[发明专利]一种高效的协方差矩阵结构估计方法

说明书

一、技术领域

本发明隶属于雷达目标自适应检测领域，具体涉及一种高效的协方差矩阵结构估计方法。

二、背景技术

雷达目标的自适应恒虚警率(constant false alarm ratio，CFAR)检测是雷达目标检测的一项重要内容。对于单阵元雷达目标检测，只需要通过估计被检测单元杂波功率水平，即可实现目标的自适应CFAR检测。然而，当雷达为多阵元雷达时，通过对各阵元回波信号的相参积累可以有效的提高目标检测概率，但同时也需要估计更多的杂波参数。

在高斯杂波背景下，采样协方差矩阵SCM(sample covariance matrix)是协方差矩阵的最大似然估计(maximum likelihood estimate，MLE)，直接利用SCM代替协方差矩阵的真实值即可得到雷达目标的自适应CFAR检测器。然而，在高分辨率或低入射角情况下，雷达杂波更多的表现为非高斯的形式，这时，高斯模型不再能精确的模拟雷达杂波。

对于非高斯杂波，通常采用球不变随机向量(spherically invariant random vector，SIR V)进行建模，如经典的K分布杂波，威布尔分布杂波等都可以用SIRV建模。SIRV是由表示杂波功率水平的纹理分量与表示杂波散斑分量的高斯随机向量乘积组成，通常认为，不同距离单元的纹理分量值不同，但具有相同的散斑分量协方差矩阵。散斑分量的协方差矩也被称为杂波的协方差矩阵结构。在这种用SIRV建模的非高斯杂波背景下，Conte E等人假设杂波协方差矩阵已知，提出了归一化匹配滤波器(normalized matched Filter，NMF)，并进一步指出，只需要利用协防差矩阵的合适估计值代替NMF中的协方差矩阵，即可得到相应的自适应检测器ANMF(adaptive NMF)。由于ANMF检测器本身对杂波功率水平具有不变性，因此，只需要对杂波协方差矩阵结构进行估计。由于在这种SIRV建模的非高斯杂波背景下，杂波协方差矩阵结构的最大似然估计很难获得，因此，协方差矩阵结构的估计问题成为了解决该杂波背景下雷达目标自适应检测的关键。

一种方法是采用SCM做为协方差矩阵结构的估计值，其得到的自适应检测器称为SCM-ANMF。SCM-ANMF对杂波协方差矩阵结构具有CFAR特性，但无法保证对杂波纹理分量的CFAR特性，因此，SCM-ANMF并不是完全CFAR检测器。另一种方法时对每个距离单元杂波采用归一化的方法消除纹理分量的影响，即采用归一化SCM(normalized SCM，NSCM)做为协方差矩阵结构的估计，得到的自适应检测器称为NSCM-ANMF。NSCM-ANMF虽然保证了对杂波纹理分量的CFAR特性，却又无法保证对杂波协方差矩阵结构的CFAR特性，因此，SCM-ANMF也不是完全CFAR检测器。从自适应检测器的CFAR特性角度考虑，SCM和NSCM都不是有效的估计方法。

Gini F提出了一种利用NSCM做为初始化矩阵的迭代估计方法，简称为NSCM-RE。NSCM-RE在有限次迭代下，相应的ANMF从理论上来讲并不具有完全CFAR特性，但NSCM-RE经过多次迭代后，相应的ANMF具有近似的CFAR特性。目前NSCM-RE在非高斯杂波的自适应检测中得到了广泛的应用。但NSCM-RE需要经过多次迭代才能使对应的自适应检测器具有近似的CFAR特性，这样明显增加了计算复杂度。

三、发明内容

1.要解决的技术问题

本发明的目的是为非高斯杂波背景下多阵元雷达目标自适应CFAR检测提供一种高效的杂波协方差矩阵结构估计方法，其中要解决的主要技术问题包括：

(1)协方差矩阵结构的初始化估计，使得估计矩阵代入到NMF检测器后得到的自适应检测器ANMF对杂波协方差矩阵结构和杂波纹理分量都具有CFAR特性；

(2)高效的迭代估计，使得迭代以后具有更高的估计精度，且具有较低的计算复杂度。

2.技术方案

本发明所述高效的协方差矩阵结构估计方法包括以下技术措施：首先，利用辅助数据的实部(I通道数据)除以虚部(Q通道数据)第一个元数进行数据预处理，再对预处理后的数据计算SCM，然后，利用辅助数据的虚部(Q通道数据)除以实部(I通道数据)第一个元数进行数据预处理，再对预处理后的数据计算SCM，再对得到的两个SCM相加后除以辅助单元数得到协方差矩阵结构的初始化估计矩阵，最后，利用初始化估计矩阵进行迭代得到协方差矩阵结构的估计值。