本發(fā)明屬于雷達(dá)信號處理
技術(shù)領(lǐng)域：
，特別涉及一種基于自回歸模型的雷達(dá)目標(biāo)自適應(yīng)匹配濾波方法，適用于雷達(dá)目標(biāo)的自適應(yīng)檢測。
背景技術(shù)：
：對雜波環(huán)境中的目標(biāo)進(jìn)行檢測是雷達(dá)的一項(xiàng)最基本的任務(wù)。近年來，對協(xié)方差矩陣未知的雜波環(huán)境中的目標(biāo)進(jìn)行檢測獲得了廣泛的關(guān)注，一系列在均勻雜波或者非均勻雜波環(huán)境下的自適應(yīng)檢測方法如廣義似然比檢測方法，自適應(yīng)匹配濾波器，自適應(yīng)一致估計(jì)器等被相繼提出，這些傳統(tǒng)的自適應(yīng)檢測方法均采用大量的不含目標(biāo)信號的訓(xùn)練數(shù)據(jù)來對雜波的協(xié)方差矩陣進(jìn)行估計(jì)；這些訓(xùn)練數(shù)據(jù)取自于與待檢測單元空間鄰近的距離單元，并且假設(shè)這些訓(xùn)練數(shù)據(jù)和待檢測單元具有相同的雜波協(xié)方差矩陣或者協(xié)方差結(jié)構(gòu)。對于該檢測模型，當(dāng)雜波的協(xié)方差矩陣已知時，存在最優(yōu)的匹配濾波器。但是，一般情況下，雜波的協(xié)方差矩陣未知，因此，最優(yōu)的匹配濾波器在實(shí)際中無法實(shí)現(xiàn)，只是提供了一個性能比較的基準(zhǔn)；通常，為了保證雜波協(xié)方差矩陣的估計(jì)值即采樣協(xié)方差矩陣非奇異，傳統(tǒng)的自適應(yīng)檢測方法至少需要K≥N個訓(xùn)練數(shù)據(jù)對雜波的協(xié)方差矩陣進(jìn)行估計(jì)，其中N為未知雜波協(xié)方差矩陣的維數(shù)。同時，至少需要K≥2N個訓(xùn)練數(shù)據(jù)來保證檢測器的檢測性能與最優(yōu)的匹配濾波器相比性能損失不超過3dB。然而，在實(shí)際的雷達(dá)工作環(huán)境下，特別是非均勻雜波環(huán)境下，很難獲得滿足要求的大量訓(xùn)練數(shù)據(jù)，此時傳統(tǒng)的自適應(yīng)檢測器的檢測性能明顯下降。技術(shù)實(shí)現(xiàn)要素：針對傳統(tǒng)的自適應(yīng)檢測器在實(shí)際雷達(dá)工作環(huán)境中訓(xùn)練數(shù)據(jù)缺失的情況下檢測性能下降這一缺點(diǎn)本發(fā)明的目的在于提出一種基于自回歸模型的雷達(dá)目標(biāo)自適應(yīng)匹配濾波方法，該種基于自回歸模型的雷達(dá)目標(biāo)自適應(yīng)匹配濾波方法以減少對訓(xùn)練數(shù)據(jù)的需求，實(shí)現(xiàn)雷達(dá)目標(biāo)的有效檢測。為達(dá)到上述技術(shù)目的，本發(fā)明采用如下技術(shù)方案予以實(shí)現(xiàn)。一種基于自回歸模型的雷達(dá)目標(biāo)自適應(yīng)匹配濾波方法，包括以下步驟：步驟1，雷達(dá)接收N個脈沖的相參脈沖序列，并將所述N個脈沖的相參脈沖序列作為目標(biāo)的待檢測單元回波z0，z0∈CN×1，∈表示屬于，CN×1表示N×1維復(fù)向量，所述N×1維復(fù)向量表示雷達(dá)接收到的N個脈沖的相參脈沖序列分別為復(fù)值，然后將雷達(dá)對目標(biāo)的檢測問題用二元假設(shè)檢驗(yàn)表示：其中，H0表示目標(biāo)的待檢測單元回波z0中只有干擾的假設(shè)，H1表示目標(biāo)的待檢測單元回波z0中存在目標(biāo)和干擾的假設(shè)，p表示雷達(dá)接收的N個脈沖相參脈沖序列的導(dǎo)向矢量，且p＝[1,ejΩ,…,ej(N-1)Ω]T，(·)T表示轉(zhuǎn)置符號，Ω表示目標(biāo)多普勒頻率，α表示目標(biāo)復(fù)幅度的未知常量，n0表示目標(biāo)的待檢測單元回波z0中包含的干擾，N表示雷達(dá)接收到的相參脈沖序列包含的脈沖個數(shù)；步驟2，確定存在一組不包含目標(biāo)的訓(xùn)練數(shù)據(jù)，該組不包含目標(biāo)的訓(xùn)練數(shù)據(jù)包含K個距離單元，并計(jì)算得到基于低階自回歸模型的第l個脈沖處的相參脈沖序列n(l)和M階自回歸模型復(fù)的自回歸參數(shù)向量a；l∈{1,…,N}，N表示雷達(dá)接收到的相參脈沖序列包含的脈沖個數(shù)，M表示低階自回歸模型的階數(shù)；步驟3，根據(jù)基于低階自回歸模型的第l個脈沖處的相參脈沖序列n(l)，分別計(jì)算只有干擾的假設(shè)H0條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,H0)，以及存在目標(biāo)和干擾的假設(shè)H1條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,α,H1)；其中，σ2表示復(fù)白高斯噪聲的方差，α表示目標(biāo)復(fù)幅度的未知常量，a表示M階自回歸模型復(fù)的自回歸參數(shù)向量；步驟4，根據(jù)只有干擾的假設(shè)H0條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,H0)，以及存在目標(biāo)和干擾的假設(shè)H1條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,α,H1)，計(jì)算得到關(guān)于目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式，進(jìn)而得到化簡后關(guān)于目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式；步驟5，根據(jù)基于低階自回歸模型的第l個脈沖處的相參脈沖序列n(l)，計(jì)算得到不包含目標(biāo)的K個距離單元訓(xùn)練數(shù)據(jù)的聯(lián)合概率密度函數(shù)f(z1,…,zK|a,σ2)，進(jìn)而計(jì)算得到復(fù)白高斯噪聲的方差σ2的最大似然估計(jì)其中，z1表示第1個距離單元的訓(xùn)練數(shù)據(jù)，zK表示第K個距離單元的訓(xùn)練數(shù)據(jù)；步驟6，根據(jù)復(fù)白高斯噪聲的方差σ2的最大似然估計(jì)計(jì)算得到M階自回歸模型復(fù)的自回歸參數(shù)向量a的最大似然估計(jì)步驟7，根據(jù)化簡后關(guān)于目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式、復(fù)白高斯噪聲的方差σ2的最大似然估計(jì)和M階自回歸模型復(fù)的自回歸參數(shù)向量a的最大似然估計(jì)計(jì)算得到基于自回歸模型的自適應(yīng)匹配濾波表達(dá)式TR；然后將所述基于自回歸模型的自適應(yīng)匹配濾波表達(dá)式TR的值與基于自回歸模型的自適應(yīng)匹配濾波檢測門限η′作比較：如果所述基于自回歸模型的自適應(yīng)匹配濾波表達(dá)式TR的值大于所述自適應(yīng)匹配濾波檢測門限η′，則存在目標(biāo)和干擾的假設(shè)H1成立，即目標(biāo)的待檢測單元z0中存在目標(biāo)；反之，則只有干擾的假設(shè)H0成立，即目標(biāo)的待檢測單元z0中沒有目標(biāo)。本發(fā)明的有益效果：本發(fā)明針對訓(xùn)練數(shù)據(jù)缺失情況下，傳統(tǒng)自適應(yīng)檢測器檢測性能下降嚴(yán)重的問題，將雷達(dá)檢測問題用二元假設(shè)檢驗(yàn)來表示，并將干擾回波建模為低階的自回歸模型；然后，假設(shè)自回歸參數(shù)以及復(fù)白高斯噪聲方差的已知，推導(dǎo)廣義似然比檢驗(yàn)，最后利用訓(xùn)練數(shù)據(jù)的聯(lián)合概率密度函數(shù)對自回歸參數(shù)以及復(fù)白高斯的方差進(jìn)行估計(jì)，從而得到最終的基于自回歸模型的自適應(yīng)匹配濾波器，能夠有效降低對訓(xùn)練數(shù)據(jù)的要求，提高了在訓(xùn)練數(shù)據(jù)不足條件下自適應(yīng)匹配濾器的檢測性能。附圖說明下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步詳細(xì)說明。圖1是本發(fā)明的一種基于自回歸模型的雷達(dá)目標(biāo)自適應(yīng)匹配濾波方法流程圖；圖2是不包含目標(biāo)的訓(xùn)練數(shù)據(jù)數(shù)為2個距離單元時分別使用本發(fā)明方法和傳統(tǒng)的自適應(yīng)匹配濾波方法在不同信噪比下得到的檢測概率結(jié)果圖；圖3是不包含目標(biāo)的訓(xùn)練數(shù)據(jù)數(shù)為8個距離單元時分別使用本發(fā)明方法和傳統(tǒng)的自適應(yīng)匹配濾波方法在不同信噪比下得到的檢測概率結(jié)果圖；圖4是不包含目標(biāo)的訓(xùn)練數(shù)據(jù)數(shù)為20個距離單元時分別使用本發(fā)明方法和傳統(tǒng)的自適應(yīng)匹配濾波方法在不同信噪比下得到的檢測概率結(jié)果圖。具體實(shí)施方式參照圖1，為本發(fā)明的一種基于自回歸模型的雷達(dá)目標(biāo)自適應(yīng)匹配濾波方法流程圖；所述基于自回歸模型的雷達(dá)目標(biāo)自適應(yīng)匹配濾波方法，包括以下步驟：步驟1，雷達(dá)接收N個脈沖的相參脈沖序列，并將所述N個脈沖的相參脈沖序列作為目標(biāo)的待檢測單元回波z0，z0∈CN×1，∈表示屬于，CN×1表示N×1維復(fù)向量，所述N×1維復(fù)向量表示雷達(dá)接收到的N個脈沖的相參脈沖序列分別為復(fù)值，然后將雷達(dá)對目標(biāo)的檢測問題用二元假設(shè)檢驗(yàn)表示：其中，H0表示目標(biāo)的待檢測單元回波z0中只有干擾的假設(shè)，H1表示目標(biāo)的待檢測單元回波z0中存在目標(biāo)和干擾的假設(shè)，p表示雷達(dá)接收的N個脈沖相參脈沖序列的導(dǎo)向矢量，且p＝[1,ejΩ,…,ej(N-1)Ω]T，(·)T表示轉(zhuǎn)置符號，Ω表示目標(biāo)多普勒頻率，α表示目標(biāo)復(fù)幅度的未知常量，n0表示目標(biāo)的待檢測單元回波z0中包含的干擾，N表示雷達(dá)接收到的相參脈沖序列包含的脈沖個數(shù)。步驟2，確定存在一組不包含目標(biāo)的訓(xùn)練數(shù)據(jù)，該組不包含目標(biāo)的訓(xùn)練數(shù)據(jù)包含K個距離單元，并計(jì)算得到基于低階自回歸模型的第l個脈沖處的相參脈沖序列n(l)和M階自回歸模型復(fù)的自回歸參數(shù)向量a；l∈{1,…,N}，N表示雷達(dá)接收到的相參脈沖序列包含的脈沖個數(shù)，M表示低階自回歸模型的階數(shù)。具體地，確定存在一組不包含目標(biāo)的訓(xùn)練數(shù)據(jù)，該組不包含目標(biāo)的訓(xùn)練數(shù)據(jù)包含K個距離單元，其中第k個距離單元的訓(xùn)練數(shù)據(jù)為zk，且第k個距離單元的訓(xùn)練數(shù)據(jù)zk也就是第k個距離單元中的干擾信號nk，即zk＝nk，nk表示第k個距離單元中的干擾信號，k＝1,…,K，k表示第k個距離單元；n0表示目標(biāo)的待檢測單元回波z0中包含的干擾，nk表示第k個距離單元中的干擾信號，且n0和nk都是零均值協(xié)方差為R的獨(dú)立復(fù)高斯向量；進(jìn)而計(jì)算得到基于低階自回歸模型的第l個脈沖處的相參脈沖序列n(l)，其表達(dá)式為：n(l)=n0(l)+nk(l)=[-Σm=1Ma(m)n0(l-m)+w0(l)]+[-Σm=1Ma(m)nk(l-m)+wk(l)]---(2)]]>其中，l∈{1,…,N}，N表示雷達(dá)接收到的相參脈沖序列包含的脈沖個數(shù)，a(m)表示第m階自回歸模型復(fù)的自回歸參數(shù)值，并將M階自回歸模型復(fù)的自回歸參數(shù)向量記為a，且a＝[a(1),…,a(m),…,a(M)]T；(·)T表示轉(zhuǎn)置符號，n0(l-m)表示目標(biāo)的待檢測單元回波z0中包含的干擾n0在第l-m個脈沖的干擾回波，nk(l-m)表示第k個距離單元的干擾信號nk在第l-m個脈沖處的干擾回波，w0(l)表示目標(biāo)的待檢測單元回波z0中包含的干擾n0在第l個脈沖處的零均值、方差為σ2的復(fù)白高斯噪聲，wk(l)表示第k個距離單元的零均值協(xié)方差為R的獨(dú)立復(fù)高斯向量在第l個脈沖處的零均值、方差為σ2的復(fù)白高斯噪聲，K表示假設(shè)的一組不包含目標(biāo)的訓(xùn)練數(shù)據(jù)包含的距離單元個數(shù)，m∈{1,…,M}，M表示低階自回歸模型的階數(shù)，且M取值范圍為1-4；N＞＞M。步驟3，根據(jù)基于低階自回歸模型的第l個脈沖處的相參脈沖序列n(l)，分別計(jì)算只有干擾的假設(shè)H0條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,H0)，以及存在目標(biāo)和干擾的假設(shè)H1條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,α,H1)；其中，σ2表示復(fù)白高斯噪聲的方差，α表示目標(biāo)復(fù)幅度的未知常量，a表示M階自回歸模型復(fù)的自回歸參數(shù)向量。具體地，所述只有干擾的假設(shè)H0條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,H0)，以及存在目標(biāo)和干擾的假設(shè)H1條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,α,H1)，其表達(dá)式分別為：f(z0|a,σ2,H0)=1(πσ2)(N-M)×exp{-1σ2(u0+Y0a)H(u0+Y0a)},]]>f(z0|a,σ2,α,H1)=1(πσ2)(N-M)·exp{-1σ2(u0+Y0a-α(q+Pa))H(u0+Y0a-α(q+Pa))},]]>u0＝[z0(M+1),…,z0(i),…,z0(N)]T，其中，a表示M階自回歸模型復(fù)的自回歸參數(shù)向量，(·)H表示共軛轉(zhuǎn)置，u0表示目標(biāo)的待檢測單元回波z0中N-M-1個脈沖處的回波，z0(i)表示目標(biāo)的待檢測單元回波z0中第i個脈沖處的回波；Y0表示目標(biāo)的待檢測單元回波z0的(N-M)×M維相參脈沖序列回波矩陣，每一行元素從左至右依次遞減，每一列元素從上至下依次遞增，其中第一行第一列元素z0(M)表示目標(biāo)的待檢測單元回波z0中第M階處的相參脈沖序列回波模型，第N-M行第M列元素z0(N-M)表示目標(biāo)的待檢測單元回波z0中第N-M個脈沖處的回波；z0(i)表示目標(biāo)的待檢測單元回波z0中第i個脈沖處的回波；i∈{M+1,…,N}，q表示雷達(dá)接收的N個脈沖相參脈沖序列的導(dǎo)向矢量p中N-M-1個脈沖處的導(dǎo)向矢量，q＝[p(M+1),…,p(i),…,p(N)]T，p(i)表示雷達(dá)接收的N個脈沖相參脈沖序列的導(dǎo)向矢量p中第i個脈沖處的導(dǎo)向矢量值；P表示(N-M)×M維相參脈沖序列回波的導(dǎo)向矢量矩陣，每一行元素從左至右依次遞減，每一列元素從上至下依次遞增，其中第一行第一列元素p(M)表示雷達(dá)接收的N個脈沖相參脈沖序列的導(dǎo)向矢量p中第M個脈沖處的導(dǎo)向矢量值，第N-M行第M列元素p(N-M)表示雷達(dá)接收的N個脈沖相參脈沖序列的導(dǎo)向矢量p中第N-M個脈沖處的導(dǎo)向矢量值；α表示目標(biāo)幅度的未知常量，M表示低階自回歸模型的階數(shù)，N表示雷達(dá)接收到的相參脈沖序列包含的脈沖個數(shù)，N＞＞M。步驟4，根據(jù)只有干擾的假設(shè)H0條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,H0)，以及存在目標(biāo)和干擾的假設(shè)H1條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,α,H1)，計(jì)算得到關(guān)于目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式，進(jìn)而得到化簡后目標(biāo)的關(guān)于待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式。具體地，根據(jù)存在目標(biāo)和干擾的假設(shè)H1條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,α,H1)，計(jì)算目標(biāo)復(fù)幅度的未知常量α的最大似然估計(jì)值a表示M階自回歸模型復(fù)的自回歸參數(shù)向量，(·)H表示共軛轉(zhuǎn)置，u0表示目標(biāo)的待檢測單元回波z0中N-M-1個脈沖處的回波，Y0表示目標(biāo)的待檢測單元回波z0的(N-M)×M維相參脈沖序列回波矩陣，q表示雷達(dá)接收的N個脈沖相參脈沖序列的導(dǎo)向矢量p中N-M-1個脈沖處的導(dǎo)向矢量，P表示(N-M)×M維相參脈沖序列回波的導(dǎo)向矢量矩陣，M表示低階自回歸模型的階數(shù)，N表示雷達(dá)接收到的相參脈沖序列包含的脈沖個數(shù)，N＞＞M。然后將所述目標(biāo)復(fù)幅度的未知常量α的最大似然估計(jì)值代入所述存在目標(biāo)和干擾的假設(shè)H1條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,α,H1)中，得到所述概率密度函數(shù)的最大值進(jìn)而計(jì)算存在目標(biāo)和干擾的假設(shè)H1條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,α,H1)的最大值與所述只有干擾的假設(shè)H0條件下目標(biāo)的待檢測單元回波z0的概率密度函數(shù)f(z0|a,σ2,H0)的比值，得到關(guān)于目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式：maxα^f(z0|a,σ2,α^,H1)f(z0|a,σ2,H0)><H0H1η]]>其中，η表示設(shè)定的關(guān)于目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式的檢測門限，且該檢測門限η通過蒙特卡洛實(shí)驗(yàn)獲??；表示·大于檢測門限η時為存在目標(biāo)和干擾的假設(shè)H1條件，·小于檢測門限η時為只有干擾的假設(shè)H0條件；表示取最大值時·的值，表示目標(biāo)幅度的未知常量α的最大似然估計(jì)值。最后，將關(guān)于目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式進(jìn)行化簡，得到化簡后關(guān)于目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式：其中，u0表示目標(biāo)的待檢測單元回波z0的N-M-1個脈沖的相參脈沖序列回波，u0＝[z0(M+1),…,z0(i),…,z0(N)]T，z0(i)表示目標(biāo)的待檢測單元回波z0中第i個脈沖處的回波，H表示(N-M)×(N-M)維冪等矩陣，I表示(N-M)×(N-M)維單位矩陣，u0′＝Hu0，u0′表示目標(biāo)的待檢測單元回波z0的N-M-1個脈沖的相參脈沖序列回波的投影，Y0表示目標(biāo)的待檢測單元回波z0的(N-M)×M維相參脈沖序列回波，Y0′表示目標(biāo)的待檢測單元回波z0的(N-M)×M維相參脈沖序列回波的投影，Y0′＝HY0；q＝[p(M+1),…,p(i),…,p(N)]T，p(i)表示雷達(dá)接收的N個脈沖相參脈沖序列的導(dǎo)向矢量p中第i個脈沖處的導(dǎo)向矢量值，η表示設(shè)定的目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式的檢測門限，a表示M階自回歸模型復(fù)的自回歸參數(shù)向量，M表示低階自回歸模型的階數(shù)；P表示(N-M)×M維相參脈沖序列回波的導(dǎo)向矢量矩陣，每一行元素從左至右依次遞減，每一列元素從上至下依次遞增，其中第一行第一列元素p(M)表示雷達(dá)接收的N個脈沖相參脈沖序列的導(dǎo)向矢量p中第M個脈沖處的導(dǎo)向矢量值，第N-M行第M列元素p(N-M)表示表示雷達(dá)接收的N個脈沖相參脈沖序列的導(dǎo)向矢量p中第N-M個脈沖處的導(dǎo)向矢量值。步驟5，根據(jù)基于低階自回歸模型的第l個脈沖處的相參脈沖序列n(l)，計(jì)算得到不包含目標(biāo)的K個距離單元訓(xùn)練數(shù)據(jù)的聯(lián)合概率密度函數(shù)f(z1,…,zK|a,σ2)，進(jìn)而計(jì)算得到復(fù)白高斯噪聲的方差σ2的最大似然估計(jì)其中，z1表示第1個距離單元的訓(xùn)練數(shù)據(jù)，zK表示第K個距離單元的訓(xùn)練數(shù)據(jù)。具體地，所述不包含目標(biāo)的K個距離單元訓(xùn)練數(shù)據(jù)的聯(lián)合概率密度函數(shù)f(z1,…,zK|a,σ2)，其表達(dá)式為：uk表示第k個距離單元中N-M-1個脈沖處的相參脈沖序列回波，z1表示第1個距離單元的訓(xùn)練數(shù)據(jù)，zK表示第K個距離單元的訓(xùn)練數(shù)據(jù)，uk＝[zk(M+1),…,zk(i),…,zk(N)]T，zk(i)表示第k個距離單元中第i個脈沖處的回波；Yk表示第k個距離單元的(N-M)×M維相參脈沖序列回波矩陣，每一行元素從左至右依次遞減，每一列元素從上至下依次遞增，其中第一行第一列元素zk(M)表示第k個距離單元中第M個脈沖處的回波，第N-M行第M列元素zk(N-M)表示第k個距離單元中第N-M個脈沖處的回波，M表示低階自回歸模型的階數(shù)，N表示雷達(dá)接收到的相參脈沖序列包含的脈沖個數(shù)，K表示假設(shè)的一組不包含目標(biāo)的訓(xùn)練數(shù)據(jù)包含的距離單元個數(shù)。并對該不包含目標(biāo)的K個距離單元訓(xùn)練數(shù)據(jù)的聯(lián)合概率密度函數(shù)f(z1,…,zK|a,σ2)取對數(shù)，得到不包含目標(biāo)的K個距離單元訓(xùn)練數(shù)據(jù)的聯(lián)合概率密度函數(shù)對數(shù)lnf(z1,…,zK|a,σ2)，然后，將不包含目標(biāo)的K個距離單元訓(xùn)練數(shù)據(jù)的聯(lián)合概率密度函數(shù)對數(shù)lnf(z1,…,zK|a,σ2)對復(fù)白高斯噪聲的方差σ2求導(dǎo)，并令求導(dǎo)后的式子為0，進(jìn)而計(jì)算得到復(fù)白高斯噪聲的方差σ2的最大似然估計(jì)其表達(dá)式為：σ^2=1(N-M)KΣk=1K(uk+Yka)H(uk+Yka).]]>步驟6，根據(jù)復(fù)白高斯噪聲的方差σ2的最大似然估計(jì)計(jì)算得到M階自回歸模型復(fù)的自回歸參數(shù)向量a的最大似然估計(jì)具體地，將復(fù)白高斯噪聲的方差σ2的最大似然估計(jì)帶入不包含目標(biāo)的K個距離單元訓(xùn)練數(shù)據(jù)的聯(lián)合概率密度函數(shù)lnf(z1,…,zK|a,σ2)中，計(jì)算得到包含M階自回歸模型復(fù)的自回歸參數(shù)向量a的因子式Q(a)，然后計(jì)算在所述自回歸參數(shù)向量a的因子式Q(a)中M階自回歸模型復(fù)的自回歸參數(shù)向量a的最小值，并將所述M階自回歸模型復(fù)的自回歸參數(shù)向量a的最小值，作為M階自回歸模型復(fù)的自回歸參數(shù)向量a的最大似然估計(jì)其表達(dá)式為：Yk表示第k個距離單元的(N-M)×M維相參脈沖序列回波矩陣，uk表示第k個距離單元中N-M-1個脈沖處的相參脈沖序列回波。步驟7，根據(jù)化簡后關(guān)于目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式、復(fù)白高斯噪聲的方差σ2的最大似然估計(jì)和M階自回歸模型復(fù)的自回歸參數(shù)向量a的最大似然估計(jì)計(jì)算得到基于自回歸模型的自適應(yīng)匹配濾波表達(dá)式TR。然后將所述基于自回歸模型的自適應(yīng)匹配濾波表達(dá)式TR的值與基于自回歸模型的自適應(yīng)匹配濾波檢測門限η′作比較：如果所述基于自回歸模型的自適應(yīng)匹配濾波表達(dá)式TR的值大于所述自適應(yīng)匹配濾波檢測門限η′，則存在目標(biāo)和干擾的假設(shè)H1成立，即目標(biāo)的待檢測單元z0中存在目標(biāo)；反之，則只有干擾的假設(shè)H0成立，即目標(biāo)的待檢測單元z0中沒有目標(biāo)。具體地，將復(fù)白高斯噪聲的方差σ2的最大似然估計(jì)和M階自回歸模型復(fù)的自回歸參數(shù)向量a的最大似然估計(jì)帶入步驟4中得到的所述化簡后關(guān)于目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式中，計(jì)算得到基于自回歸模型的自適應(yīng)匹配濾波表達(dá)式TR，η′表示基于自回歸模型的自適應(yīng)匹配濾波檢測門限，η′＝lnη/[K(N-M)]，表示·大于η′時為存在目標(biāo)和干擾的假設(shè)H1條件，·小于η′時為只有干擾的假設(shè)H0條件η表示設(shè)定的目標(biāo)的待檢測單元回波z0的廣義似然比檢驗(yàn)表達(dá)式的檢測門限。然后將所述基于自回歸模型的自適應(yīng)匹配濾波表達(dá)式TR的值與基于自回歸模型的自適應(yīng)匹配濾波檢測門限η′作比較：如果所述基于自回歸模型的自適應(yīng)匹配濾波表達(dá)式TR的值大于所述自適應(yīng)匹配濾波檢測門限η′，則存在目標(biāo)和干擾的假設(shè)H1成立，即目標(biāo)的待檢測單元z0中存在目標(biāo)；反之，則只有干擾的假設(shè)H0成立，即目標(biāo)的待檢測單元z0中沒有目標(biāo)。通過以下仿真實(shí)驗(yàn)對本發(fā)明效果作進(jìn)一步驗(yàn)證說明。(一)實(shí)驗(yàn)環(huán)境和內(nèi)容實(shí)驗(yàn)環(huán)境：實(shí)驗(yàn)環(huán)境：MATLABR2010b，Intel(R)Pentium(R)2CPU2.7GHz，Window7旗艦版。實(shí)驗(yàn)內(nèi)容：在高斯雜波環(huán)境中，應(yīng)用本發(fā)明對目標(biāo)進(jìn)行檢測，門限以及檢測概率分別采用105和104次蒙特卡洛實(shí)驗(yàn)獲得，信干噪比定義為SINR＝|α|2pHR-1p，R是干擾的協(xié)方差矩陣，p表示雷達(dá)接收的N個脈沖相參脈沖序列的導(dǎo)向矢量。(二)實(shí)驗(yàn)結(jié)果當(dāng)雷達(dá)接收到的相參脈沖序列包含的脈沖個數(shù)為10時，使用本發(fā)明檢測方法以及傳統(tǒng)的自適應(yīng)匹配濾波方法得到的不同信雜比條件下進(jìn)行檢測，得到的檢測概率結(jié)果對比圖如圖2至圖4所示，圖2是不包含目標(biāo)的訓(xùn)練數(shù)據(jù)數(shù)為2個距離單元時分別使用本發(fā)明方法和傳統(tǒng)的自適應(yīng)匹配濾波方法在不同信噪比下得到的檢測概率結(jié)果圖，圖3是不包含目標(biāo)的訓(xùn)練數(shù)據(jù)數(shù)為8個距離單元時分別使用本發(fā)明方法和傳統(tǒng)的自適應(yīng)匹配濾波方法在不同信噪比下得到的檢測概率結(jié)果圖，圖4是不包含目標(biāo)的訓(xùn)練數(shù)據(jù)數(shù)為20個距離單元時分別使用本發(fā)明方法和傳統(tǒng)的自適應(yīng)匹配濾波方法在不同信噪比下得到的檢測概率結(jié)果圖。其中，在圖2和圖3中，本發(fā)明檢測方法采用的不包含目標(biāo)訓(xùn)練數(shù)據(jù)數(shù)目分別為2個距離單元和8個距離單元。由于傳統(tǒng)的自適應(yīng)匹配濾波方法中的采樣協(xié)方差矩陣在訓(xùn)練數(shù)據(jù)數(shù)目比回波數(shù)目小時，產(chǎn)生秩缺失，無法實(shí)現(xiàn)。因此圖2和圖3中，傳統(tǒng)的自適應(yīng)匹配濾波方法采用較大的訓(xùn)練數(shù)據(jù)數(shù)10。圖4中，本發(fā)明檢測方法和傳統(tǒng)檢測方法的訓(xùn)練數(shù)據(jù)距離單元數(shù)目均采用20。從圖2和圖3可以看出，雖然傳統(tǒng)的自適應(yīng)檢測方法采用較大的訓(xùn)練數(shù)據(jù)數(shù)目，自適應(yīng)匹配濾波方法仍然存在嚴(yán)重的檢測性能損失；然而，即使在訓(xùn)練數(shù)據(jù)嚴(yán)重缺失的情況下，本發(fā)明提出的自適應(yīng)檢測方法仍具有較好的檢測性能，并且相比于傳統(tǒng)的自適應(yīng)檢測方法有較大的性能提高。從圖4可以看出，當(dāng)不包含目標(biāo)的訓(xùn)練數(shù)據(jù)距離單元數(shù)目進(jìn)一步加大，得到兩倍的雷達(dá)回波數(shù)目時，傳統(tǒng)的自適應(yīng)檢測方法的檢測性能有明顯改善，此時傳統(tǒng)檢測方法相對于本發(fā)明提出的自適應(yīng)檢測方法的性能損失有所減少；因此本發(fā)明方法能有效地實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)缺失情況下的目標(biāo)檢測，從而減少得到良好檢測性能所需的訓(xùn)練數(shù)據(jù)數(shù)目。綜上所述，仿真實(shí)驗(yàn)驗(yàn)證了本發(fā)明的正確性，有效性和可靠性。顯然，本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種改動和變型而不脫離本發(fā)明的精神和范圍；這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。當(dāng)前第1頁1 2 3