[发明专利]基于重加权的采样矩阵求逆非均匀检测器的实现方法

说明书

本发明公开了一种重加权的采样矩阵求逆非均匀检测器，以改善传统的采样矩阵求逆非均匀检测器的稳健性；具体步骤如下：步骤1，机载雷达接收回波数据进行降维处理，利用降维后的数据作为初始训练样本集，并根据初始训练样本集计算采样协方差矩阵；步骤2，以APR检测统计量为目标函数，计算APR检测统计量的最大值及其对应的样本坐标；步骤3，在非均匀环境下，计算重加权权值，对所述采样协方差矩阵进行重加权；步骤4，基于重加权的采样矩阵求逆检测器剔除所述初始训练样本集中的非均匀样本，得到优化的训练样本集。本发明改善了采样矩阵求逆非均匀检测器的稳健性，提高了机载雷达的运动目标检测性能。

技术领域

本发明属于雷达技术，具体涉及一种基于重加权的采样矩阵求逆非均匀检测器的实现方法。

背景技术

空时自适应处理(space time adaptive processing，STAP)是一种联合空域和时域的二维滤波技术，可以有效提高机载雷达在杂波背景下的运动目标检测能力。 STAP通常利用训练样本来估计协方差矩阵、计算滤波器权值。当训练样本数目充足且均匀时，STAP可以取得较好的性能。然而，机载雷达面临的电磁环境常常是非均匀的，地表覆盖类型变化、地形高程起伏、强杂波离散点以及样本中的目标信号等破坏了样本的均匀假设。特别是在地面运动目标检测(ground moving target indication，GMTI)时，由于地面车辆密度较高，雷达波束照射范围内运动目标较多。此时训练样本中包含的目标信号较多。若利用这些样本计算得到的权矢量进行滤波处理，将导致待检测样本中的目标信号出现自相消。

当训练样本中含有目标信号时，可以利用非均匀检测器检测并剔除含有目标信号的样本。Melvin W.L.等人提出基于采样矩阵求逆(sample matrix inversion， SMI)的检测器，该方法在训练样本中的目标信号数量较少、信噪比较低时可以取得较好的检测效果。然而，当训练样本中的目标信号数量较多、信噪比较高时，计算SMI检测统计量所需的协方差矩阵受到目标信号严重扰动，SMI检测器性能下降。TangB.等人提出基于对角加载的广义内积检测器(loaded generalized inner product，LGIP)，该方法通过对协方差矩阵对角加载来降低目标信号对检测器的扰动。然而，该方法的性能受到加载量的影响。实际中，选择一个合适的加载量是一个较为困难的问题。Aubry A.等人提出基于几何重心的非均匀检测器，该方法利用几何重心构造的协方差矩阵代替传统的采样协方差矩阵来保证检测器的稳健性。然而，该方法需要白噪声的功率谱密度已知并且计算复杂度较高。 Yang X.P.等人提出基于长球波函数的广义内积检测器(prolate spheroidal wave functionsgeneralized inner product，PSWF-GIP)，该方法利用PSWF的基向量直接估计待检测样本的杂波协方差矩阵，避免了训练样本中目标信号的影响。该方法在理论上可以取得较好的性能，但是PSWF的基向量的计算需要雷达构型参数及阵列流型精确已知。实际中受到惯性导航设备精度及阵列误差的影响，假定的基向量会偏离实际的基向量，使得该方法的实用性受到限制。

发明内容

本发明的目的在于提供一种基于重加权的采样矩阵求逆(reweighted samplematrix inversion，R-SMI)非均匀检测器的实现方法，以改善采样矩阵求逆非均匀检测器的稳健型，提高机载雷达的运动目标检测能力。

实现本发明目的的技术解决方案为：一种基于重加权的采样矩阵求逆非均匀检测器的实现方法，包括：

步骤1，机载雷达接收回波数据进行降维处理，利用降维后的数据作为初始训练样本集，并根据初始训练样本集计算采样协方差矩阵；

步骤2，以APR检测统计量为目标函数，计算APR检测统计量的最大值及其对应的样本坐标；

步骤3，在非均匀环境下，计算重加权权值，对所述采样协方差矩阵进行重加权；