欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025116954249
申请人: 无锡学院
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种主瓣干扰背景下的失配信号稳健检测方法,其特征在于,包括:获取待检测信号;其中,所述待检测信号包括真实目标信号加噪声信号、或主瓣干扰信号加噪声信号、或噪声信号;

根据所述待检测信号,构建多元假设检验问题;其中,所述待检测信号所在的子空间表示为:;

其中,表示张成信号所在子空间的第个导向向量,表示发射导向矢量,表示接收导向矢量,表示未知的子空间信号距离模糊数,表示已知的张成信号所在子空间的角度,表示已知的第个张成信号所在子空间的角度,表示角度序号;

采用似然比检测准则和模型阶数选择准则,构建惩罚检测器,对所述多元假设检验问题进行求解,得到所述待检测信号的检测统计量;在求解的过程中,对未知参数进行估计,估计结果用于求解所述多元假设检验问题;其中,所述未知参数包括信号复坐标系数矢量、子空间信号距离模糊矢量和距离门序号;

根据所述检测统计量,得到距离门估计结果和模糊数估计结果;判断所述模糊数估计结果与预设的目标所在距离模糊区域先验信息是否相等,如果相等,则所述待检测信号中存在真实目标,并得到目标所在距离门位置,如果不相等,则所述待检测信号中不存在真实目标。

2.根据权利要求1所述的主瓣干扰背景下的失配信号稳健检测方法,其特征在于,所述多元假设检验问题表示为:;

其中,表示零假设,即不存在感兴趣信号的假设,表示假设有个感兴趣信号,表示距离门采样信号,表示训练样本数据,表示第个距离门内的接收噪声数据,表示第个训练样本数据中的噪声数据,表示距离门序号的整数集合,表示训练样本数据序号的整数集合,表示待检测信号所在的子空间,表示信号子空间的维度,表示发射阵元个数,表示接收阵元个数,表示信号复坐标系数矢量,表示感兴趣信号所在距离门序号集合。

3.根据权利要求2所述的主瓣干扰背景下的失配信号稳健检测方法,其特征在于,所述惩罚检测器表示为:;

;

;

;

;

;

;

;

其中,表示检测统计量,表示待检测信号矩阵,表示与模型阶数选择准则相关的惩罚项,表示信号数估计结果下的假设,表示检测阈值,表示子空间信号距离模糊数矢量,表示整数,表示假设下待检测信号的概率密度函数,表示待检测信号窗的长度,表示共轭转置算子,表示距离门采样信号,表示训练样本数据的个数,表示第个训练样本数据,表示假设下待检测信号的对数似然比,表示零假设下待检测信号的概率密度函数,表示假设下待检测信号中剔除目标信号后数据的自相关矩阵,表示假设下待检测信号自相关矩阵,表示估计的背景协方差矩阵,表示假设的感兴趣信号个数。

4.根据权利要求3所述的主瓣干扰背景下的失配信号稳健检测方法,其特征在于,所述模型阶数选择准则包括贝叶斯信息准则和广义信息准则,所述与模型阶数选择准则相关的惩罚项表示为:;

表示基于贝叶斯信息准则的惩罚项;

表示基于广义信息准则的惩罚项;

其中,表示未知信号个数,包括个信号复坐标系数、个子空间信号距离模糊数和个距离门序号,表示广义信息准则的可调因子,表示接收子空间的维度。

5.根据权利要求3所述的主瓣干扰背景下的失配信号稳健检测方法,其特征在于,对所述信号复坐标系数矢量进行估计,包括:对表达式中的信号复坐标系数矢量进行最大化处理,得到信号复坐标系数矢量的估计结果,表示为:;

其中,表示感兴趣信号所在距离门序号集合,表示中第个元素对应的距离门接收的数据,表示距离门的索引。

6.根据权利要求5所述的主瓣干扰背景下的失配信号稳健检测方法,其特征在于,对所述子空间信号距离模糊矢量进行估计,包括:将所述信号复坐标系数矢量的估计结果带入表达式中,得到:;

针对第个距离门,子空间信号距离模糊数的估计结果表示为:;

其中,表示内第个元素对应的距离门内感兴趣信号的距离模糊数,表示雷达的模糊数识别能力。

7.根据权利要求4所述的主瓣干扰背景下的失配信号稳健检测方法,其特征在于,对所述距离门序号进行估计,包括:将所述待检测信号在接收维的功率进行从大到小的排序,选取前个距离门作为距离门序号的估计结果,针对第个距离门,计算所述待检测信号在接收维的功率,表示为:;

;

;

;

;

其中,表示对矩阵求迹,表示接收维信号所在的子空间,表示张成接收子空间的信号矢量的序号,表示张成接收子空间的信号矢量,表示张成接收子空间的角度,表示接收子空间的维度,表示重排的第个待检测单元的接收信号,,表示将列数据重排为矩阵数据的重排算子,表示第个待重排数据,表示重排后的训练样本数据协方差矩阵,表示训练样本个数,表示重排后第个训练样本数据矩阵;

所述距离门序号的估计结果表示为:

;

其中,表示信源数假设下基于距离门接收信号功率由大到小排序的距离门序号。

8.根据权利要求7所述的主瓣干扰背景下的失配信号稳健检测方法,其特征在于,对所述多元假设检验问题进行求解,得到所述待检测信号的检测统计量,包括:将所述信号复坐标系数矢量的估计结果、所述子空间信号距离模糊矢量的估计结果和所述距离门序号的估计结果、以及所述与模型阶数选择准则相关的惩罚项带入所述惩罚检测器,计算得到所述检测统计量。

9.根据权利要求8所述的主瓣干扰背景下的失配信号稳健检测方法,其特征在于,根据所述检测统计量,得到距离门估计结果和模糊数估计结果,包括:根据所述检测统计量中待检测信号数的估计结果,计算距离门和模糊数的估计结果,表示为:;

;

其中,表示距离门的估计结果,表示模糊数的估计结果,表示信号数估计结果为时第个距离门内信号模糊数估计结果。