[发明专利]一种鲁棒的运动声纳目标检测方法

说明书

技术领域

本发明涉及一种目标检测方法，尤其涉及一种鲁棒的运动声纳目标检测方法。

背景技术

海洋混响是浅海主动声纳的主要干扰，尤其是当声纳载体具有一定的运动速度时，不同方位的混响具有不同的多普勒频移，从而使得声纳阵元级的混响在频谱上呈现扩展现象。这样低速运动的目标信号就会被混响所掩盖，无法利用多普勒进行混响抑制，而且即使采用常规波束形成也难以有效消除由旁瓣进入接收机的混响。由于运动声纳混响的空时耦合特性，它的目标检测问题为声纳工作者提出了新的课题。

水下航行器等运动声纳混响的产生机理和部分特性同机载雷达的地物杂波非常相似。1973年，Brennan首次提出了空时自适应处理(STAP)的概念，他们的研究表明，STAP能够很好的结合空域和时域处理各自的优势，有效补偿雷达的平台运动效应，从而获得理想的杂波抑制性能。随后Reed提出了样本协方差矩阵求逆(SMI)检测器，从而在理论上将STAP发展成为一种滤波和检测有机结合的方法，称为空时自适应检测(STAD)方法。近年来，STAD在运动声纳领域的研究非常活跃，研究结果表明STAD方法能够充分利用混响的空时分布特性，提高运动声纳的检测性能。

对于高斯分布混响背景下点目标的STAD，最优的一致最大势检验是不存在的，因此人们基于广义似然比(GLRT)、Rao等检验准则提出了许多次优的解决方案。值得注意的是这些方法是建立在两个假设条件的基础上，一是假设可以获得充足的均匀辅助数据，用以估计待测单元(主数据)的混响协方差矩阵，从而构造自适应检测统计量。为保证均匀性，辅助数据一般从主数据临近的距离单元获得。二是假设目标的方向已知，即目标的导向向量是已知的，称之为标称导向向量。

在实际应用中，现有STAD方法的鲁棒性有待提高。声纳目标的实际导向向量与标称导向向量经常会出现失配，其原因包括波束指向的偏差、声纳基阵的校准误差、水下多途传播等。当这个失配情况出现时，现有方法会遭受不小的检测损失。

发明内容

本发明的目的是实现对回波数据更为充分的利用，大幅提高空时自适应检测器(STAD)在目标导向向量失配情况下检测器的鲁棒性，而且具有对未知混响背景的恒虚警特性。

为实现上述目的，本发明实施例提供了一种鲁棒的运动声纳目标检测方法。所述方法包括：

通过由声纳阵接收的回波获取一组回波数据，选取所述一组回波数据中的一个回波数据作为主数据，选取所述一组回波数据中除所述主数据外的多个回波数据作为辅助数据，所述主数据和所述辅助数据具有相同的混响协方差矩阵；

由表征目标反射强度参数的实部和虚部构成杜宾检测中的主参量，由混响协方差矩阵构成杜宾检测中的辅助参量,利用所述主数据、所述辅助数据计算所述主参量和所述辅助参量的最大似然估计；

利用所述主参量的估计值和所述辅助参量的估计值，得到有目标假设下似然函数对主参量的微商的取值；

根据所述主参量在有目标假设下的最大似然估计和无目标假设下的真值和、所述微商以及通过目标方向计算得到的标称导向向量，计算检测统计量；

将所述检测统计量与由给定虚警概率得到的阈值进行比较，并且根据比较结果判断所述目标是否存在。

优选的，所述采样协方差矩阵是根据所述辅助数据计算得到的。

优选的，所述微商A(θ)可以表示为：

其中z为主数据，Z为NxN维辅助数据，θ_A为主参量，K表示构成辅助数据的均匀辅助数据的个数，H₁表示有目标情况。

优选的，所述阈值通过设定虚警概率采用蒙特卡罗仿真得到。

优选的，所述将所述检测统计量与由给定虚警概率得到的阈值进行比较，可以由下式确定：

其中η是检测门限，H₀表示无目标情况，H₁表示有目标情况，^H代表共轭转置操作，^-1代表矩阵逆操作，v是目标的标称导向向量，S是采样协方差矩阵，z表示主数据。

本发明在性能检测上采用蒙特-卡罗仿真方法，与传统的GLRT和Rao检测器进行比较。

本发明在性能检测上采用蒙特-卡罗仿真方法，与传统的GLRT和Rao检测器进行比较。通过比较表明本发明方法实现了对观测数据更为充分的利用，不但大幅提高STAD在目标导向向量失配情况下的鲁棒性，而且在目标导向向量匹配情况下，本发明方法又保持了非常好的检测性能。

附图说明