[发明专利]一种基于奇异值分解的临近目标相对距离估计方法

说明书

本发明公开了一种基于奇异值分解的临近目标相对距离估计方法，针对两目标较为接近的情况，估计目标之间的相对距离；在复加性高斯白噪声(CAWGN)下，假设目标服从复高斯分布，对接收信号的协方差矩阵进行奇异值分解，通过研究协方差矩阵的正交分量项估计目标相对距离，并研究此估计方法的性能。本发明的仿真结果验证了理论分析的可行性，本发明的结论对实际多目标雷达探测系统设计具有重要的理论指导意义。

技术领域

本发明涉及信息传输与处理技术领域，尤其是一种基于奇异值分解的临近目标相对距离估计方法。

背景技术

雷达的基本任务是探测到目标并给出其在空间的距离和角度位置。在雷达探测目标距离时，通常通过回波信号相对于发射信号的时延信息来测定目标距离。随着雷达距离和角度分辨力的提高及雷达信号和数据处理能里的快速提升，现代雷达不仅仅局限于目标检测和定位，还能实现目标测速、目标识别、目标实时跟踪等功能。

多目标检测与跟踪是现代雷达的基本特征，要做到多目标跟踪，首先要发现多目标，单脉冲雷达在这方面应用较多，这种雷达根据距离门设置和角度分辨来发现目标。Blair等人建立了基于Neyman-Pearson准则的广义似然比检测法则，在检测基础上提出了对两点源进行角度估计的矩估计法，并给出了Cramer-Rao界。推导了以信号测量幅值的条件概率密度函数来设计基于Neyman-Pearson准则的广义似然比检验法，用来检测不可分辨的两个瑞利目标。该检测方法的优点是不需要知道目标的信噪比和目标的DOA。此外，脉冲多普勒雷达根据目标速度来发现多目标，进一步用多重频等方法计算出多目标的距离。然而，在多目标探测中多研究的是目标较远，能够清楚分辨情况下目标之间的距离，当目标距离较近时，由于目标之间干扰变强，往往难以分辨目标和估计相对距离。

发明内容

本发明所要解决的技术问题在于，提供一种基于奇异值分解的临近目标相对距离估计方法，解决了在目标较接近时目标间的相对距离难以估计的问题，并研究了此估计方法的性能。

为解决上述技术问题，本发明提供一种基于奇异值分解的临近目标相对距离估计方法，包括如下步骤：

(1)将接收到的信号变频到基带，并通过带宽为B/2的理想低通滤波器，则雷达系统接收信号可以表示为：

其中，s(t)表示实际的基带信号，y_l表示第l个目标的反射参数，τ_l表示第l个目标的时延，L为目标总数，w(t)表示功率谱密度为N₀的复高斯白噪声；将接收信号r(t)以采样率B进行离散化，假设参考点是观测区间中点，观测区间为[-D/2,D/2)，v表示信号传播速度，则由T＝2D/v得时延区间为[-T/2,T/2)，因此时间带宽积N＝TB为归一化探测区间，归一化时延x_l＝Bτ_l，得到离散序列：

其中n＝-N/2,...,N/2-1；

矢量形式为

Z＝U(x)Y+W；

(2)在给定X条件下，Z的概率密度函数服从复高斯分布，可通过对Y和W求期望求得协方差矩阵R，特别计算当目标跟踪数L＝2时，R的表达式；

(3)对信号矩阵U(x)进行奇异值分解，使得U(x)＝S^HDV，两目标信噪比相同时，代入步骤(2)得到的协方差矩阵推出奇异值对角阵∑；

(4)矩阵∑对角线上的第二项，表示两目标的“正交分量”，用此项来估计目标相对距离。

优选的，步骤(1)中，基带信号s(t)为线性调频信号：

优选的，步骤(2)中，当目标跟踪数L＝2时，可以求得协方差矩阵R为