自適應檢測算法的性能分析及應用.pdf

1、現(xiàn)代戰(zhàn)爭中，雷達面臨著“四大威脅”：低空/超低空突防、隱身飛機、電子干擾和高速反輻射導彈。雷達探測低空/超低空目標時會收到地面/海面反射的雜波。而高分辨率雷達或低掠視角下的地雜波和海雜波通常為非高斯的。隱身飛機通過涂抹吸波材料和特殊的外形顯著減小了雷達橫截面積，從而使其難以被探測到。電子干擾信號可讓敵方雷達迷盲，造成虛假目標從而使得雷達不能正確實施告警。如何提高雷達在非高斯雜波/電子干擾背景下的（弱）目標檢測能力是一個急需解決的問題。本

2、論文研究了非高斯背景下的自適應目標檢測算法，利用極化分集和多輸入多輸出（MIMO：Multiple-Input Multiple-Output）技術提出了改善傳統(tǒng)檢測算法性能的方法，同時也探討了存在干擾時的分布式目標檢測問題。本文的主要貢獻分為以下四個部分：
　　1、部分均勻環(huán)境中的自適應子空間檢測算法
　　在部分均勻環(huán)境中，研究了非起伏型和起伏型目標模型下的自適應子空間檢測算法，其中噪聲的協(xié)方差矩陣未知，需要用一組輔助數(shù)據(jù)

3、來估計。證明了非起伏型目標模型下由單步法和兩步法設計的自適應檢測器完全相同。這一結論在均勻噪聲環(huán)境中并不成立。特別地，得到了自適應子空間檢測器的初等函數(shù)有限和形式的虛警概率。它可以簡化檢測門限的確定。另外，還推導出了自適應子空間檢測器的近似和精確檢測概率。如果在評估檢測性能時對檢測概率的精度要求不是特別高，推薦使用簡單易算的近似檢測概率表達式，否則就使用精確的檢測概率表達式。
　　2、自適應檢測算法的性能優(yōu)化
　　證明了四種

4、自適應檢測算法的檢測概率是單參數(shù)的嚴格單調遞增函數(shù)，而這一參數(shù)又與雷達發(fā)射脈沖的性質有關。通過選取最優(yōu)的雷達發(fā)射波形使這一參數(shù)最大化，從而可以改善檢測性能。在極化雷達體制下，首先建立了極化雷達的回波數(shù)據(jù)模型。然后，根據(jù)提出的準則最優(yōu)選取雷達發(fā)射脈沖的極化方式，從而獲得了明顯的檢測性能增益。
　　3、MIMO雷達自適應檢測算法
　　在噪聲協(xié)方差矩陣已知的情形下分析了MIMO匹配濾波檢測器的檢測性能，推導出了這種檢測器的虛警概率

5、和檢測概率。當噪聲協(xié)方差矩陣未知時，根據(jù)廣義似然比檢驗利用一組輔助數(shù)據(jù)得到了MIMO-廣義似然比檢驗檢測器，并且得到了該檢測器的虛警概率表達式。對給定的虛警概率，可以利用所得到的虛警概率表達式計算這兩種檢測器的檢測門限。
　　4、存在干擾時的分布式目標檢測算法
　　分析了子空間干擾加高斯白噪聲背景下分布式目標檢測算法的性能。在噪聲功率已知和未知的情形下，分別利用第一類分布式匹配子空間檢測器和第二類分布式匹配子空間檢測器來檢測