[发明专利]一种基于多尺度有向Lyapunov指数的海杂波背景下弱小目标检测方法

说明书

一种基于“多尺度有向Lyapunov指数”的海杂波背景下弱小目标检测方法，将雷达回波数据进行希尔伯特变换，求得其瞬时相位角θ，计算一、二阶微分构造状态空间矩阵按一定尺度将状态空间分割成互不相交的子矩阵，求各子矩阵的协方差矩阵并进行特征值分解，提取主特征值σ_ip和特征向量v_ip，计算相邻协方差矩阵主特征向量之间的夹角ψ_i，定义(σ_ip,ψ_i)为雷达回波数据的有向Lyapunov指数。根据不同分割长度得到的(σ_ip,ψ_i)构成多尺度有向Lyapunov指数，该指数的波动特征可准确检测海杂波背景下的弱小目标。

技术领域

本发明属于海杂波背景下目标检测技术领域，是一种基于状态空间重构和非线性信号处理的目标检测方法，特别涉及一种基于多尺度有向Lyapunov指数的海杂波背景下弱小目标检测方法。

背景技术

海杂波背景下弱小目标检测方法的研究由来已久，在民用领域内被用于检测海面漂浮物(浮冰、小型船舶和飞行器残骸等)，为民用船舶导航和海上搜救等提供技术支持。在军事领域中，该方法被用于探测海上具有隐身特性的舰船、潜艇潜望镜和贴近海面飞行的飞行器等，传统的做法是将海杂波视为一种复杂的平稳随机过程，通过大量的观测数据建立统计学意义上的概率模型，如Weibull分布,log-normal分布和复合K分布模型等，进而利用成熟的检测方法实现目标检测。然而，对海杂波平稳性的假设是建立在短观测时间基础上的，为提高弱小目标的检测概率，雷达不得不增加对目标区域的观测时间，以提高经过相干积累后目标回波能量，但是随观测时间的增长海杂波将不再是平稳随机过程，尤其是在高海况情况下，将海杂波设定为平稳随机过程会造成较大的测量误差。

为解决上述问题，学界进行了大量的研究工作，已有一定数量的研究成果。经典的解决方案是对雷达回波的统计学特性进行动态跟踪，按特性相近的原则对其进行分段处理，在工程层面上解决了部分问题，但随着海况的提高，雷达回波数据的分段越来越短，最终与短时观测的情形无本质的差异，致使对弱小目标探测时仍存在较高的虚警概率、较低的发现概率，因此，基于统计学特性的信号处理方法在高海况条件下已不满足工程的需要，必须另辟蹊径，从理论方法层面解决这一难题。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于多尺度有向Lyapunov指数的海杂波背景下弱小目标检测方法，根据非线性系统理论，将海杂波背景下的弱小目标检测转化到高维空间的信号处理问题，采用状态空间重构的方法再现海杂波的非线性和非平稳特性，提出“多尺度有向Lyapunov指数”的概念与算法，并将其应用到强海杂波掩盖下的弱小目标检测。

为了实现上述目的，本发明采用的技术方案是：

一种基于多尺度有向Lyapunov指数的海杂波背景下弱小目标检测方法，包括如下步骤：

S1)对于非相干雷达回波，按顺序执行S2)，反之转S3)；

S2)对雷达回波数据进行希尔伯特变换，生成I、Q数据序列；

S3)计算回波数据瞬时相位角θ；

S4)计算瞬时相位角θ的一阶微分二阶微分构造雷达回波数据的状态空间矩阵其中，θ的一阶微分是雷达回波的瞬时频率，二阶微分是瞬时频率的变化率，状态空间矩阵为完备正交矩阵，不失真地反映了雷达回波中海杂波的非线性、非高斯和非平稳特性；

S5)按一定分割尺度L，将雷达回波数据的状态空间矩阵分割为一系列互不相交的子矩阵x_i；