一種基于對稱譜特性的穩(wěn)健空時檢測方法
【專利摘要】本發(fā)明涉及信號檢測領域，尤其涉及一種基于對稱譜特性的穩(wěn)健空時檢測方法，在一個實施例中，包括：由聲納接收回波數(shù)據(jù)，并將混響背景條件下的目標檢測歸納為二元假設檢驗；基于對稱譜特性，將所述二元假設檢驗轉換成等價的實值二元復合假設檢驗；基于所述實值二元復合假設檢驗，獲得有目標情況下，所述回波數(shù)據(jù)中主數(shù)據(jù)和輔助數(shù)據(jù)的聯(lián)合概率密度函數(shù)；基于所述聯(lián)合概率密度函數(shù)，得到譜對稱RAO檢測統(tǒng)計量，用以完成對目標的檢測。本發(fā)明方法在設計中就考慮了混響功率譜的對稱特性，將其融入檢測統(tǒng)計量，實現(xiàn)對該先驗信息的有效利用，大幅提高了非均勻環(huán)境下空時自適應檢測(STAD)的檢測性能。
【專利說明】
一種基于對稱譜特性的穩(wěn)健空時檢測方法
技術領域
[0001] 本發(fā)明涉及信號檢測領域，尤其設計一種基于對稱譜特性的穩(wěn)健空時檢測方法。
【背景技術】
[0002] 混響是海底、海面的不平整性和海水中隨機分布的不均勻性散射造成的，是魚雷 等運動聲納干擾的主要原因之一。不同于海洋噪聲，混響是由發(fā)射信號引起的，其譜結構與 發(fā)射信號具有一定的相似性，而且運動聲納波束觸及界面，混響將從不同的錐角入射，造成 多普勒的擴展，無法運用平臺自身運動補償技術予以完全消除。對于這種特性的混響，應聯(lián) 合考慮空域與頻域上的抑制方法，并能根據(jù)環(huán)境做出調整，這就是空時自適應處理方法。 1973年Brennan首次提出了空時自適應處理(STAP)概念，并證明STAP能夠很好地結合空域 和時域處理的優(yōu)勢，獲得較為理想的雜波抑制性能。隨后Reed等提出了樣本協(xié)方差矩陣求 逆(SMI)檢測器，從而在理論上將STAP發(fā)展成為一種濾波和檢測有機結合的方法，稱為空時 自適應檢測（STAD)方法。STAD實現(xiàn)了混響抑制與目標檢測的一體化，與先混響抑制后檢測 的STAP方法相比，STAD更能有效地利用觀測數(shù)據(jù)，檢測性能更優(yōu)。
[0003] 近年來，STAD在運動聲納領域的研究非常活躍，尤其是高斯分布混響背景下點目 標的STAD檢測問題，許多經(jīng)典的檢測方法都可以應用過來，包括最大似然比檢驗(GLRT)、自 適應匹配濾波器(AMF)和自適應相干估計器(ACE)等。值得說明的是，這些傳統(tǒng)方法基于一 個很重要的前提假設，就是可以獲得足夠多的均勻輔助數(shù)據(jù)，用以估計待測單元(主數(shù)據(jù)） 的混響協(xié)方差矩陣，構造自適應檢測統(tǒng)計量。輔助數(shù)據(jù)的均勻性是指與主數(shù)據(jù)具有相同的 混響協(xié)方差矩陣，為確保這個特性，輔助數(shù)據(jù)通常從與主數(shù)據(jù)臨近的距離單元選取。
[0004] 對于單基地聲納，其混響的功率譜密度通常具有以零多普勒為中心的對稱特性， 但現(xiàn)有的檢測方法均沒有對這一先驗知識加以利用。而且在實際應用中，運動聲納經(jīng)常會 工作在非均勻環(huán)境，這時可獲得的均勻輔助數(shù)據(jù)長度將非常有限。以上兩種原因導致現(xiàn)有 方法的檢測性能將大幅下降，如何提高非均勻環(huán)境下STAD的穩(wěn)健性，一直是運動聲納工作 者亟待解決的一個難題。
[0005] 為解決該問題，本發(fā)明提出一種利用先驗知識的穩(wěn)健空時檢測方法，所利用的先 驗知識就是混響功率譜的對稱性。本發(fā)明方法在設計中就考慮了這個特性，將其融入檢測 統(tǒng)計量，實現(xiàn)對該先驗信息的有效利用，大幅提高了非均勻環(huán)境下STAD的檢測性能。

【發(fā)明內容】

[0006] 本發(fā)明的目的是實現(xiàn)對混響功率譜的對稱性這一先驗信息的高效利用，有效提高 運動聲納在非均勻背景下的性能。
[0007] 為實現(xiàn)上述目的，本發(fā)明實施例提供了一種利用對稱譜特性的穩(wěn)健空時檢測方 法，步驟如下：
[0008] 由聲納接收回波數(shù)據(jù)，并將混響背景條件下的目標檢測歸納為二元假設檢驗問 題;基于對稱譜特性，將所述二元假設檢驗轉換成等價的實值二元復合假設檢驗;基于所述 實值二元復合假設檢驗，獲得有目標情況下，所述回波數(shù)據(jù)中主數(shù)據(jù)和輔助數(shù)據(jù)的聯(lián)合概 率密度函數(shù);基于所述聯(lián)合概率密度函數(shù)，得到譜對稱RAO檢測統(tǒng)計量，用以完成對目標的 檢測。
[0009] 優(yōu)選地，所述由聲納接收回波數(shù)據(jù)，并將混響背景條件下的目標檢測歸納為二元 假設檢驗，包括：由N個陣元組成的線陣接收K個長度的回波數(shù)據(jù)，并將混響背景條件下的目 標檢測歸納為二元假設檢驗：
[0010]
[0011]其中，出和出分別代表無目標假設和有目標存在假設;p = Pl+jp^N維的目標標稱 導向向量，pi和P2分別為它的實部和虛部;(61 = (^+ja2是接收的目標信號幅度，為未知確定參 數(shù)，ai和CX2分別是它的實部和虛部;11 = 111+加2，111< = 1111<+加21<是獨立同分布的、零均值贈隹復合 高斯混響向量，nlk和n2k分別為實部和虛部;z表示待檢測單元數(shù)據(jù)，又稱主數(shù)據(jù);&表示長度 為K的均勻輔助數(shù)據(jù)。
[0012] 優(yōu)選地，所述基于對稱譜特性，將所述二元假設檢驗轉換成等價的實值二元復合 假設檢驗，包括:根據(jù)混響功率譜的對稱特性，將所述二元假設檢驗轉換成等價的實值二元 復合假設檢驗：
[0013]
[0014]其中，出和出分別代表無目標假設和有目標存在假設;ρ#Ρρ2分別為目標標稱導向 向量的實部和虛部;αι和a2分別是接收的目標信號幅度的實部和虛部;m、n2、nik和n2k是獨立 同分布的、零均值N維復合高斯混響向量; 21和22表示待檢測單元數(shù)據(jù)，又稱主數(shù)據(jù);zlk和z2k 表示長度為K的均勻輔助數(shù)據(jù)。
[0015] 優(yōu)選地，所述基于所述實值二元復合假設檢驗，獲得有目標情況下，所述回波數(shù)據(jù) 中主數(shù)據(jù)和輔助數(shù)據(jù)的聯(lián)合概率密度函數(shù)，包括：
[0016] 基于所述實值二元復合假設檢驗，在有目標情況下，主數(shù)據(jù)Z= [ Z1，Z2 ]和輔助數(shù)據(jù) Ζκ= [Z11,…，Zlk，Z2r··，Ζ2Κ]的聯(lián)合概率密度函數(shù)為：
[0017]
[0018] 其中，W表矩陣或向量的轉置操作；ui = ζι-α^+αφ〗，U2 = Ζ2-αιρ2_α2ρι; 51 =心思 為基于輔助數(shù)據(jù)的采樣協(xié)方差矩陣;det( ·)和tr( ·)分別代表矩陣的行列式和矩陣跡;Θ 是Ν(Ν-1)/2+2維的參數(shù)列向量，即#_=[武，劣f，其中信號參數(shù)向量冗余參數(shù)列 向量Θ Β由協(xié)方差矩陣Μ的實值元素構成，維數(shù)為N(N-1 )/2。
[0019] 優(yōu)選地，所述基于所述聯(lián)合概率密度函數(shù)，獲得譜對稱RA0方法，用以完成對目標 的檢測，包括：
[0020] 根據(jù)所述聯(lián)合概率密度函數(shù)和Fisher信息矩陣，獲得譜對稱RA0檢測統(tǒng)計量;利用 所述譜對稱RAO檢測統(tǒng)計量，完成對目標的檢測。
[0021 ]優(yōu)選地，根據(jù)以下公式，完成對目標的檢測：
[0022]
[0023]其中，η為檢測門限值，τ代表矩陣或向量的轉置操作，#為^情況下協(xié)方差矩陣Μ的 最大似然估計，pdPp2分別為目標標稱導向向量的實部和虛部，α#Ρα2分別是接收的目標信 號幅度的實部和虛部，Ho表示無目標情況，出表示有目標情況， 21和22表示待檢測單元數(shù)據(jù)， 又稱主數(shù)據(jù)。
[0024]本發(fā)明具有以下優(yōu)點：
[0025] (1)-種新的基于先驗知識的空時自適應檢測方法，所利用的先驗知識是混響功 率譜的對稱特性；
[0026] (2)在設計過程中，對混響功率譜的對稱特性利用是通過將二元復合假設檢驗問 題從復數(shù)域轉換到實數(shù)域實現(xiàn)的。該轉換將輔助數(shù)據(jù)長度增加一倍，有效提高了混響協(xié)方 差矩陣估計的精度。
[0027] (3)本發(fā)明假設可以獲得一組均勻輔助數(shù)據(jù)，用以估計待測單元的混響協(xié)方差矩 陣，從而構造自適應檢測方法；
[0028] (4)本發(fā)明方法假設目標方向是已知的，用以計算標稱導向向量。
【附圖說明】
[0029] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn) 有技術描述中所需要使用的附圖作簡要地介紹。顯而易見地，下面附圖中反映的僅僅是本 發(fā)明的一部分實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還 可以根據(jù)這些附圖獲得本發(fā)明的其他實施例。而所有這些實施例或實施方式都在本發(fā)明的 保護范圍之內。
[0030] 圖1為本發(fā)明實施例提供的基于對稱譜特性的穩(wěn)健空時檢測流程圖；
[0031] 圖2為本發(fā)明實施例借助蒙特-卡羅仿真方法，在虛警概率Pfa=l(T4，N = 8，K=16 情況下，本發(fā)明與傳統(tǒng)GLRT、AMF和ACE檢測器檢測概率Pd和SRR的關系曲線；
[0032]圖3為本發(fā)明實施例借助蒙特-卡羅仿真方法，在虛警概率Pfa= 1(T4，N = 8，K= 12 情況下，本發(fā)明與傳統(tǒng)GLRT、AMF和ACE檢測器檢測概率Pd和SRR的關系曲線；
[0033]圖4為本發(fā)明實施例借助蒙特-卡羅仿真方法，在虛警概率Pfa=l(T4，N=8，K<R_ 況下，本發(fā)明的檢測性能。
【具體實施方式】
[0034] 下面通過附圖和實施例，對本發(fā)明的技術方案做進一步的詳細描述。
[0035] 運動聲納目標的空時目標檢測實際上是一個二元假設檢驗問題，它包括有目標假 設和無目標假設，然后根據(jù)相應的檢驗準則（如GLRT準則和RA0準則)求解該問題，得到檢測 統(tǒng)計量?；祉懝β首V的對稱特性暗示混響協(xié)方差矩陣是一個實值矩陣，這一特殊的結構允 許我們將二元假設檢驗問題從復數(shù)域轉換到實數(shù)域，該轉換相當于將輔助數(shù)據(jù)的長度增加 一倍，將有效提高混響協(xié)方差矩陣估計的精度。對于轉換后的假設問題，基于RA0檢驗準則， 本發(fā)明提出一種新的多亮點目標檢測方法，稱之為譜對稱RAO方法。選用RAO準則的原因有 兩點：一是相比于GLRT準則，RA0準則需要估計的未知參數(shù)更少;二是設計簡便，計算復雜度 往往更小。
[0036] 圖1為本發(fā)明實施例提供的基于對稱譜特性的穩(wěn)健空時檢測流程圖，如圖1所示， 一種基于對稱譜特性的穩(wěn)健空時檢測方法，具體步驟為：
[0037] 步驟S10,由聲納接收回波數(shù)據(jù)，并將混響背景條件下的目標檢測歸納為二元假設 檢驗。
[0038] 具體地，假設回波數(shù)據(jù)是由N個陣元組成的線陣接收，在一個實施例中，由N個陣元 組成的線陣接收K個長度的回波數(shù)據(jù)，并將混響背景條件下的點目標檢測歸納為二元假設 檢驗：
[0039]
( 1 )
[0040]其中，出和出分別代表無目標假設和有目標存在假設;p = Pl+jp^N維的目標標稱 導向向量，pi和P2分別為它的實部和虛部;(61 = (^+ja2是接收的目標信號幅度，為未知確定參 數(shù)，ai和CX2分別是它的實部和虛部;11 = 111+加2，111< = 1111<+加21<是獨立同分布的、零均值贈隹復合 高斯混響向量(mk和n2k分別為實部和虛部）， H代表矩陣或向量的共輒轉置操作，；z表示待檢 測單元數(shù)據(jù)，又稱主數(shù)據(jù);zk表示長度為K的均勻輔助數(shù)據(jù)，它與主數(shù)據(jù)具有相同的混響協(xié) 方差矩陣可]=可％] = 。
[0041] 步驟S20,基于對稱譜特性，將步驟S10中的二元假設檢驗轉換成等價的實值二元 復合假設檢驗。
[0042] 值得指出的是，由于混響具有以零多普勒為中心的對稱功率譜，則步驟S10中主數(shù) 據(jù)和輔助數(shù)據(jù)的混響協(xié)方差矩陣Mo為實值。即在（1)式中，我們將混響建模為均值為零、混 響協(xié)方差矩陣為實值的復合高斯混響向量，這暗示著η和n k的實部和虛部之間的協(xié)方差為 零。由此我們可以推斷m、n2、nik和n2k是獨立同分布的高斯向量，其均值為零，此時，混響協(xié) 方差矩陣變?yōu)镸，且Μ = 并且（1)式可以轉換成下面等價的實值二元復合假設檢驗問 題：
[0043]
( 2 )
[0044] 顯然，與（1)式相比，（2)式中輔助數(shù)據(jù)的長度增加一倍，這是利用混響功率譜對稱 特性這一先驗知識的結果。相應地，求解(2)式所得到的檢測方法必將具有更好的穩(wěn)健性。
[0045] 步驟S30，基于步驟S20中的實值二元復合假設檢驗，獲得有目標情況下，回波數(shù)據(jù) 中主數(shù)據(jù)和輔助數(shù)據(jù)的聯(lián)合概率密度函數(shù)。
[0046] 具體地，基于步驟S20中的實值二元復合假設檢驗，在有目標情況下，主數(shù)據(jù)Ζ = [Ζ1，Ζ2]和輔助數(shù)據(jù)Ζκ=[ζ?1, . . .，Z1K，Z21. . .，Ζ2Κ]的聯(lián)合概率密度函數(shù)為：
[0047]
( 3 )
[0048] 其中，了代表矩陣或向量的轉置操作；ui = zi-aipi+c^p〗，U2 = Ζ2-αιρ2_α2ρι; $ = 為基于輔助數(shù)據(jù)的采樣協(xié)方差矩陣;det( ·)和tr( ·)分別代表矩陣的行列式和矩陣跡;θ 是Ν(Ν-1)/2+2維的參數(shù)列向量，即獲，其中信號參數(shù)向量冗余參數(shù)列 向量ΘΒ由混響協(xié)方差矩陣Μ的實值元素構成，維數(shù)為Ν(Ν-1)/2,由于其具體排列方式對推導 過程無影響，所以這里不予討論。
[0049] 步驟S40,基于步驟S30中的聯(lián)合概率密度函數(shù)，得到譜對稱RA0檢測統(tǒng)計量，用以 完成對目標的檢測。
[0050] 具體包括以下步驟：
[0051 ] (1)根據(jù)步驟S30聯(lián)合概率密度函數(shù)和Fisher信息矩陣，獲得譜對稱RA0檢測統(tǒng)計 量。
[0052] 為了便于下面的推導，我們給出Fisher信息矩陣，用J(0)表示，其逆陣可以表示 為：
[0053]
(4 )
[0054] 其中，塊矩陣 = ⑷)-(設)]乂，0 是 N(N_l)/2+2 維的參數(shù)列向 量，即沒=[C€f，其中信號參數(shù)向量，冗余參數(shù)列向量θΒ由協(xié)方差矩陣Μ的實 值元素構成，維數(shù)為Ν(Ν-1)/2。
[0055] 對于(2)中的檢測問題，RAO檢驗統(tǒng)計量可表示為：
[0056]
( 5 )
[0057] 其中Inf (Z，Ζκ | Θ，出)為f (Z，Ζκ | Θ，出)的自然對數(shù)，4 = [0 。f Λ。表示Ho情況下ΘΒ的最大似然估計，η是由虛警概率Pfa確定的檢測門限值。容易求得：
[0058] 一 . ⑷
[0059] 其中，分別代表相對于~和^的偏導數(shù)。
[0000]進一步的推導需要計算Fisher信息矩陣的塊矩陣：
[0061] 因為，
[0062]
(7)
[0063] 其中，12表示2X2的單位方陣，02,N(N- 1)/2表示維數(shù)為2XN(N_l)/2的零矩陣。經(jīng)推導 可得到塊矩陣：
[0064]
( 8 ).
[0065] 另外，易知出情況下Μ的最大似然估計為愈=+ + z2z【。綜上，將(6)，（7)和(8) 代入(5)可得，譜對稱RAO方法的最終表達式為：
[0066]
? 9 )
[0067] 其中，η為檢測門限值/代表矩陣或向量的轉置操作，分為^情況下協(xié)方差矩陣Μ的 最大似然估計，pdPp2分別為目標標稱導向向量的實部和虛部，α#Ρα 2分別是接收的目標信 號幅度的實部和虛部，Ho表示無目標情況，出表示有目標情況，21和 22表示待檢測單元數(shù)據(jù)， 又稱主數(shù)據(jù)。
[0068] 上述公式(9)即為譜對稱RA0檢測統(tǒng)計量。
[0069] (2)利用所述譜對稱RA0檢測統(tǒng)計量，完成對目標的檢測。
[0070] 具體地，根據(jù)公式(9)，完成對目標的檢測，即在混響背景下，完成目標數(shù)據(jù)和訓練 數(shù)據(jù)的自動篩選。
[0071] 本發(fā)明借助蒙特-卡羅仿真方法來分析譜對稱RA0方法的檢測性能，并與傳統(tǒng)檢測 器GLRT、AMF和ACE進行比較。其中，虛警概率Pfa和檢測概率Pd的仿真次數(shù)分別為100/Pf3和 1〇4,足以提供可靠的仿真結果?；祉懩Ｐ筒捎贸Ｒ姷闹笖?shù)相關復合高斯模型，實值協(xié)方差 矩陣M = 0.9Ul1，其中，（i，j)為矩陣元素的坐標。虛警概率Pfa=l(T4,信混比定義為SRR = pi1?，標稱目標導向矢量p = [ 1，. . .，1 ]T/N，其中[· 表轉置操作。
[0072]圖2和圖3分別給出了 N = 8時兩種K值情況下四種檢測器檢測概率Pd和SRR的關系 曲線。由這兩幅圖可以看出，譜對稱RA0方法的性能明顯優(yōu)于其它三種傳統(tǒng)的檢測器，而且 輔助數(shù)據(jù)長度越小，性能優(yōu)勢越明顯。例如當K = 16時，Pd = 0.9譜對稱RA0方法相對于GLRT 方法的檢測增益是2.8dB，而當K減小到12時，這個增益增加到5. ldB?？梢姡侠淼乩没祉?譜的對稱性可以有效提高高分辨聲納系統(tǒng)的檢測性能，尤其是小樣本輔助數(shù)據(jù)的情況。
[0073]圖4給出了譜對稱RA0方法K<N情況下的檢測性能，從圖中可以看出，隨著K值的增 大，譜對稱RA0方法具有更好的性能。這里需要強調的是，本發(fā)明的方法通過將二元假設檢 驗問題從復數(shù)域轉換到實數(shù)域，等效于將輔助數(shù)據(jù)長度增加一倍，從而放寬了對輔助數(shù)據(jù) 長度的要求，即K彡N/2。而對于傳統(tǒng)檢測器，則要求K彡N，不能在這種情況工作。
[0074]對于運動聲納系統(tǒng)，傳統(tǒng)的STAD方法在設計過程中沒有考慮混響功率譜的對稱特 性，忽視了對這一先驗知識的利用，其穩(wěn)健性有待進一步提高，以滿足實際應用的需求。為 解決這一問題，本發(fā)明方法在設計過程中就考慮了這個特性，將其融入檢測統(tǒng)計量，實現(xiàn)對 該先驗知識的有效利用，大幅提尚非均勾環(huán)境下STAD的檢測性能。
[0075] 專業(yè)人員應該還可以進一步意識到，結合本文中所公開的實施例描述的各示例的 單元及算法步驟，能夠以電子硬件、計算機軟件或者二者的結合來實現(xiàn)，為了清楚地說明硬 件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。 這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術方案的特定應用和設計約束條件。 專業(yè)技術人員可以對每個特定的應用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn) 不應認為超出本發(fā)明的范圍。
[0076] 結合本文中所公開的實施例描述的方法或算法的步驟可以用硬件、處理器執(zhí)行的 軟件模塊，或者二者的結合來實施。軟件模塊可以置于隨機存儲器(RAM)、內存、只讀存儲器 (ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動磁盤、CD-ROM、或技術領域 內所公知的任意其它形式的存儲介質中。
[0077]以上所述的【具體實施方式】，對本發(fā)明的目的、技術方案和有益效果進行了進一步 詳細說明，所應理解的是，以上所述僅為本發(fā)明的【具體實施方式】而已，并不用于限定本發(fā)明 的保護范圍，凡在本發(fā)明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含 在本發(fā)明的保護范圍之內。
【主權項】
1. 一種基于對稱譜特性的穩(wěn)健空時檢測方法，其特征在于，所述方法包括： 由聲納接收回波數(shù)據(jù)，并將混響背景條件下的目標檢測歸納為二元假設檢驗； 基于對稱譜特性，將所述二元假設檢驗轉換成等價的實值二元復合假設檢驗； 基于所述實值二元復合假設檢驗，獲得有目標情況下，所述回波數(shù)據(jù)中主數(shù)據(jù)和輔助 數(shù)據(jù)的聯(lián)合概率密度函數(shù)； 基于所述聯(lián)合概率密度函數(shù)，得到譜對稱RAO檢測統(tǒng)計量，用W完成對目標的檢測。2. 根據(jù)權利要求1所述的方法，其特征在于，所述由聲納接收回波數(shù)據(jù)，并將混響背景 條件下的目標檢測歸納為二元假設檢驗問題，包括： 由N個陣元組成的線陣接收K個長度的回波數(shù)據(jù)，并將混響背景條件下的目標檢測歸納 為二元假設檢驗：其中， 化和化分別代表無目標假設和有目標存在假設； P = P1+化2是腺隹的目標標稱導向向量，P1和P2分別為它的實部和虛部； a = ai+ja2是接收的目標信號幅度，αι和〇2分別是它的實部和虛部； n = ni+jn2，nk=nik+化2k是獨立同分布的、零均值Ν維復合高斯混響向量，mk和mk分別為 實部和虛部； Z表示待檢測單元數(shù)據(jù)，又稱主數(shù)據(jù);zk表示長度為K的均勻輔助數(shù)據(jù)。3. 根據(jù)權利要求1所述的方法，其特征在于，所述基于對稱譜特性，將所述二元假設檢 驗轉換成等價的實值二元復合假設檢驗，包括： 根據(jù)混響功率譜的對稱特性，將所述二元假設檢驗轉換成等價的實值二元復合假設檢 驗：其中， 化和化分別代表無目標假設和有目標存在假設； P1和P2分別為目標標稱導向向量的實部和虛部； 曰1和02分別是接收的目標信號幅度的實部和虛部； ni、n2、ruk和ri2k是獨立同分布的、零均值N維復合高斯混響向量； Z1和Z2表示待檢測單元數(shù)據(jù)，又稱主數(shù)據(jù);Zlk和Z2k表示長度為K的均勻輔助數(shù)據(jù)。4. 根據(jù)權利要求1所述的方法，其特征在于，所述基于所述實值二元復合假設檢驗，獲 得有目標情況下，所述回波數(shù)據(jù)中主數(shù)據(jù)和輔助數(shù)據(jù)的聯(lián)合概率密度函數(shù)，包括： 基于所述實值二元復合假設檢驗，在有目標情況下，主數(shù)據(jù)ZS [ Z1，Z2 ]和輔助數(shù)據(jù)Ζκ^ [Ζ11，. . .，Ζ1Κ，Ζ21. . .，Ζ2Κ]的聯(lián)合概率密度函數(shù)為：其中， τ代表矩陣或向量的轉置操作； U1 二 Ζ廣則P1+Q2P2 , U2 二 Ζ2-α巧廠〇迎1; 《= 為基于輔助數(shù)據(jù)的采樣協(xié)方差矩陣； det( ·)和tr( ·)分別代表矩陣的行列式和矩陣跡； Θ是N(N-l)/2+2維的參數(shù)列向量，即伊=促，《f，其中信號參數(shù)向量θΑ=[αι，α2]τ，冗余 參數(shù)列向量Θβ由混響協(xié)方差矩陣Μ的實值元素構成，維數(shù)為Ν(Ν-1)/2。5. 根據(jù)權利要求1所述的方法，其特征在于，所述基于所述聯(lián)合概率密度函數(shù)，獲得譜 對稱RAO檢測統(tǒng)計量，用W完成對目標的檢測，包括： 根據(jù)所述聯(lián)合概率密度函數(shù)和Fisher信息矩陣，獲得譜對稱RAO檢測統(tǒng)計量； 利用所述譜對稱RAO檢測統(tǒng)計量，完成對目標的檢測。6. 根據(jù)權利要求1或4所述的方法，其特征在于，根據(jù)W下公式，完成對目標的檢測：其中，η為檢測口限值，T代表矩陣或向量的轉置操作，放為出情況下協(xié)方差矩陣Μ的最大 似然估計，Ρ1和Ρ2分別為目標標稱導向向量的實部和虛部，αι和02分別是接收的目標信號幅 度的實部和虛部，冊表示無目標情況，Hi表示有目標情況，Ζ1和Ζ2表示待檢測單元數(shù)據(jù)，又稱 主數(shù)據(jù)。
【文檔編號】G01S7/527GK105974400SQ201610270233
【公開日】2016年9月28日
【申請日】2016年4月27日
【發(fā)明人】郝程鵬, 施博, 陳棟, 魏曉俊, 侯朝煥
【申請人】中國科學院聲學研究所