[发明专利]基于环境认知的极化检测方法

说明书

本发明涉及一种基于环境认知的极化检测方法，对两个通道进行预处理后得到两个通道的动目标检测结果，同极化通道与不同权重系数乘积，再与交叉极化通道求和即可得到不同极化下的杂波功率，杂波功率除以系统的噪声功率就可以得到不同极化下的杂噪比，比较不同极化下的杂噪比，选择杂噪比最大值以及其对应的权系数、杂噪比最小值及其对应的权系数。如果杂噪比最大值都不大于阈值3dB，那么就判定环境为噪声背景，否则判定为杂波背景。若为噪声背景，则将最终的权重系数设置为1，若为杂波背景，则将最终的权重系数设置为杂噪比最小值对应的权系数。最后再进行恒虚警检测。

技术领域

本发明涉及雷达信号处理领域，特别涉及雷达极化检测处理，提出了一种基于环境认知的极化检测方法，可在雷达极化检测中较传统算法有较大的检测性能改善。

背景技术

极化检测是利用雷达回波中的极化信息来抑制杂波，从而改善目标检测性能的一种检测方法。公开发表文献中的极化检测方法可分为三类：

第一类需要目标和杂波的先验信息，典型的方法为最佳极化检测器(OPD)、极化匹配滤波器(PMF)，在虚警概率恒定情况下，OPD具有最大的检测概率，PMF是一种最佳线性极化检测器，其使得输出信杂比最大。这类方法理论是最优的，但实际应用中，很难获得目标的先验信息，因此有较大局限性。

第二类不需要任何先验信息，典型方法有最佳张成检测器(OSD)、功率最大综合检测器(PMSD)、单通道检测器(SCD)。这一类方法不需要目标或杂波的先验信息，且工程实现简单，较适合噪声背景下的目标检测，这类方法缺点就是由于没有利用杂波的先验信息，在杂波背景下检测性能较差。

第三类只需要杂波的先验信息，典型的极化白化滤波器(PWF)，PWF使得输出信号强度的标准偏差与均值之比最小。这类方法不需要目标的先验信息，不少学者认为，如果在检测性能和所需的统计信息量两者之间进行折中的话，PWF无疑是优选的一种极化检测器，但这类方法环境推广性较差，特别是在噪声背景下会有一定的信噪比损失，另外，由于存在矩阵求逆等复杂运算，实现时资源开销较大。

发明内容

要解决的技术问题

针对传统极化白化滤波检测方法的环境推广性较差，特别是在噪声背景下会有一定的信噪比损失，且由于存在矩阵求逆等复杂运算，实现时资源开销较大的不足之处，提出了一种基于环境认知的极化检测方法，这种方法首先是对环境类型进行认知，区分环境为杂波还是噪声，其次会对杂波极化特性进行认知，结合两层认知结果来决定最终的接收极化方式，从而解决了极化白化滤波检测方法环境推广性较差的问题，且不存在矩阵求逆等复杂运算，从而解决了极化白化滤波检测方法运算量较大的问题。

技术方案

一种基于环境认知的极化检测方法，其特征在于步骤如下：

步骤1：对同极化通道和交叉极化通道的数据进行预处理后，分别得到两个通道的动目标检测的LL和RL，其中LL为同极化通道的动目标检测结果，矩阵大小为M×T，RL为交叉极化通道的动目标检测结果，矩阵大小为M×T，其中M为相参积累点数，T为每个脉冲重复周期内的采样点数；

步骤2：将同极化通道和交叉极化通道的检测单元分别记为CUT_LL和CUT_RL，对于每个检测单元来说，在同极化通道动目标检测结果和交叉极化通道动目标检测结果内分别取该检测单元两侧保护单元外的参考单元，分别记为X、Y，且X＝X₁、X₂、...、X_N，Y＝Y₁、Y₂、...、Y_N，且N为偶数；具体方法为在矩阵LL和矩阵RL中，取与检测单元CUT_LL和CUT_RL处于同一行上左右两侧的参考单元X和Y；

步骤3：将LL和RL两个通道的参考单元分别进行复数求平均处理，得到C_LL和C_RL；即，其中C_LL和C_RL的大小为1×1；