基于Wald的干扰加噪声背景下距离扩展目标检测方法

技术特征：
1.一种基于wald的干扰加噪声背景下距离扩展目标检测方法，其特征在于，包括以下步骤：步骤1.从k个待检测距离单元获取待检测数据作为主数据，从与被检测单元邻近的无目标距离单元获取m个不含目标信号的观测数据作为辅助数据；对目标信号和干扰信号进行子空间建模，将噪声建模为噪声功率未知的复高斯分布，并建立二元假设检验模型，其中，所述目标信号子空间包含在干扰信号子空间中；基于二元假设检验模型，构建主数据与辅助数据的联合概率密度函数；步骤2.对所述联合概率密度函数中未知参数进行最大似然估计，构建wald检验下检测统计量；步骤3.根据预设的虚警概率设置检测阈值t
w
，将检测统计量λ
srd-wald
与检测阈值t
g
进行比较，若λ
srd-wald
≥t
w
，则判定当前k个待检测距离单元存在距离扩展目标；反之若λ
srd-wald
<t
w
，则判定当前k个待检测距离单元不存在距离扩展目标。2.根据权利要求1所述的一种基于wald检验的距离扩展目标检测方法，其特征在于，所述步骤1对目标信号和干扰信号进行子空间建模，将噪声建模为噪声功率未知的复高斯分布，建立二元假设检验模型，具体包括：其中，h0表示没有目标信号的假设，h1表示有目标信号的假设，待检测主数据表示成x＝[x1,x2,...,x
k
,...,x
k
]，选取邻近距离单元的m个检测数据y＝[y1,y2,...,y
m
,...y
m
]作为辅助数据；p＝[p1,p2,...,p
k
,...,p
k
]为主数据中目标坐标矩阵，q＝[q1,q2,...,q
k
,...q
k
]为主数据中干扰坐标矩阵，为辅助数据中干扰坐标矩阵，n＝[n1,n2,...,n
k
,...,n
k
]为主数据中噪声矩阵，为辅助数据中噪声矩阵；不同距离单元间观测向量相互统计独立，x
k
和y
m
均为n
×
1维复向量，n表示系统处理的通道数；sp
k
为第k个距离单元的目标信号，s已知的n
×
p满秩复矩阵，s的p个列向量张成了信号子空间<s>，p
k
未知的p
×
1维信号坐标向量；jq
k
为第k个距离单元的干扰信号，j是n
×
q维列满秩复矩阵，j的q个列向量张成了干扰子空间<j>，q
k
是未知的q
×
1维干扰坐标向量，假定p q≤n，且q
k
服从未知的均值为零协方差矩阵为σ的复高斯分布，σ为未知的q
×
q维干扰坐标协方差矩阵，p为目标信号子空间维数，q为干扰子空间维数；噪声分量n在不同距离单元间独立同分布，且服从均值为零协方差矩阵为σ2i
n
的复高斯分布，其中，i
n
表示n维单位矩阵，表示未知的噪声功率；m个包含干扰jq
m
加噪声n
m
的辅助数据y，辅助数据中的干扰坐标q
m
(n
m
)与主数据中的干扰坐标q
k
(n
k
)独立同分布。3.根据权利要求2所述的一种基于wald的干扰加噪声背景下距离扩展目标检测方法，其特征在于，所述权利要求1步骤1中基于二元假设检验模型，构建主数据与辅助数据的联合概率密度函数其中，t
i
＝s
i
s
m
，s
i
＝(x-i
·
sp)(x-i
·
sp)
h
，s
m
＝yy
h
；i＝0,1分别对应假设h0与h1；干噪
协方差4.根据权利要求1和3所述的一种基于wald的干扰加噪声背景下距离扩展目标检测方法，其特征在于，所述权利要求1步骤2中具体包括以下步骤：步骤2-1：采用平方根分解方法变换干扰矩阵j结构，并对变换后的联合概率密度函数进行对数运算；步骤2-2：对对数形式的联合概率密度函数中干扰坐标协方差矩阵、噪声功率和目标坐标进行最大似然估计；步骤2-3：将目标坐标的最大似然估计量、转换后的干扰坐标协方差估计量与噪声功率的估计量代回联合概率密度函数，构建wald检验下检测统计量。5.根据权利要求4所述的一种基于wald的干扰加噪声背景下距离扩展目标检测方法，其特征在于，步骤2-1中采用平方根分解方法变换干扰矩阵j结构，具体为j
h
j＝ll
h
其中，l是j
h
j的q
×
q维下三角矩阵。6.根据权利要求5所述的一种基于wald的干扰加噪声背景下距离扩展目标检测方法，其特征在于，所述步骤2-3中wald检验下检测统计量为λ
srd-wald
＝(k m)tr(λ2)其中，λ2＝x
h
w
s
xxxj
l
＝j(l
h
)-1
。

技术总结
本发明属于雷达信号处理技术领域，具体涉及一种基于Wald的干扰加噪声背景下距离扩展目标检测方法。将目标和干扰均建模为已知子空间内具有未知坐标的信号，且目标信号子空间包含在干扰信号子空间内；利用一组包含干扰和噪声的辅助数据估计干扰协方差矩阵，采用平方根分解方法变换干扰矩阵结构，求解干扰坐标协方差矩阵、噪声功率和目标信号坐标的最大似然估计，进而建立SRD-Wald检测器进行扩展目标检测。仿真分析表明，在与目标信号相关的干扰加未知噪声背景下，所提出的SRD-Wald距离扩展目标子空间检测器的检测性能优于已有对比检测器，且在不同功率的子空间干扰信号污染下，对干扰依然有较好的抑制作用。干扰依然有较好的抑制作用。干扰依然有较好的抑制作用。


技术研发人员：魏广芬 刘旭 周战 田华飞 简涛 罗沅
受保护的技术使用者：山东工商学院
技术研发日：2022.11.10
技术公布日：2023/2/3