[发明专利]一种基于随机共振的海杂波中微弱运动目标检测方法

权利要求书

1.一种基于随机共振的海杂波中微弱运动目标检测方法，其特征在于：包括如下步骤：

S1，待检测单元回波向量预白化；

S2，将预白化后的向量通过随机共振进行预处理；

S3，将预处理后的信号进行自适应匹配滤波；

S4，进行海杂波背景下微弱运动目标检测。

2.根据权利要求1所述的基于随机共振的海杂波中微弱运动目标检测方法，其特征在于：S1中，对待检测单元回波向量预白化包括：

S11，利用参考单元接收回波向量，估计检测背景海杂波的协方差矩阵

其中z_p表示第p个参考单元接收回波向量，p＝1,2,…,P，P为参考单元个数；

S12，将待检测单元接收回波向量z预白化，得到预白化后向量z_w：

3.根据权利要求2所述的基于随机共振的海杂波中微弱运动目标检测方法，其特征在于：S2中，将预白化后的向量通过随机共振系统进行预处理包括：

S21，采用逆高斯分布纹理分量的复合高斯模型对海杂波进行建模；

S22，确定量化噪声的分布及标准差；

S23，将同相通道(I)和正交通道(Q)预白化后的信号分别通过随机共振预处理系统，得到输出信号。

4.根据权利要求3所述的基于随机共振的海杂波中微弱运动目标检测方法，其特征在于：S2中，预处理系统包括M个并联的量化器，其中第m个量化器的输出为：

y_m[n]＝sgn(x[n]+σq_m[n])

其中，x_n为预白化杂波，q_m[n]表示在随机共振系统中加入的独立同分布的量化噪声，σ为量化噪声的标准差；

将预白化后的向量通过随机共振进行预处理包括：

S21，采用逆高斯分布纹理分量的复合高斯模型对海杂波进行建模，即

其中散斑分量u为N维零均值复高斯矢量，协方差矩阵E[uu^H]＝M，τ表示纹理分量，其分布服从逆高斯分布：

其中λ表示形状参数，海杂波的幅度的概率密度函数f(r)的表达式为：

利用参考单元一定长度的海杂波数据，采用矩估计方法估计形状参数λ：

其中，和分别为利用海杂波数据估计的幅度的二、四阶矩，同相通道(I)和正交通道(Q)输入预白化杂波x_n的边缘概率密度函数f_n(x)表示为：

S22，确定量化噪声的分布及标准差，

选择特定的量化噪声分布，如均匀分布、高斯分布和拉普拉斯分布，并设其概率密度函数为f_q(x)；

随机共振预处理系统的增益为

其中

f_n(x)为检测背景噪声的概率密度函数，最优的量化噪声标准差σ_opt通过最大化系统增益G_SR(σ)确定，即：

S23，将同相通道(I)和正交通道(Q)预白化后的信号分别通过随机共振预处理系统，得到输出信号

其中

y_I,m[n]＝sgn(z_I,w[n]+σ_optq_m[n]),y_Q,m[n]＝sgn(z_Q,w[n]+σ_optq_m[n])。

5.根据权利要求4所述的基于随机共振的海杂波中微弱运动目标检测方法，其特征在于：S3中，将随机共振预处理后的信号进行自适应匹配滤波，得到检测统计量

其中，为预白化后的多普勒导向矢量。

6.根据权利要求5所述的基于随机共振的海杂波中微弱运动目标检测方法，其特征在于：S4中，进行海杂波背景下微弱运动目标检测包括：

S41，确定检测门限，在给定虚警率P_fa的条件下，检测门限η为：

η＝-μ_ξAMFln(P_fa)

其中

其中

S42，将检测统计量与门限比较，得到判决结果：

将海杂波中运动目标检测描述为如下二元假设检验问题：

其中，z[n]为待检测单元长度为N的接收相参脉冲序列，z_p[n],p＝1,2,…,P为待检测单元周围P个参考单元的接收回波向量，在零假设(H₀)下，z[n]是纯杂波向量，在备选假设下(H₁)，z[n]是杂波加运动目标的回波信号向量s＝ap，其中表示信号的复幅度，p表示运动目标的多普勒导向矢量。