CN115390027B 非均匀杂波下目标知识辅助智能融合检测方法 （中国人民解放军海军航空大学）

非均匀杂波下目标知识辅助智能融合检测本发明公开了一种非均匀杂波下目标知识据提高了未知杂波斜对称协方差矩阵结构的估均匀杂波下子空间斜对称广义似然比检验检测虚警率特性的同时检测性能优于现有非结构化距离扩展目标子空间检测器和斜对称距离扩展雷达对弱小目标的检测性能，具有推广应用价2步骤1从K个待检测距离单元获取主数据Z，从与待检测距离对称协方差矩阵结构M求导并置零，获得有目标假设下未知杂波斜对称协方差矩阵结构的最大似然估计，同时获得无目标假设下未知杂波斜对称协方差矩阵结构的最大似然估计；利用有目标假设下Z和ZR的联合概率密度函数对目标变换坐标矩阵求导并置零，获得未知J表示斜对角线元素为1其他元素均为0的N×N维置换矩阵；γ表步骤2通过求解有目标假设和无目标假设下特征值方程的唯一正值解，分别获得有目然估计代入步骤1获得的子空间斜对称广义似然比检验中间统计量，在中间统计量中分别融合检测器的检测统计量λ;在无目标假设H0和有目标假设H1下，未知杂波功率因子γ的最大似然估计和是如k,0和λk,1分别表示矩阵和的第k步骤3为保持检测方法的恒虚警率特性，根据预设的虚警3为后续其他待检测距离单元的辅助数据；反之若λ<T，则判定当前待检pp非均匀杂波下目标知识辅助智能融合检测器的检测统计量λ表其中，和分别表示无目标假设和有目标假设下杂波功率因子γ的最大似然估计，2K表示2K×2K维的单位矩阵。4待检测距离单元与参考距离单元中杂波分量拥有相同的协方差矩阵结构和不同的功率水脉冲串的雷达接收机，其杂波协方差矩阵存在特殊的斜对称结构。基于Rao和Wald检验准5协方差矩阵估计精度，通过优选检验准则构建具有闭合形式的距离扩展目标智能检测器，波斜对称协方差矩阵结构M求导并置零，获得有目标假设下未知杂波斜对称协方差矩阵结6本条件下距离扩展目标自适应检测提供了有(·)分别表示取实部和虚部，和分别表示m×n维的实数矩阵集H表示共轭转置。7[0027]上式联合利用主数据和辅助数据提高了未知杂波斜对称协方差矩阵结构的估计[0030]上式联合利用主数据和辅助数据提高了未知杂波斜对称协方差矩阵结构的估计[0033]利用有目标假设H1下Z和ZR的联合概率密度函数对目标变换坐标矩阵Bp求导并置为[0038]步骤2通过求解有目标假设和无目标假设下特征值方程的唯一正值解，分别获得大似然估计代入步骤1获得的子空间斜对称广义似然比检验中间统计量，在中间统计量中的唯一正值解，可获得有目标假设下未知杂波功率因子γ的最大似然估计同时获得无8[0042]其中，[0043]将假设H1和假设H0下未知杂波功率因子的最大似然估计和代入式(10)，分别替换有目标假设和无目标假设下未知杂波功率因子分子中的γ,经过简化运算，可得非均匀杂波下目标知识辅助智能融合检测器的检测统计[0045]本方明方法的检测器也称为非均匀杂波下子空间斜对称广义似然比检验检测器为后续其他待检测距离单元的辅助数据；反之若λ<T，则判定当前待检测距离单实现非均匀杂波环境小样本条件下距离扩展目标自适应检测提大目标或检测以相同速度运动的空间邻近点目标群(舰艇编队、飞机编队、车辆编队等情9[0055]图2是本发明方法与已有非结构化距离扩展目标子空间检测器的检测性能对比ppp假设下主数据和辅助数据联合概率密度函数式(5)；将H0假设下主数据和辅助数据联合概设下主数据和辅助数据联合概率密度函数对杂波斜对称协方差矩阵结构M求导并置零，依据式(7)得到H0假设下M的最大似然估计i,.另一方面，将Zp和送至H1假设下主数据和辅助数据联合概率密度函数模块，根据Zp和获得H1假设下主数据和辅助数据联合概率密度将送至H1假设下坐标矩阵的最大似然估计模块，利用有目标假设下Z和ZR的联合概率密度函数对目标变换坐标矩阵求导并置零，依据式(9)获得未知目标变换坐标矩阵B的最大p信息，联合利用主数据和辅助数据提高了未知海杂波斜对称协方差矩阵结构的估计精度，计将未知杂波功率因子的最大似然估计代入步骤A1获得的子空间斜对称广义似然比检验中间统计量，在中间统计量中分别替换有目标假设和无目标假设下未知杂波功率因子，判定当前K个待检测距离单元不存在目标，主数据作为后续其他待检测距离单元的辅助数pp假设下主数据和辅助数据联合概率密度函数式(5)；将H0假设下主数据和辅助数据联合概设下主数据和辅助数据联合概率密度函数对杂波斜对称协方差矩阵结构M求导并置零，依据式(7)得到H0假设下M的最大似然估计另一方面，将Zp和送至H1假设下主数据和辅p将送至H1假设下坐标矩阵的最大似然估计模块，利用有目标假设下Z和ZR的联合概率密度函数对目标变换坐标矩阵求导并置零，依据式(9)获得未知目标变换坐标矩阵B的最大p信息，联合利用主数据和辅助数据提高了未知地杂波斜对称协方差矩阵结构的估计精度，i,送至H1假设下功率系数的最大似然估计模块，依据式(11)得到H1假设下γ的最大似然估计j。将未知杂波功率因子的最大似然估计代入步骤B1获得的子空间斜对称广义似然比检验中间统计量，在中间统计量中分别替换有目标假设和无目标假设下未知杂波功率因子，[007