基于顺序统计量的分布式雷达目标检测方法
文献发布时间:2024-04-18 20:01:30
技术领域
本发明属于雷达技术领域,涉及一种分布式雷达目标检测方法,具体涉及一种基于顺序统计量的分布式雷达目标检测方法。
背景技术
目标检测除了广泛应用于计算机视觉、声呐、红外传感等,在雷达技术中也是一个重要的应用领域。雷达目标检测是指雷达在感兴趣的分辨单元中根据回波信号按照预定程序进行目标检测的过程。
根据通信链路是否传输原始回波数据分类,分为集中式雷达和分布式雷达。集中式雷达系统中的融合中心拥有全部原始回波的观测信息,局部雷达传感器只负责接收和传输,所以其检测精度高,但也因数据量太大出现系统成本高、浪费局部雷达站资源等问题;然而分布式雷达可以通过先对全部原始回波的观测信息进行分析处理的方式有效地解决这一问题,这种做法不会传输全部原始信息,以此降低融合中心的数据量。因此,分布式雷达系统将是未来的发展趋势。
分布式雷达目标检测系统是由一个融合中心和多个雷达传感器构成,每个雷达传感器对接收的回波信号进行预处理形成局部统计量,并通过无线或者有线通信链路传输到融合中心,融合中心对其进行融合以判决目标是否存在。在接收回波信号中部分参数如信号的幅度、相位、噪声协方差未知的情况下,可以在局部雷达传感器中采用恒虚警(CFAR)算法对回波信号进行预处理。现有的分布式雷达目标检测方法通常采用单元平均恒虚警(CA-CFAR)技术,通过对测试窗口相邻的参考窗口观测值求平均以估计噪声功率。然而当参考窗口内存在强干扰目标时,会导致估计的噪声功率过高,从而抬高检测门限,导致漏警,使检测概率降低。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷,提出了一种基于顺序统计量的分布式雷达目标检测方法,旨在提高雷达目标在相同信噪比情况下的检测概率。
为实现上述目的,本发明采取的技术方案包括如下步骤:
(1)初始化分布式雷达目标检测系统:
初始化分布式雷达目标检测系统包括融合中心和分布在三维空间中的I个雷达传感器,融合中心的虚警概率为P
(2)每个雷达传感器对空间分辨单元的噪声功率进行估计:
每个雷达传感器r
(3)每个雷达传感器计算局部数据的概率密度函数:
每个雷达传感器r
(4)每个雷达传感器计算局部似然比统计量并发送:
每个雷达传感器r
(5)融合中心获取目标检测结果:
融合中心通过I个局部似然比统计量计算自己的最优统计量T
本发明与现有技术相比,具有如下优点:
本发明中每个雷达传感器通过对参考窗口观测值按升序的方式进行排序得到顺序统计量,并选取其中的一个顺序统计量作为噪声功率的估计以构建局部数据,避免了现有技术中当参考窗口内存在强干扰目标时导致估计的噪声功率过高且容易漏警的缺陷,在保证恒虚警特性的前提下有效提高了检测概率。
附图说明
图1为本发明的实现流程图;
图2为本发明与现有技术的检测概率的仿真对比图。
具体实施方式
以下结合附图和具体实施例,对本发明作进一步详细描述。
参照图1,本发明包括如下步骤:
步骤1)初始化分布式雷达目标检测系统:
初始化分布式雷达目标检测系统包括融合中心和分布在三维空间中的I个雷达传感器,融合中心的虚警概率为P
在本实施例中,融合中心的虚警概率P
步骤2)每个雷达传感器对空间分辨单元的噪声功率进行估计:
每个雷达传感器r
每个雷达传感器发射脉冲信号,并将接收到的信号通过采样器对空间分辨单元中的信号幅度进行采样,即将连续的模拟信号转换为离散的数字信号。
通常来说,目标幅度的起伏特性可以建模为Swerling I模型、Swerling II模型、Swerling III模型和Swerling IV模型。在本实施例中,目标幅度的起伏特性假设为Swerling I模型,所以对I、Q两路原始回波信号进行平方律检波后,空间分辨单元的观测值服从指数分布。因此,二元假设检验问题可以表述为:
其中,f(X
当μ
步骤3)每个雷达传感器计算局部数据的概率密度函数:
每个雷达传感器r
其中:雷达传感器r
虚警概率F和局部检测概率D,计算公式分别为:
其中,z为比例因子,S
f(Z
其中,
根据顺序统计量的性质可得Y
其中,
通过将虚警概率F和局部检测概率D代入,可得f(Z
步骤4)每个雷达传感器计算局部似然比统计量并发送:
每个雷达传感器r
其中:局部似然比统计量T
奈曼-皮尔逊准则是假设检验中的一种方法,旨在进行二项选择,即在给定两个可能的假设下选择其中一个。面对先验概率未知,代价函数也未知的情况下,奈曼-皮尔逊准则是最优的,其核心思想是,在控制虚警概率的前提下,最大化检测概率。所以在本实施例中,融合中心的最佳检验为似然比Λ(X)与门限的比较,其中
步骤5)融合中心获取目标检测结果:
融合中心通过I个局部似然比统计量计算自己的最优统计量T
其中:最优统计量T
计算分布式雷达系统的全局判决门限g,实现步骤为:
(5a)融合中心对目标不存在假设H
T
M[·]表示蒙特卡洛数值仿真方法;
(5b)融合中心基于T
g=T
其中,(·)
在噪声未知的情况下,基于顺序统计量的融合中心的最优统计量T
在本实施例中,对于已经获得的最优统计量T
下面结合仿真实验,对本发明的技术效果作详细说明。本发明与现有技术的检测概率的仿真对比图
1、仿真条件和内容:
在分布式雷达系统中,设置3个雷达传感器和一个融合中心,虚警概率设为10
仿真的硬件环境:CPU为AMD Ryzen 5 5625U with Radeon Graphics,主频为2.3Ghz,主存为16GB。软件环境:Windows 11家庭中文版,MATLAB R2023a仿真软件。
采用10
2、仿真结果分析:
参照图2,横坐标是三个局部雷达传感器的总信噪比S
综上所述,本发明丰富了分布式检测领域,在保证恒虚警特性的前提下,能够提高雷达目标在相同信噪比情况下所达到的检测概率。