复杂城市环境下的广义似然比筛选与联合检测方法

摘要: 本发明属于无人机目标检测,具体涉及一种复杂城市环境下的广义似然比筛选与联合检测方法。背景技术:1、随着低空、慢速、小型无人机的大规模普及,城市低空空域安全管控面...
复杂城市环境下的广义似然比筛选与联合检测方法

本发明属于无人机目标检测,具体涉及一种复杂城市环境下的广义似然比筛选与联合检测方法。

背景技术:

1、随着低空、慢速、小型无人机的大规模普及,城市低空空域安全管控面临严峻挑战。分布式车载移动雷达网通过多节点异地分散部署,可构建多视角协同探测架构,为城市复杂环境下无人机目标探测提供了有效技术途径。然而,车载平台处于连续运动状态,城市街道两侧高密度建筑物群产生强反射回波,与平台运动形成空时强耦合效应,导致雷达回波杂波呈现显著的非均匀与非平稳特性,严重制约了弱目标探测性能。

2、时空自适应处理是抑制非均匀杂波、提取弱目标信号的核心手段。现有技术通常采用滑窗样本矩阵求逆法,通过从待测距离单元周边滑动参考窗口内采集辅助快拍样本,估计杂波协方差矩阵并解算自适应滤波权矢量,实现对杂波的抑制和对目标的匹配处理。为进一步缓解强目标信号或离散非均匀散射点混入训练样本导致的协方差矩阵估计恶化问题,现有技术引入了基于广义内积统计量的非均匀检测器作为前端筛选手段,通过度量各快拍样本与背景统计特征之间的马氏距离,识别并剔除显著偏离背景统计特性的异常样本。

3、然而,上述现有技术方案存在以下突出问题:城市环境中可用的纯净训练样本数量极为有限,建筑物强反射易导致非均匀快拍混入参考窗口,使协方差矩阵特征值分布产生偏置,解算出的自适应权矢量在目标方向形成深零陷,引发严重的“目标自消”现象。广义内积筛选门限通常依赖经验值设定,且前端筛选与后端检测相互独立,检测器无法对样本选择施加方向性约束,筛选出的样本在不同信道间一致性较差。分布式雷达各节点的空间观测几何与局部遮挡环境各不相同,各信道杂波统计特性表现出显著的空间异质性,现有等权重融合策略未能有效对冲此类跨信道异质干扰,导致多信道协同探测的空间分集增益退化。

技术实现思路

1、为了解决现有技术中存在的上述问题,本发明提供了一种复杂城市环境下的广义似然比筛选与联合检测方法。本发明要解决的技术问题通过以下技术方案实现:

2、本发明提供了一种复杂城市环境下的广义似然比筛选与联合检测方法,包括:

3、步骤1:构建分布式车载移动雷达网的信号模型,获取各虚拟观测信道的空时快拍数据,并建立目标检测的二元假设检验形式;

4、步骤2:基于广义似然比检测器的性能约束,对各虚拟观测信道对应的初始参考窗口内各快拍样本的统计特性偏离度进行双向边界限制筛选,从所述初始参考窗口中剔除统计特性偏离预设边界的非均匀快拍,得到各虚拟观测信道对应的最优训练样本集;

5、步骤3:利用所述最优训练样本集计算对应的样本协方差矩阵,并引入动态对角加载因子对所述样本协方差矩阵进行重构,得到各虚拟观测信道对应的杂波协方差矩阵估计值;

6、步骤4:根据各虚拟观测信道对应的目标空时导向矢量和所述杂波协方差矩阵估计值,解算各虚拟观测信道对应的自适应滤波权矢量,利用所述自适应滤波权矢量对各虚拟观测信道的当前待测单元的空时快拍数据进行滤波处理,得到滤波后的残差复标量,并基于所述二元假设检验形式估计所述残差复标量在两种假设下的残留方差;

7、步骤5:各虚拟观测信道将自身的所述残差复标量和所述残留方差上传至融合中心,在所述融合中心,基于广义似然比检验准则构建联合检测统计量;

8、步骤6:在无目标假设下,根据所述联合检测统计量服从标准中心卡方分布的特性,计算给定全局虚警概率下的恒虚警判决门限,将实时计算得到的联合检测统计量与所述恒虚警判决门限进行比较,得到检测结果。

9、在本发明的一个实施例中,在所述步骤1中,所述分布式车载移动雷达网包含m个发射节点和n个接收节点,共构成个虚拟观测信道;每个雷达节点配置阵元数为的均匀线阵,在一个相干处理区间内发射个脉冲,将任一虚拟观测信道接收到的二维空时数据拉直为维度的空时快拍列向量,其中,;

10、所述二元假设检验形式为:

11、;

12、式中,为城市杂波分量;为加性复高斯白噪声列向量;表示未知复振幅分量;表示与目标双基地多普勒频率对应的时空理论导向矢量,表示无目标假设,表示存在目标假设。

13、在本发明的一个实施例中,所述步骤2包括:

14、步骤2.1:对各虚拟观测信道,根据初始参考窗口内的快拍样本计算初始样本协方差矩阵,并计算所述初始参考窗口内每个快拍样本的广义内积统计量;

15、步骤2.2:基于广义似然比检测器的性能约束,设置双向筛选门限,对所述广义内积统计量进行上限和下限的双向边界限制,从所述初始参考窗口中筛选出满足约束条件的最优训练样本集。

16、在本发明的一个实施例中,所述初始样本协方差矩阵通过下式计算:

17、;

18、对每个快拍样本,其广义内积统计量为:

19、;

20、式中,为初始样本协方差矩阵,为初始参考窗口内的快拍样本的数量,为快拍样本,为快拍样本的广义内积统计量;

21、筛选出的满足约束条件的所述最优训练样本集为:

22、;

23、式中,为上限门限,,为尺度缩放因子,表示空时总自由度,为雷达节点配置的均匀线阵的阵元数,为在一个相干处理区间内发射的脉冲个数,为偏差容忍边界参数。

24、在本发明的一个实施例中,所述步骤3中,所述样本协方差矩阵通过下式计算:

25、;

26、式中,为样本协方差矩阵,为最优训练样本集中的样本个数,为最优训练样本集,为快拍样本;

27、所述杂波协方差矩阵估计值为:

28、,;

29、其中,为反馈调节系数,为矩阵的迹,为单位矩阵,表示空时总自由度。

30、在本发明的一个实施例中,所述步骤4中,对于第个虚拟观测信道,其自适应滤波权矢量通过下式解算:

31、;

32、其中,为该虚拟观测信道对应的目标空时理论导向矢量,为该虚拟观测信道的杂波协方差矩阵估计值;

33、所述滤波后的残差复标量表示为:

34、;

35、其中,为经滤波抑制后信道内残留的干扰与噪声总和,表示未知复振幅分量,表示无目标假设,表示存在目标假设。

36、在本发明的一个实施例中,在所述步骤5中,基于广义似然比检验准则构建的所述联合检测统计量为:

37、;

38、其中,为第个虚拟观测信道的残差复标量,为第个虚拟观测信道的残留方差,m为分布式车载移动雷达网的发射节点数量,n为分布式车载移动雷达网的接收节点数量。

39、在本发明的一个实施例中,在所述步骤6中,在无目标假设下,对于给定全局虚警概率,所述恒虚警判决门限通过下式求解:

40、;

41、其中,为全局虚警概率,为恒虚警判决门限,为虚拟观测信道总数。

42、在本发明的一个实施例中,在存在目标假设下,所述联合检测统计量服从自由度为的标准非中心卡方分布,其中非中心化分布参数表示融合中心获得的系统全局综合信杂噪比:

43、;

44、式中,为第个虚拟观测信道的残留方差,表示未知复振幅分量,m为分布式车载移动雷达网的发射节点数量,n为分布式车载移动雷达网的接收节点数量;

45、系统的目标检测概率,由广义马克姆q函数给出:

46、;

47、其中,为k阶广义马克姆q函数,为恒虚警判决门限。

48、在本发明的一个实施例中,在所述步骤6中,将实时计算得到的联合检测统计量与所述恒虚警判决门限进行比较,得到检测结果,包括:

49、将实时计算得到的联合检测统计量与所述恒虚警判决门限进行比较,若所述联合检测统计量大于或等于所述恒虚警判决门限,则判决存在目标,否则判决无目标。

50、与现有技术相比,本发明的有益效果在于:

51、1. 本发明的复杂城市环境下的广义似然比筛选与联合检测方法,通过将广义似然比检验检测器与信道杂波异质性下的广义内积样本选择相结合,使检测器对数据筛选过程施加统计约束,在有限数据条件下显著改善了对非均匀杂波协方差矩阵估计的准确性,大幅降低了矩阵偏置引发的目标自消概率。

52、2. 本发明的复杂城市环境下的广义似然比筛选与联合检测方法,充分利用了分布式雷达的空间分集架构,通过多角度观测信息的方差规范化非相干功率集成,能够在融合后平滑抑制因特定视角遭遇强地物而导致的单信道滤波残留干扰尖峰,提高弱目标检测的可靠性。推导的多信道联合检测统计量在累加前引入了本地残留方差规范化项,能够有效对冲因雷达节点地理分布导致的滤波后背景功率不相等特性,防止高干扰信道残留杂波对弱目标信号的掩盖,在统计异构环境下获得更优的多视角融合增益。

53、3. 本发明的复杂城市环境下的广义似然比筛选与联合检测方法,所提的分布式处理机制使各信道仅需向中心上传滤波后的复标量信号及方差估计值,在显著降低节点间通信开销的同时,融合中心彻底避免了高维矩阵的直接求逆与多维穷举匹配遍历,计算开销大幅降低,适合在车载移动平台上实现实时在线处理。

54、上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。