辅助数据缺失环境下雷达距离扩展目标自适应检测方法研究

Due to the complicated environment variation in radar detection, the available secondary data become scarce in adaptive signal processing, which increases the complexity of adaptive detection of radar range-spread target. It has become one of difficulties in radar target detection field. The main contents of this study include: 1) Present range-spread target adaptive detectors based on multichannel autoregressive model, which can reduce the dependence on secondary data, by utilizing the low-order time correlation of interference. 2) Present range-spread target adaptive detectors based on persymmetric interference covariance matrix, which can enhance the data usability and lower the demands for secondary data, by appropriately decorrelating interference components. 3) Present Bayesian range-spread target adaptive detectors based on apriori information, which can compensate for the information loss due to insufficient secondary data, by efficiently modeling apriori distribution for interference covariance matrix. 4) Present range-spread target adaptive detectors based on structured characteristic and apriori information, which can improve the detection adaptability to scarce secondary data, by modeling compound interference involving multichannel autoregressive process, persymmetric structure and apriori distribution. The achievements can provide theoretical and technical supports for detecting targets of high range resolution radar and coordinated point-like targets of low/medium resolution radar in scarce secondary data scenarios.

雷达探测环境的复杂多变性，导致自适应信号处理所需的辅助数据缺失严重，使得雷达距离扩展目标自适应检测变得更加复杂，成为当前雷达目标检测领域的难点。本项目主要包括：1）提出基于多通道自回归模型的距离扩展目标自适应检测方法，利用干扰的低阶时间相关性，减小辅助数据依赖性；2）提出基于斜对称干扰协方差矩阵的距离扩展目标自适应检测方法，通过合理的干扰分量去相关处理，提高数据利用率，降低辅助数据需求量；3）提出基于先验信息的距离扩展目标Bayesian自适应检测方法，通过有效利用干扰协方差矩阵先验分布，补偿辅助数据缺失造成的信息损失；4）提出基于结构特征和先验信息的距离扩展目标自适应检测方法，建立基于多通道自回归、斜对称结构和先验分布的干扰复合模型，提高检测器对辅助数据缺失环境的自适应性。本项目研究成果可为辅助数据缺失环境下高距离分辨率雷达目标检测和低/中分辨率雷达协同点目标群检测提供理论和技术支撑。

雷达探测环境的复杂多变性，导致自适应信号处理所需的辅助数据缺失严重，使得雷达距离扩展目标自适应检测变得更加复杂，成为当前雷达目标检测领域的难点。本项目研究了辅助数据缺失环境下雷达距离扩展目标自适应检测方法，主要工作和成果包括：. 1) 研究了基于基于多通道自回归模型的自适应检测方法，提出了杂波协方差矩阵结构的融合迭代估计方法和基于多通道自回归模型的目标自适应检测方法，通过利用干扰的低阶时间相关性，降低了自适应检测对辅助数据的依赖性；. 2) 研究了基于斜对称干扰协方差矩阵的自适应检测方法，建立了广义杂波分组模型，提出了基于广义杂波分组的斜对称协方差矩阵估计方法、基于广义杂波分组的斜对称自适应检测方法和基于斜对称模型的结构化自适应检测方法，通过合理的干扰分量去相关处理，提高数据利用率，降低辅助数据需求量；. 3) 研究了基于先验信息的Bayesian自适应检测方法，提出了非高斯杂波下基于知识的Bayesian自适应检测方法、非均匀杂波协方差矩阵的Bayesian估计方法和非均匀杂波下基于知识的Bayesian自适应检测方法，通过有效利用干扰协方差矩阵先验分布，补偿辅助数据缺失造成的信息不足；. 4) 研究了基于结构特征和先验信息的自适应检测方法，提出了复合高斯杂波下基于先验信息的稀疏结构目标检测方法和过渡杂波环境下基于先验控制参数的目标自适应检测方法，提高检测器对辅助数据缺失环境的自适应性；. 利用该项目的研究成果，可望进一步提高宽带雷达在辅助数据缺失环境下的检测性能，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低/中分辨率雷达目标群进行协同检测，具有很好的推广应用前景。