[发明专利]一种抗压制类水声干扰多通道自适应检测方法及系统

权利要求书

1.一种抗压制类水声干扰多通道自适应检测方法，所述方法包括：

获取多阵元线阵接收的服从独立同分布的待检测数据；

基于待检测数据，采用迭代最小化稀疏学习算法对预先构建的二元稀疏假设检验的参数进行估计；

将估计的参数输入预先建立基于稀疏学习的抗压制类水声干扰检测器，完成目标的自适应检测；

所述二元稀疏假设检验的构建包括以下步骤：

步骤1-1)对压制类干扰目标检测建立如下二元假设检验：

其中，H₀和H₁分别代表无目标假设和有目标假设；z_k，k＝1，...，K表示接收到的K个独立同分布的待检测数据，是一个N×1维的复数向量，服从零均值、N维复高斯分布；N为阵元个数；表示N维复高斯分布；M₀和M₁分别表示H₀和H₁假设下的N×N维干扰协方差矩阵：

上式中，表示高斯白噪声分量，为高斯白噪声能量，I为N×N维单位阵；N_j、d_i和分别表示第i个压制类干扰的数量、能量和波达角度，表示归一化阵列导向向量，沿θ角度的N×1维归一化阵列导向向量为：

其中d表示阵元间隔，λ表示载波长度，[·]^T表示矩阵的转置；

步骤1-2)对监测区域以固定的角度间隔进行采样，离散后的角度区域为Θ＝{θ₁，θ₂，...，θ_L}且L＞＞N_j，θ₁≤θ₂≤…≤θ_L；L为监测区域的离散元素数目；

步骤1-3)将角度采样映射到对应的干扰能量中，得到离散化后的干扰能量向量表示L×1维的正数向量；d中的元素满足若则d_k＞0；否则，d_k＝0；因此，d是多数元素为0，少数不为0的稀疏向量，则H₁下的干扰协方差矩阵被重新表示为：

其中，V＝[v(θ₁)，...，v(θ_L)]，D＝diag(d)，diag(·)表示对角阵操作；

步骤1-4)基于d，将步骤1-1)中的二元假设检验重构为以下二元稀疏假设检验：

令Z＝[z₁，...，z_K]为H_i，i＝0，1假设下的待检测数据矩阵，其在H_i，i＝0，1假设下的概率密度函数为：

其中det(·)表示求矩阵的行列式，Tr(·)表示求矩阵的迹。

2.根据权利要求1所述的抗压制类水声干扰多通道自适应检测方法，其特征在于，所述基于待检测数据，采用迭代最小化稀疏学习算法对预先构建的二元稀疏假设检验的参数进行估计；具体包括：

步骤2-1)d的初始值用表示，则

为稀疏控制参数；

步骤2-2)第n步的迭代公式为：

其中，

步骤2-3)当时，循环迭代终止；

步骤2-4)对由大到小排列，得到新的向量对进行最小二乘估计得到

步骤2-5)q的估计值为：

为对Ω_q进行采样得到由有限值组成的离散化后的向量集；贝叶斯信息准则BIC_q为：

其中得到了集合h(q)为选中峰数量，h(q)≤N_j，max，N_j，max为压制类干扰的最大数量；

步骤2-6)将代入得到d的估计值

3.根据权利要求2所述的抗压制类水声干扰多通道自适应检测方法，其特征在于，所述基于稀疏学习的抗压制类水声干扰检测器为：

其中，Λ₁(Z)为检测统计量，η表示一定虚警概率下对应的检测阈值。