基于认知框架的雷达动目标检测方法

摘要

本发明公开了一种基于认知框架的雷达动目标检测方法，主要解决现有方法在强杂波背景中对低速目标的检测性能差的缺陷。其实现过程是：从回波中分离出地杂波分量；根据地杂波分量得到当前帧的杂波图；根据杂波图感知环境将当前帧划分为噪声区和杂波区；根据地杂波分量计算相关系数，利用它校正天线指向误差，并将校正后的回波数据存入环境动态数据库EDDB中；根据当前帧的划分，利用EDDB中的回波数据估计干扰协方差矩阵；根据估计的干扰协方差矩阵得到自适应滤波器系数，并对输入数据做自适应滤波处理；对滤波器的输出做恒虚警检测。本发明具有对现有装备不做大的改动即可大幅提高其检测性能的优点，可用于强杂波背景中对低速目标的检测。

主权项

一种基于认知框架的雷达动目标检测方法，包括如下步骤：1)令x_mip表示雷达第m帧第i个方位角第p个距离单元的回波数据，其中1≤m≤m₀，1≤i≤I，1≤p≤D，m₀表示当前帧序号，I表示每一帧雷达方位角的个数，D表示每一个方位角的距离单元数，h₀表示零速滤波器，其系数全为1；通过零速滤波器得到回波数据中的地杂波分量y_mip为：其中T表示转置；2)根据地杂波分量y_mip，获得当前帧m₀第i个方位角第p个距离单元的干扰电平功率的估计值3)根据步骤2)得到的干扰电平功率的估计值，将当前帧m₀划分为杂波区和噪声区这两个区域；4)计算当前帧m₀第i个方位角与先前帧m₁第j个方位角的相关系数：${\rho }_{m_0{m}_1\mathrm{ij}}=\frac{\left|\right|{Y_{m_{0}i}}^H·Y_{m_{1}j}\left|\right|}{\left|\right|{Y_{m_{0}i}}^H\left|\right|·\left|\right|Y_{m_{1}j}\left|\right|},1\le m_1<m_0,1\le i,j\le I$其中||·||表示2范数，表示当前帧m₀第i个方位角的一段长度为C的地杂波数据,表示第m₁帧第j个方位角的一段长度为C的地杂波数据,H表示共轭转置；5)根据当前帧m₀第i个方位角与先前帧m₁第j个方位角的相关系数校正天线的指向误差：若则判定当前帧m₀与先前帧m₁是对准的，并将当前帧m₀的第i₀个方位角和先前帧m₁的第j₀个方位角分别作为当前帧m₀和先前帧m₁的基准，完成指向误差的校正，校正后的回波数据存入环境动态数据库EDDB中；反之，判定当前帧m₀与先前帧m₁是未对准的，舍去先前帧m₁的回波数据；6)根据步骤3)的划分，利用环境动态数据库中的回波数据，计算当前帧m₀第i个方位角第p个距离单元的干扰协方差矩阵的估计值：${\hat{R}}_{m_0\mathrm{ip}}=(\frac{1}{2L}·\underset{u=p-L,u\ne p}{\overset{p+L}{\Sigma }}{t}_{m_0\mathrm{iu}}·t_{m_0\mathrm{iu}}^H+\underset{m_1<m_0}{\Sigma }{\beta }^{m_0-m_1}·(\frac{1}{2L+1}\underset{v=p-L}{\overset{p+L}{\Sigma }}{t}_{m_1\mathrm{iv}}·t_{m_1\mathrm{iv}}^H))/(1+\underset{m_1<m_0}{\Sigma }{\beta }^{m_0-m_1})$其中，L表示单侧参考窗的长度，β表示遗忘因子，这两个参数取决于估计单元所处的区域；表示环境动态数据库中当前帧m₀第i个方位角第u个距离单元的回波数据；表示环境动态数据库中先前帧m₁第i个方位角第v个距离单元的回波数据；7)利用上述估计值在最大信噪比MSN准则下，计算当前帧m₀第i个方位角第p个距离单元的滤波器系数；8)利用步骤7)的滤波器系数，得到当前帧m₀第i个方位角第p个距离单元的输出信号；9)设定的目标检测虚警概率为P_fa，则与其对应的检测阈值为T＝‑ln(1‑(1‑P_fa)^1/N)，将自适应滤波后输出信号的功率与检测阈值T和背景功率估计值的乘积进行比较，若在输出的N个通道中只要有一个通道满足则表示检测到目标；若在输出的N个通道中所有的通道都满足${\left|\right|z_{m_0\mathrm{ipk}}\left|\right|}^2<T·{w_{m_0\mathrm{ipk}}}^H{\hat{R}}_{m_0\mathrm{ip}}{w}_{m_0\mathrm{ipk}},$则表示没有检测到目标。