非高斯背景下距离扩展目标多层次信号自适应智能检测技术研究

高距离分辨率(HRR)雷达目标回波表现为"距离扩展目标"的形式，点目标检测方法不再适用，而背景杂波也呈现明显的非高斯特征。本项目在非高斯背景下，从不同雷达信号层次出发，研究距离扩展目标的自适应智能检测技术，并利用实测数据进行有效性验证，主要包括：①针对雷达回波复信号，研究非高斯协方差矩阵估计方法，将距离扩展目标检测等效为非线性二元分类问题，在考虑恒虚警率处理的基础上，建立基于支持向量机的自适应智能检测技术。②针对目标一维距离像特点，利用目标回波的非平稳性，依据信号自身特点自适应选择基函数，在不同尺度或Hilbert谱图上提取目标特征，在控制虚警率的前提下，建立基于经验模态分解的自适应智能检测技术。.上述研究的突破，可望进一步提高HRR雷达的检测性能，为目标探测提供有效的理论方法和技术手段。同时，研究成果还适合对分布在不同距离单元上具有相同径向速度的点目标群进行检测，具有很好的推广应用前景。

高距离分辨率雷达距离扩展目标检测成为近年来雷达信号处理界的热点和难点问题之一。由于传统点目标检测方法和高斯背景对距离扩展目标检测不再适用，本项目研究了非高斯背景下距离扩展目标多层次信号自适应智能检测技术，主要工作和成果包括：. 1)构建并分析了距离扩展目标检测相关模型。. 2)针对自适应检测所面临的非高斯杂波协方差矩阵结构估计问题，基于杂波分组模型，提出了一种约束迭代估计器；通过引入矩阵迹的约束规则，并在迭代过程中利用所有辅助数据，提高了估计精度，加快了迭代过程的收敛速率，减少了获得稳定估计矩阵的计算量。在有限迭代次数条件下，对于杂波分组匹配的情况，所提出的估计器所对应的检测器能保持对杂波协方差矩阵结构和纹理分量的恒虚警率(CFAR)特性，且对估计杂波分组大小失配情况具有很好的鲁棒性和检测性能。. 3)在雷达杂波背景未知情况下，采用单类支持向量机，提出一种距离扩展目标自适应智能融合检测方法。该方法无需对杂噪背景进行统计建模，避免了与杂噪环境的失配，检测环境适应性强，能适用于正负样本数量严重不对称的雷达目标检测环境，且运算量更小，具有较强的泛化能力。. 4)在强杂噪干扰环境下，根据目标能量在回波一维距离像的局部内禀模态函数分量中相对集中的特点，提出了基于局部内禀模态特征矩阵奇异值有序统计融合的距离扩展目标智能检测方法。该方法避免了强杂噪的大特征值可能产生的干扰，检测环境适应性强，且具有可调的多分辨率，对微弱距离扩展目标特征提取能力更强、检测性能更好。. 5)为了优化检测性能，通过充分利用目标散射点分布的先验信息，基于有序统计检测和广义似然比检验理论，设计了基于有序统计量的距离扩展目标检测器；推导了虚警概率解析表达式，证明了检测器的CFAR特性。为了进一步减小在估计目标散射点个数小于实际值时的检测损失，提出了基于动态阈值的检测器。在估计目标散射点个数失配条件下，提高了检测鲁棒性。. 6)利用实测数据对主要检测器进行了性能分析和验证。. 利用该项目的研究成果，可望进一步提高高距离分辨率雷达的检测性能，充分发挥其高距离分辨率的优势，对探测隐身和低空突防目标具有重要的理论意义和实用价值；同时，该项目的研究成果还适合对分布在不同距离单元上具有相同径向速度的目标群进行检测，具有很好的推广应用价值。