[发明专利]一种在复合高斯杂波环境下的MIMO雷达动目标检测方法

说明书

本发明公开了一种在复合高斯杂波环境下的MIMO雷达动目标检测方法，属于信号处理技术领域，它特别涉及关于用监督学习的方法在复合高斯杂波环境下对动目标物体进行检测。利用本发明的检测方法，可以有效的检测在复合高斯杂波环境中的动目标物体，且该检测器的计算复杂度可控，相较于传统GLRT检测器计算量更小，检测精度更高。

技术领域

本发明属于信号处理技术领域，它特别涉及关于用监督学习的方法在复合高斯杂波环境下对动目标物体进行检测。

背景技术

多输入多输出(Multiple Input Multiple Out)雷达在目标检测中可以带来性能增益。在检测过程中，雷达不仅会接收到目标回波，而且会接收到环境中的杂波。在许多场景中，杂波可以建模为复合高斯分布，它是一个缓慢变化的纹理分量和快速变化的散斑分量的乘积的形式。

GLRT是用于解决含有未知参数的雷达检测问题的传统统计方法，该方法需要先对未知参数进行估计来实现检测。估计的准确性会显著影响最终的检测性能，而准确的参数估计也意味着大的计算复杂度。

与统计方法相比，基于学习的方法是数据驱动的，它的一大特点是能在可控制的复杂度内完成检测任务。在文献1(M.-P.Jarabo-Amores,M.Rosa-Zurera,R.Gil-Pita,andF.Lopez-Ferreras,“Study of two error functions to approximate the Neyman–Pearson detector using supervised learning machines,”IEEE TransactionsonSignal Processing,vol.57,no.11,pp.4175–4181,Nov.2009.)中,作者考虑将基于学习的方法作为NP检测器。在文献2(W.Jiang,A.M.Haimovich,and O.Simeone,“End-to-endlearning of waveform generation and detection for radar systems,”in 2019 53^rdAsilomar Conference on Signals,Systems,and Computers.Pacific Grove,CA,USA:IEEE,Nov.2019,pp.1672–1676.)中，作者提出了利用端对端学习在雷达系统中联合设计发射波形和检测器的方法。因此，利用监督学习来解决在复合高斯杂波环境下MIMO雷达动目标检测问题是有必要的。

发明内容

本发明针对背景技术的不足解决的技术问题是，获得一种在复合高斯杂波环境下，用全连接神经网络(FCN)在可控的时间复杂度内来实现MIMO雷达动目标检测的方法。

本发明技术方案为一种在复合高斯杂波环境下的MIMO雷达动目标检测方法，该方法包括：

步骤1：针对MIMO雷达系统将N个接收机接收到的信号采样值按顺序排列成一列，构成接收信号r；

其中，

η_n＝[η_n1,...,η_nM]^T

ζ_n＝[ζ_n1,...,ζ_nM]^T

S＝Diag{S₁,...,S_N}