(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211292343.0 (22)申请日 2022.10.20 (71)申请人 中国人民解 放军海军航空大 学 地址 264001 山东省烟台市二马路18 8号 (72)发明人 简涛　何佳　王海鹏　刘军　 赵凌业　王哲昊　 (74)专利代理 机构 烟台上禾知识产权代理事务 所(普通合伙) 37234 专利代理师 赵加鑫 (51)Int.Cl. G01S 13/88(2006.01) G01S 7/36(2006.01) G06F 17/18(2006.01) G06F 17/16(2006.01) (54)发明名称 子空间干 扰下雷达目标智能融合检测方法 (57)摘要 本发明属于宽带雷达信号处理技术领域， 具 体涉及一种子空间干扰下雷达目标智能融合检 测方法。 针对现有宽带雷达距离扩展目标自适应 检测器难以兼顾算法计算复杂 度、 CFAR特性和检 测性能的难题， 基于Gra dient检测准则构建具有 闭合形式的子空间干扰下雷达目标智能融合检 测方法， 在保证CFAR特性的同时， 兼顾距离扩展 目标自适应检测算法的计算复杂度、 智能抗干 扰、 失配鲁棒性和检测性能等多方面需求， 提升 复杂干扰环境下多通道宽带雷达对弱小目标和 失配目标的自适应 检测性能。 权利要求书2页 说明书8页 附图2页 CN 115508828 A 2022.12.23 CN 115508828 A 1.一种子空间干扰下 雷达目标智能融合检测方法， 其特 征在于， 包括以下步骤： 步骤1.从K个待检测距离单元获取主数据Z， 从与待检测距离单元临近的R个参考距离 单元获取R个辅助数据； 假定杂波协方差矩阵M、 目标坐标矩阵P和干扰坐标矩阵Q均未知； 在 无目标假设情况下， 求解杂波协方差矩阵M和干扰坐标矩阵Q的最大似然估计； 在有目标假 设情况下， 求解目标参数向量的最大似然估计； 步骤2.在有目标假设下， 利用主数据Z和辅助数据Y的复高斯联合概率密度函数对目标 参数向量求偏导， 并将步骤1中得到的无目标假设下的杂波协方差矩阵M和干扰坐标矩阵Q 的最大似然估计代入到求导结果； 然后 将该求导结果与有目标假设下目标参数向量的最大 似然估计代入到距离扩展目标Gradient检测统计量， 构建子空间干扰下雷达目标智能融合 检测方法的检测统计量 λ； 步骤3.根据预设的虚警概率设置检测门限T； 将检测统计量λ与检测门限T进行比较， 若 λ≥T， 则判定当前待检测距离单元存在距离扩展目标， 主数据不作为后续其他待检测距离 单元的辅助数据； 反之若λ<T， 则判定当前待检测距离单元不存在距离扩展目标， 主数据作 为后续其他待检测距离单 元的辅助数据。 2.根据权利要求1所述的一种子空间干扰下雷达目标智能融合检测方法， 其特征在于， 所述步骤1中具体包括： 通过无目标假设下主数据Z和辅助数据Y的复高斯联合概偏率密度函数对杂波协方差 矩阵M求导， 并将求导结果置于零， 得到无目标假设下给定干扰坐标矩阵Q时杂波协方差矩 阵M的最大似然估计为： 其中， (·)H表示共轭转置， S＝YYH表示样本协方差矩阵， 辅助数据Y表示为N ×R维复矩 阵Y＝[y1,y2,...,yR]， 第t个参考距离单元的N ×1维复向量yt(t＝1,2,...,R)满足 主数据Z表示为N ×K维复矩阵Z＝[z1,z2,...,zK]， 第t个待检测距离单元 中的N×1维接收复信号表示为zt＝st+jt+ct(t＝1,2,...,K)， 其中N ×1维目标复信号向量st 和N×1维干扰复向量jt均假定为确定性的， 分别表示为st＝Ηpt和jt＝Jqt， Η和J分别为已 知的列满秩N ×p维目标信号子空间复矩阵和N ×q维干扰信号子空间复矩阵， p ×1维复向量 pt和q×1维复向量qt分别表示目标信号和干扰信号的未知复坐 标向量， 第t个待检测距离单 元中N×1维杂波向量ct是零均值复圆高斯向量， 表示 为 t＝1,2,. ..,K。 3.根据权利要求2所述的一种子空间干扰下雷达目标智能融合检测方法， 其特征在于， 所述步骤1中具体还 包括： 在无目标假设下干扰坐标矩阵Q的最大似然估计为： 其中， 分别表示m ×n维复数矩阵集 合。 4.根据权利要求2所述的一种子空间干扰下雷达目标智能融合检测方法， 其特征在于， 所述步骤1中具体还 包括： 在有目标假设H1下目标参数向量的最大似然估计 为：权　利　要　求　书 1/2 页 2 CN 115508828 A 2其中， vec函数实现矩阵的向量化, IN表示N ×N维单位矩阵。 5.根据权利要求4所述的一种子空间干扰下雷达目标智能融合检测方法， 其特征在于， 所述步骤2中具体包括： 所述构建的子空间干扰下 雷达目标智能融合检测方法的检测统计量 为： 其中， tr函数表示取方阵的迹， IK代表K×K维单位矩 阵。权　利　要　求　书 2/2 页 3 CN 115508828 A 3