基于重加權自適應功率剩余的穩(wěn)健非均勻檢測方法
【技術領域】
[0001] 本發(fā)明設及雷達技術領域，具體設及一種基于重加權自適應功率剩余的穩(wěn)健非均 勻檢測方法，用于改善非均勻檢測方法的穩(wěn)健性，提高了機載雷達的雜波抑制與目標檢測 性能。
【背景技術】
[0002] 空時自適應處理（STA巧是一種聯(lián)合空域和時域的濾波技術，它可W顯著提高機 載雷達在雜波背景下的運動目標檢測能力。STAP在實施時通常需要利用訓練樣本來估計雜 波協(xié)方差矩陣。當訓練樣本獨立同分布且不包含目標信號時，STAP可W取得較好的雜波抑 制性能。然而機載雷達面臨的實際雜波環(huán)境常常是非均勻的。特別是在地面慢速運動目標 檢測時，機載雷達波束照射范圍內運動目標較多。訓練樣本中常常包含有目標信號，此時樣 本的均勻假設條件不再滿足。若利用該些非均勻的樣本計算得到自適應權矢量濾波，將導 致待檢測樣本中目標信號自相消，從而使得目標檢測概率下降。
[0003] 當訓練樣本中含有目標信號時，需利用非均勻檢測器檢測并剔除被目標信號污 染的訓練樣本，使其不參與協(xié)方差矩陣的計算，W提高STAP的檢測性能。化ackelfordA ?K.等人提出基于自適應功率剩余（adaptivepowerresi化e，APR)的檢測器，該方法在訓 練樣本中的目標信號數量較少、信噪比較低時可W取得較好的檢測效果。然而，當訓練樣 本中的目標信號數量較多、信噪比較高時，計算AH?檢測統(tǒng)計量所需的協(xié)方差矩陣受到目 標信號嚴重擾動，AH?檢測器性能下降。TangB.等人提出基于對角加載的廣義內積檢測 器（loadedgeneralizedinnerproduct,LGIP)，該方法通過對由訓練樣本估計的協(xié)方差 矩陣對角加載來降低目標信號對檢測器的擾動。但是該方法的性能受到加載量的直接影 響，選擇一個適合實際數據的加載量是一個較為困難的問題。YangX.P.等人提出基于長 球波函數的廣義內積檢測器（prolatespheroidalwavefunctionsgeneralizedinner pro化ct，PSWF-GIP)，該方法利用PSWF的基向量直接估計待檢測樣本的雜波協(xié)方差矩陣， 避免了訓練樣本中目標信號的影響。該方法在理論上可W取得較好的性能，但是PSWF的基 向量的計算需要雷達構型參數及陣列流型精確已知。實際中受到慣性導航設備精度及陣列 誤差的影響，假定的基向量會偏離實際的基向量，使得該方法的實用性受到限制。
【發(fā)明內容】
[0004] 針對上述技術問題，本發(fā)明的目的在于提供一種基于重加權自適應功率剩余 (rewei曲tedadaptivepowerresidue,R-APR)的穩(wěn)健非均勻檢測方法，W改善非均勻檢 測方法的穩(wěn)健性，提高機載雷達的雜波抑制與目標檢測性能。
[0005] 為了達到上述目的，本發(fā)明采用W下技術方案予W實現。
[0006] 一種基于重加權自適應功率剩余的穩(wěn)健非均勻檢測方法，包括W下步驟：
[0007] 步驟1，機載陣列雷達接收回波數據，對所述回波數據進行降維處理，從所述降維 處理后的回波數據中挑選訓練樣本作為原始訓練樣本集，并根據所述原始訓練樣本集得到 采樣協(xié)方差矩陣；
[000引步驟2,對所述采樣協(xié)方差矩陣做特征分解得到特征矢量，并分別計算各個特征矢 量和目標空時導向矢量的相關余弦值；
[0009] 步驟3,對所述相關余弦值進行口限檢測；若過口限則執(zhí)行步驟4 ;若未過口限則 執(zhí)行步驟5 ;
[0010] 步驟4,在非均勻環(huán)境下，對所述采樣協(xié)方差矩陣進行重加權，并計算所述重加權 的權值；
[0011] 步驟5,基于自適應功率剩余檢測器對所述原始訓練樣本集進行非均勻樣本剔除， 得到優(yōu)化的訓練樣本集。
[0012] 優(yōu)選地，所述步驟1包括W下子步驟：
[0013] la)設置機載陣列雷達的系統(tǒng)參數，接收回波數據；
[0014] 化）采用擴展的因子化方法構造降維矩陣，對所述回波數據進行降維處理；
[0015] Ic)從所述降維處理后的回波數據中選取訓練樣本，作為原始訓練樣本集；
[0016] Id)用所述原始訓練樣本集估計得到的采樣協(xié)方差矩陣為
[0017]
[0018] 其中，馬為降維后的回波數據，K為樣本數，H表示矩陣的共輛轉置。
[0019] 優(yōu)選地，所述步驟2包括W下子步驟：
[0020] 2a)對所述采樣協(xié)方差矩陣i進行特征分解如下
[0021]
[00巧其中，Ai為特征值，&'為特征矢量，ND為矩陣i的維數，H表示矩陣的共輛轉置；
[0023] 2b)依次計算每個特征矢量與目標空時導向矢量V的相關余弦值，即
[0024]
[002引其中，II□II2表示2范數，相關余弦值cos佑V')表示兩個矢量的夾角，反映了矢量 之間的接近程度，i表示特征矢量的計數，H表示矩陣的共輛轉置。
[0026] 優(yōu)選地，所述步驟3包括W下子步驟：
[0027] 3a)將所述相關余弦值cos知巧與預設的口限值n進行比較，即
[002引
[0029] 其中，n為設定的口限值，Hi表示相關余弦值大于口限值，H。表示相關余弦值小于 口限值；
[0030] 3b)若所述相關余弦值超過所述預設的口限值，說明過口限，所述原始訓練樣本集 中含有強目標信號，此時需采用重加權自適應功率剩余方法檢測奇異樣本，即執(zhí)行步驟4 ;
[0031] 3c)若所述相關余弦值未超過所述預設的口限值，說明未過口限，所述原始訓練樣 本集中不含有強目標信號，采用自適應功率剩余檢測器檢測奇異樣本，即執(zhí)行步驟5。
[0032] 優(yōu)選地，所述步驟4包括W下子步驟：
[0033] 4a)在非均勻環(huán)境下，對所述采樣協(xié)方差矩陣進行重加權，所述重加權W后得到的 采樣協(xié)方差矩陣形式為
[0034]
[0035] 其中，Pk為重加權的權值，Pk在非均勻樣本處具有較小的權值，在均勻樣本處具 有較大的權值，^1為降維后的回波數據，H表示矩陣的共輛轉置，k為樣本計數，K為樣本個 數；
[0036] 4b)假定有Nt個特征矢量對應的相關余弦值超過所述預設的口限值，將該些特征 矢量排列成矩陣形式為A，其為一個NDXNt的矩陣并且fT,曰fT。，進一步計算得到6對應的 正交投影算子為
[0037]
[003引其中，6為超過預設口限值的特征矢量排列成的矩陣，H表示矩陣的共輛轉置；
[0039] 4c)將訓練樣本兩向正交投影算子女做投影，得到W下檢測統(tǒng)計量
[0040]
[0041] 將所述正交投影算子代入所述檢測統(tǒng)計量中，經過整理可W得到
[0042]
[0043] 由上文分析可知，&與目標導向矢量相關性較高，而與雜波導向矢量相關性較低 甚至接近正交，則上式中巧A,分量得到保留，而分量受到抑制，因此若訓練樣本中含 有目標信號且其對應的幅度較大，檢測統(tǒng)計量yk也較大；
[0044] 4d)利用檢測統(tǒng)計量yk計算yk重加權的權值為
[0045]
[0046] 其中：
為歸一化因子。
[0047] 優(yōu)選地，所述步驟5包括W下子步驟：
[0048] 5a)采用自適應功率剩余檢測器AH?對所述原始訓練樣本(* = 1，…，K)進行非 均勻性檢測，所述自適應功率剩余檢測器對應的表達式為
[0049]
[0050] 其中，友為初始化自適應功率剩余檢測器所需的協(xié)方差矩陣，由步驟4跳轉來的 將步驟4中重加權后的采樣協(xié)方差矩陣作為初始化協(xié)方差矩陣，由步驟3跳轉來的將步驟 1中得到的采樣協(xié)方差矩陣作為初始化協(xié)方差矩陣；
[0化1] 5b)通過所述自適應功率剩余檢測器將計算得到的{dL.按照升序排列，選擇rk 值最大的Q個樣本，并將所述Q個樣本對應的降維后的回波數據馬從所述原始訓練樣本集 中剔除，將剔除后剩余的訓練樣本作為優(yōu)化的訓練樣本集。
[0化2] 本發(fā)明與現有技術相比，具有W下優(yōu)點：
[0化3] 第一，本發(fā)明在挑選訓練樣本前，先對回波數據進行降維處理，然后對原始訓練樣 本集進行重加權來降低含有目標信號的樣本的權重，從而使得非均勻樣本對采樣協(xié)方差矩 陣的擾動減小，非均勻檢測器的穩(wěn)健性由此得到提高。
[0化4] 第二，本發(fā)明基于自適應功率剩余檢測器對原始訓練樣本集進行非均勻樣本剔 除，由于自適應功率剩余檢測器是一種對雜波白化、目標積累的檢測器，含有目標信號的訓 練樣本會具有較大的rk值。本發(fā)明中自適應功率剩余檢測