[发明专利]基于统计和机器学习的MIMO雷达动目标检测方法

说明书

本申请公开了基于统计和机器学习的MIMO雷达动目标检测方法，涉及信号处理技术领域。本申请包括获取待检测动目标的MIMO雷达接收信号信息；构建用于判决待检测动目标是否存在的混合检测器；获取混合检测器的待检测动目标的历史接收信号数据，作为训练数据；基于统计方法分析训练数据得到统计信息，统计信息包括未知参数的估计；利用训练好的混合检测器检测待检测动目标是否存在。本申请提出的混合检测器，可以同时利用统计模型中的先验信息和学习方法低复杂度的优势，在获得良好检测性能的同时有较低的计算复杂度，因此具有重要的价值。

技术领域

本申请涉及信号处理技术领域，具体涉及基于统计和机器学习的MIMO雷达动目标检测方法。

背景技术

目标检测是多输入多输出(Multiple Input Multiple Out，MIMO)雷达中一个非常重要的问题。传统的检测方法是使用基于模型的广义似然比检测器(GeneralizedLikelihood Ratio Test，GLRT)。但是，在信号模型比较复杂的时候，最优解通常难以得到，或者计算量非常大，或者存在假设模型和真实模型的失配问题。

基于学习的方法可以在较低的复杂度下得到较好的性能。但基于学习的方法严重依赖于数据，而高质量的数据在实际中难于获取。除此之外，基于学习的方法完全忽视了统计信息。

故，如何在低复杂度下实现雷达动目标的检测，成为亟需解决的问题。

发明内容

本申请提供了解决上述问题的基于统计和机器学习的MIMO雷达动目标检测方法。

本申请通过下述技术方案实现：

第一方面，本申请提供一种基于统计和机器学习的MIMO雷达动目标检测方法，包括：

获取待检测动目标的MIMO雷达接收信号信息；

构建用于判决待检测动目标是否存在的混合检测器；

获取混合检测器的待检测动目标的历史接收信号数据，作为训练数据；

基于统计方法分析训练数据得到统计信息，统计信息包括未知参数的估计；

利用训练好的混合检测器检测待检测动目标是否存在。

可选的，所述获取待检测动目标的接收信号信息，包括：

对信号采样，处理MIMO雷达多个接收机接收到所有信号，排列成一个接收信号向量。

可选的，所述构建用于判决待检测动目标是否存在的混合检测器，包括构建检测问题用于判决待检测动目标是否存在，所述检测问题包括没有目标存在的信号模型和目标存在时的信号模型；

对应两种信号模型，包括两类接收信号数据，其中，目标存在的信号模型包括待检测动目标信息。

可选的，还包括：

通过速度神经网络得到对速度的估计，包括对预设区间内的速度进行采样，对速度进行标签化，获取速度采样值的向量，构建独热映射，并将解决二元分类问题的混合检测器的训练集，等概率标签化，得到多个子训练集，分为目标存在的数据和目标不存在的数据；

基于独热映射和训练集构建包括估计模块和检测模块的混合检测器；

其中，所述估计模块利用先验信息处理接收信号，所述估计模块得到一个充分检测统计量输出至检测模块，所述检测模块基于检测网络对充分检测统计量进行门限比较，得到最终待检测动目标的是否存在检测结果。

可选的，所述基于统计方法分析训练数据得到统计信息，统计信息包括未知参数的估计，包括利用训练数据基于统计方法得到噪声方差的极大似然估计和目标物体反射系数的极大似然估计。

可选的，还包括所述混合检测器的训练步骤如下：