[发明专利]一种基于稀疏非均匀样本选优的机载雷达动目标检测方法

说明书

技术领域

本发明涉及一种基于稀疏非均匀样本选优的机载雷达稳健动目标检测方法，属于机载雷达动目标检测领域。

背景技术

空时自适应信号处理(STAP)是机载雷达在强杂波环境中进行动目标检测的有效技术。STAP的性能依赖于杂波协方差矩阵的构建精度。依据RMB准则，当用来估计杂波协方差矩阵的训练样本充足、满足独立同分布(Independent and Identically Distributed，IID)时才不会影响动目标的检测性能。然而，机载雷达实际工作在非均匀环境中，上述条件很难满足。当训练样本中存在干扰目标时会引起信号相消，降低对动目标的检测性能。针对此问题，学者们提出利用非均匀检测器(NHD)来检测训练样本中是否含有干扰目标，对含有干扰目标的训练样本加以剔除。比较典型的NHD有：广义内积(GIP)及其改进的算法、自适应功率剩余(APR)及其改进的算法等。

随着稀疏恢复和压缩感知技术的发展，基于稀疏杂波谱恢复的STAP算法(SR-STAP)成为近几年研究的热点。由于杂波谱在角度-多普勒频域具有稀疏性，利用稀疏重构技术来估计高分辨率的空时二维杂波谱。比较典型的SR-STAP有：联合稀疏功率谱恢复的STAP算法及其改进的算法、直接数据域SR-STAP及其改进的算法等。这些算法能够利用稀疏恢复技术对训练样本数据以及待检测距离单元的数据进行重构。为了提高对待检测单元杂波协方差矩阵的估计精度，韩素丹等人提出一种训练样本选优SR-STAP算法，选择与待检测距离单元的数据较相似的训练样本参与杂波协方差矩阵估计，从而利用较少的训练样本得到精度较高的杂波协方差矩阵，但该算法只适合均匀样本，当训练样本中存在干扰目标时杂波协方差矩阵的构建精度下降，从而影响动目标的检测性能。为了克服训练样本中的干扰目标，高志奇等人提出基于联合稀疏功率谱恢复的STAP算法(JSR-STAP)，利用训练样本与干扰目标稀疏恢复系数的不相关性，去除训练样本中的干扰目标，从而达到抑制干扰目标的目的，但是该算法在构建杂波协方差矩阵时没有加入待检测距离单元的数据也没有对训练样本进行选优，使得构建的杂波协方差矩阵精度下降，进而影响动目标的检测性能。

发明内容

本发明所要解决的技术问题是针对训练样本中存在干扰目标时机载雷达动目标检测性能下降所涉及的问题，提供一种基于稀疏非均匀样本选优的机载雷达稳健动目标检测方法。

本发明为解决上述技术问题采用以下技术方案：

一种基于稀疏非均匀样本选优的机载雷达动目标检测方法，具体包含如下步骤：

步骤1，将机载雷达接收到的数据进行稀疏恢复，记录显著分量的位置；具体步骤如下：

步骤1.1，将机载雷达接收到的数据x’_l变换至二维频率域进行能量积累，即：x_l＝Vec(F_N×Nx’_lF_K×K)

其中，表示按列将矩阵排列为列向量，F为离散傅里叶变换矩阵，l＝1,2,...,L，L为正整数；N为等距的阵元数，K为阵列在每个相干处理时间内发射的脉冲数；

步骤1.2，构建冗余基矩阵Φ’，假设为Φ’中第n_sK_d+k_d+1列，则满足：

其中，

S_s为空域导向矢量，S_t为时域导向矢量，为Kronecker积，N_s＝ρ_sN,K_d＝ρ_dK，ρ_s为空间角度域离散化程度，ρ_d为多普勒域离散化程度，n_s＝0,1,…,N_s-1，k_d＝0,1,…,K_d-1，Δω_s为离散化后空时平面最小空域角频率间隔，Δω_t为离散化后空时平面最小时域角频率间隔；

步骤1.3，将冗余基矩阵Φ,变换到二维频率域，即变换为Φ，假设为Φ中第n_sK_d+k_d+1列，则满足：

步骤1.4，获取噪声容限ε，具体计算如下：