1.一种基于黎曼流形的单基地MIMO雷达目标检测方法,其特征在于,包括下列步骤:步骤一,单基地MIMO雷达接收端接收的信号为:其中,ar(θ)=[1,e-j2πsin(θ)d/λ,…,e-j2πsin(θ)(N-1)d/λ]T为接收导向矢量,at(θ)=[1,e-j2πsin(θ)d/λ,…,e-j2πsin(θ)(M-1)d/λ]T为发射导向矢量,θ为波达方向角,λ为信号波长,d为阵元间距离,(·)T表示矩阵的转置;β为单快拍下的目标散射系数;S为M个发射波形组成的归一化正交矩阵,且SSH=IM,(·)H表示矩阵的共轭转置;Z是高斯白噪声矩阵;
对接收到的信号X进行匹配滤波和矢量化,处理后得到单快拍下的接收信号矢量为:y=aβ+z
其中, 为MN×1维发射-接收联合导向矩阵, 为Kronecker积;z为处理后的MN×1维的噪声向量;
步骤二:在单快拍下,基于黎曼流形的单基地MIMO雷达目标检测方法的二元假设模型为:
H0:y=z
H1:y=aβ+z
其中,H0表示仅存在噪声的情况,H1表示信号和噪声同时存在的情况;
步骤三:构造单快拍下接收信号的统计协方差矩阵,采用正则burg递推法求解接收信号的统计协方差矩阵,方法过程如下:令单快拍下的接收信号矢量为:y=[y1,…,yMN]T接收信号矢量的统计协方差矩阵R可表示为一个MN×MN维的正定的托普利兹、厄密特矩阵,即:
其中,(·)H表示矩阵的共轭转置,矩阵中的每个元素采用如下正则burg递推方法进行估计:
r1=P1,
r2=-a2P1,
其中, Rk-1表示从R截取的(k-1)×(k-1)维子阵,根据AR模型的burg递推法,可得到预测误差功率P1、P2、Pk-1以及burg模型系数a1、a2、ak-1;
步骤四:推导噪声统计协方差矩阵时,首先获得每个参考单元的噪声矢量,表示为:z=[z1,…,zMN]T与计算接收信号统计协方差矩阵过程相同,利用正则burg递推法得到噪声矢量的统计协方差矩阵Rz为:
Rz=E[zzH]
步骤五:假设黎曼流形上存在任意两个满足正定和厄米特对称的矩阵Rm和Rn,那么这两个矩阵Rm和Rn之间的黎曼距离可表示如下:其中,tr(·)表示矩阵的迹;
步骤六:用 表示从第l个参考单元噪声数据通过正则burg递推计算得到的噪声统计协方差矩阵Rz,收集总共L个参考单元的噪声数据,计算噪声统计协方差矩阵的黎曼均值MR,过程如下:首先求出L个噪声统计协方差矩阵的算术平均矩阵:根据黎曼流形的等距映射,定义函数:M1=M1/2
对 进行奇异值分解,并将左、右奇异值矩阵U和V与噪声协方差矩阵相乘,得到:此时,黎曼均值为:
M'=M1'M1'H
设置局部阈值为ε,精度h为:h=d(M',M)
其中,d(M',M)表示M'与M之间的黎曼距离,若h>ε,用M'代替M继续迭代;若h<ε,迭代中止,此时得出黎曼均值为MR=M';
步骤七:利用基于黎曼流形的目标检测方法,将接收信号的统计协方差矩阵R与噪声黎曼均值矩阵MR之间进行黎曼距离运算,并将其作为检测统计量为T,即:T=d(R,MR)
步骤八:根据虚警概率以及噪声z的统计分布计算阈值,定义虚警概率Pfa与阈值rα的关系式为:
根据虚警概率Pfa值求出阈值rα,其中α为置信度;
步骤九:基于黎曼流形的单基地MIMO雷达目标检测的判决规则为:
2.根据权利要求1所述的一种基于黎曼流形的单基地MIMO雷达目标检测方法,其特征在于,所述步骤三中接收信号矢量的统计协方差矩阵R的具体推到步骤如下:单快拍下的接收信号矢量为:y=[y1,…,yMN]T对单快拍下接收信号y的统计协方差矩阵的每个元素进行正则burg计算,根据AR模型的burg递推法,首先设置前、后向预测误差以及预测误差功率的初始值:f0=b0=y
定义前向误差fm和后向误差bm的递推关系表示如下:fm=fm-1+kmbm-1*
其中,m=1,2,…,MN为AR模型阶次,(·) 表示复数共轭,km为反射系数,表达式为:其中, 分别为fm、bm从第p行开始截取的子向量,根据反射系数及Levinson-Durbin公式,得出正则burg递推法模型系数的表达式为:am=km
计算此时的预测误差功率为:Pm=(1-|km|2)Pm-1利用如下正则burg递推方法估计y的统计协方差矩阵中每个元素:r1=P1,
r2=-a2P1,
其中, Rk-1表示从R截取的(k-1)×(k-1)维子阵,然后得到单快拍下对应的接收信号矢量的统计协方差矩阵:其中,(·)H表示矩阵的共轭转置。