[发明专利]一种基于相关性的海杂波纹理估计方法

说明书

本发明公开了一种基于相关性的海杂波纹理估计方法，包括如下步骤：步骤1，雷达接收回波数据记为；步骤2，基于计算雷达回波数据每个脉冲功率值，并将相邻个脉冲的功率值取平均，形成矩阵；步骤3，基于计算雷达回波功率在距离维上的平均相关系数等步骤；本发明方法为解决海杂波纹理分量估计中独立同分布假设与实测数据不符这一问题，从实测数据中估算海杂波纹理分量的距离相关特性，具有更好的自适应特性。

技术领域

本发明属于雷达海上目标检测研究领域，特别涉及该领域中的一种基于相关性的海杂波纹理估计方法，可用于雷达对海目标检测中的海杂波纹理估计。

背景技术

目前，复合高斯模型是公认最有效的海杂波建模模型，它用两个相互独立过程的乘积(或调制)来描述海杂波：一个称为散斑分量或快变分量，可以用零均值的复高斯过程建模，另一个称为纹理分量或慢变分量，它是非负的随机变量，表征杂波功率。在雷达对海目标检测中，尤其是基于统计特性的目标检测方法，待检测单元海杂波纹理分量估计的有效性直接影响雷达目标检测效果。对于非相干检测中的CFAR(Constant False-AlarmRatio，恒虚警)目标检测技术，其中包括了均值类CFAR处理算法、有序统计量类CFAR处理算法和删除单元平均的CFAR处理算法等，不同的CFAR处理算法核心都是为了得到待检测单元杂波功率值的准确估计。对于相干检测中的自适应匹配滤波检测算法，待检测单元杂波协方差矩阵的有效估计是影响雷达目标检测效果的关键因素，根据复合高斯模型，杂波协方差矩阵的估计可以分解为纹理分量估计和散斑协方差矩阵估计，散斑协方差矩阵估计可以采用NSCM(Normalized Sample Covariance Matrix，归一化样本协方差矩阵)或者一些基于NSCM的改进算法获得，对于纹理分量的估计则通常采用了均值或中值估计。采用均值处理是基于海杂波纹理分量在参考单元距离上独立同分布这一假设，而中值处理则是在上述假设基础上解决异常样本问题，但是随着雷达分辨率的提高，对实测数据的分析结果表明，海杂波的纹理分量在距离维上并不是完全独立同分布的，而是具有一定的相关特性，实际与假设的不一致必然导致海杂波纹理估计存在较大误差，从而影响雷达目标检测性能。

发明内容

本发明所要解决的技术问题就是提供一种基于相关性的海杂波纹理估计方法。

本发明采用如下技术方案：

一种基于相关性的海杂波纹理估计方法，其改进之处在于，包括如下步骤：

步骤1，雷达接收回波数据记为X，其中X为J×K维的复数矩阵，J和K分别为雷达回波数据的距离单元数和脉冲数；

步骤2，基于X计算雷达回波数据每个脉冲功率值，并将相邻N个脉冲的功率值取平均，形成矩阵Y：

L＝floor(K/N).

其中N为目标检测处理中的积累脉冲数，floor(·)表示向左取整；

步骤3，基于Y计算雷达回波功率在距离维上的平均相关系数ρ：

步骤31，取矩阵Y中的第l列计算其自相关系数：

其中r(l,m)表示矩阵Y中的第l列在间隔m个距离单元时对应的自相关系数，2P和2Q分别对应目标检测处理中的参考单元数和保护单元数；

步骤32，重复步骤31计算矩阵Y中每一列的自相关系数，将L列自相关系数取平均得到雷达回波功率在距离维上的平均相关系数ρ：