复杂环境下认知雷达信息几何检测理论与方法研究

Target detection in complex environment is a hot problem and also a difficult problem in the field of radar signal processing. The complexities of the environment result in the invalidation of the conventional detection methods based on the Gaussian statistics. Based on the information geometry theory, the signal detection problem can be transformed into the gemometric structure analysis of statistical manifolds, and the conclusions are more profound and nature than those based on classical information theory and statstical theory. In the project, the cognitive radar is regard as a research object, and the target detection problem is considered in complex enviroment including non-Gaussian behavior, non-homogeneous environment, small sample size and steering vector mismathes. The knowledge aided detector design, prior information update, cognitive transimiter optimization and cognitive dynamic modeling for coastal environment are studied by breaking through some of key problems, such as cognitive feedback mechanism, cognitive parameters optimization, strorage and index of prior information. The complete theory and methods of cognitive radar information geometry detection under complex environments are proposed. The development and the prospective achievements of the project will promote radar target detection theory towards the development of intelligent, and have important theory significances and the practical values in the research of feature radar technology.

复杂环境下目标检测问题是当前雷达信号处理领域的热点问题，也是难点问题。环境的复杂性导致了常规的基于高斯统计特性的检测方法失效。基于信息几何理论，将信号检测问题转换为统计流形的几何结构分析问题，从而可以得到比现有信息论和统计学经典理论更深刻、更本质的结论。本项目以认知雷达作为研究对象，分别考虑探测环境中的非高斯性、非均匀性，以及小样本条件和导向矢量失配情况下的目标检测问题，研究认知雷达目标检测过程中的知识辅助检测器设计、先验信息更新、认知发射优化、海岸环境下的认知动态建模等内容，重点突破认知反馈机制、认知过程参数优化、先验信息存储与检索等几个关键问题，提出一套完整的复杂环境下的认知雷达信息几何检测理论与方法。本项目的开展及其预期研究成果可以促进雷达目标探测理论智能化发展，对未来雷达技术研究也具有十分重要的理论意义和实际价值。

复杂电磁环境下的目标探测是雷达信号处理领域的热点问题，也是难点问题。本项目结合信息几何理论，以认知雷达为研究对象，开展雷达在复杂电磁环境下的目标探测问题的研究。开展了基于闭环迭代框架的认知雷达信号检测问题的研究，雷达从每次回波中获取探测环境的信息，利用这些信息优化雷达系统参数，并随着迭代次数的增加，雷达系统能够与探测环境相匹配。为此，将雷达探测环境的感知、雷达系统参数的优化、雷达检测性能评估等构成一个闭环迭代处理过程。研究表明，在保证指定探测性能的前提下，可以有效降低雷达探测次数。开展了基于统计流形上近似推断的认知雷达复杂探测环境的感知问题的研究。认知雷达对探测环境的感知可以用环境模型参数的后验密度表示，为此分别针对压制式宽带干扰和欺骗式子空间干扰的探测场景，对探测环境建立分层贝叶斯统计模型，采用变分贝叶斯方法等，获得复杂探测环境模型参数的近似后验分布。开展了基于凸优化方法的复杂环境下的雷达参数选择问题的研究。针对目标不确定性导致的导向矢量失配情况、频谱拥挤环境、以及动态目标，考虑了发射波形、发射功率和接收机滤波器的优化问题。开展了基于信息几何理论的认知雷达目标探测问题的研究。将黎曼距离测度应用于简单假设和复合假设中，得到了距离检测器并分析了检测性能。针对参考数据受污染情况下协方差矩阵估计问题，利用干扰抑制能力约束条件下的半定规划方法，获得每个参考单元的协方差矩阵，再利用正定矩阵流形上的不同的距离定义，将这些协方差矩阵估值的几何重心作为待检测单元的协方差矩阵。针对无源探测问题，提出了一种基于厄尔米特正定矩阵流形上的黎曼度量的距离检测器，仿真分析表明该检测器的性能在数据量较少时优于KLD检测器。本项目的开展及其预期研究成果可以促进雷达目标探测理论智能化发展，对未来雷达技术研究也具有十分重要的理论意义和实际价值。