

所述矩阵S由下式确定：

其中，s_β＝x_β+y_β+z_β，β＝1,…,(M+1)N_c；s_β、x_β、y_β、z_β均为MN×1的列向量，s_β表示矩阵S中的元素，x_β表示杂波，y_β表示干扰，z_β表示噪声；

所述矩阵T由下式确定：

其中，为MN×1的列向量，表示第i个多普勒位置的第j个动目标的空时快拍，i＝1,…,M，j＝1,…N_c；

S3、根据步骤S2的训练数据矩阵构建目标矩阵；步骤S3所述目标矩阵为：

P＝[p₁…p_m…p_M+1]；

其中，p_m为(M+1)N_c×1的列向量，m＝1,…,M+1，p_m的第ξ个元素为p_m(ξ)，ξ＝1,…,(M+1)N_c；

S4、根据步骤S2得到的训练数据矩阵以及步骤S3得到的目标矩阵，通过稀疏贝叶斯学习的方法，计算得到权系数矩阵；所述步骤S4具体包括：

S41、由下式计算权系数向量；

p_m(ξ)＝h_ξw_m；

其中，w_m为2MN×1的列向量，m＝1,…M+1，h_ξ为1×2MN的行向量，ξ＝1,…,(M+1)N_c，h_ξ为训练数据矩阵F的第ξ行向量，表示第ξ个训练样本，p_m(ξ)是目标矩阵P的第m列的第ξ个元素；

所述p_m(ξ)的值确定过程为：

m＝1,…M时，目标矩阵P的第ξ行第m列元素p_m(ξ)的值根据步骤S2所构建的训练数据矩阵F中第ξ行训练数据的动目标速度来确定；具体为：当该行训练数据中包含有动目标，且动目标的速度为时，p_m(ξ)＝1；否则p_m(ξ)＝0，为第m个多普勒类的归一化多普勒频率；

m＝M+1时，目标矩阵P的第ξ行第m列元素p_m(ξ)的值根据步骤S2所构建的训练数据矩阵F中第ξ行训练数据是否含有动目标确定；具体为：当该行训练数据不含有动目标，且v_t＝0时，p_m(ξ)＝1；否则p_m(ξ)＝0；

S42、根据步骤S41计算得到的权系数向量构建权系数矩阵：

W＝[w₁…w_m…w_M+1]；

其中，W是2MN行M+1列的矩阵；

S5、根据步骤S4得到的权系数矩阵，以及待检测的回波数据矩阵，检测各距离门的动目标。

2.根据权利要求1所述的一种基于稀疏贝叶斯学习的空时自适应处理方法，其特征在于，所述步骤S5具体为：矩阵Q＝LW；当矩阵Q中的元素且l＝1,…M时，矩阵Q中的元素则判断第个距离门含有动目标，否则判断第个距离门无动目标；

其中，L则为待检测距离门的回波数据构成的N_t行MN列的矩阵，Q为N_t行M+1列的矩阵，δ为门限值。