本發(fā)明屬于雷達(dá)領(lǐng)域，尤其涉及高頻雷達(dá)一階海雜波區(qū)目標(biāo)檢測及多目標(biāo)檢測增強技術(shù)，具體為一種基于稀疏恢復(fù)空時譜估計的高頻雷達(dá)目標(biāo)檢測方法。

背景技術(shù)：

高頻地波雷達(dá)作為一種新興的海洋監(jiān)測技術(shù)，具有超視距、大范圍、全天候以及低成本等優(yōu)點，被認(rèn)為是一種能實現(xiàn)對各國專屬經(jīng)濟區(qū)監(jiān)測進(jìn)行有效監(jiān)測的高科技手段。各臨海發(fā)達(dá)國家均進(jìn)行了研發(fā)投入，并實施了多年的對比驗證和應(yīng)用示范。而海洋監(jiān)管不僅只是主權(quán)保護，也同樣包括搜索和救援(馬航事件)，以及交通管理等。而傳統(tǒng)的監(jiān)控手段卻受到很多物理限制。比如，岸基微波雷達(dá)只能夠沿視距傳播，探測距離受到較大限制。衛(wèi)星傳感器(比如合成孔徑雷達(dá))的時間分辨率較低，不能實現(xiàn)全天候觀測。高頻地波雷達(dá)在海洋監(jiān)管方面有著比傳統(tǒng)手段有顯著優(yōu)勢。

但高頻雷達(dá)嚴(yán)重的海雜波干擾直接影響中小尺寸船只的探測，甚至出現(xiàn)完全掩蓋目標(biāo)回波的情況。尤其是對于小型陣列寬波束雷達(dá)而言，復(fù)雜的海雜波信號更無法通過簡單的方法來有效抑制，使得雜波區(qū)目標(biāo)難以有效檢測。為增強雷達(dá)對于雜波區(qū)目標(biāo)的檢測能力，減少目標(biāo)大量漏檢的情況，通常有兩種處理方法：1)多站模式，j.hostmann和roarty.h等人通過多套雷達(dá)系統(tǒng)在不同方位觀測，

依賴視向角引起的多普勒頻移變化來檢測目標(biāo)，詳見文章[1]；

2)多頻模式，d.m.fernandez等人通過單套雷達(dá)多波段同時工作，依賴多普勒頻移、一階海雜波頻移與波長的關(guān)系差異來檢測目標(biāo)，詳見文章[2]。

但上述方法均要求對系統(tǒng)有所改進(jìn)，通過增加站點數(shù)或頻點數(shù)來增強探測性能。為降低成本，需要探究在不增加復(fù)雜性的情況下優(yōu)化探測性能的方法。對于海雜波區(qū)的目標(biāo)檢測，國內(nèi)關(guān)鍵[3]等人和加拿大的thayaparan[4]等人都提出了基于目標(biāo)與雜波的時頻調(diào)制特征差異的檢測方法，取得了一定效果。

[1]s.maresca,p.braca,j.horstmannetal.,“maritimesurveillanceusingmultiplehigh-frequencysurface-waveradars,”ieeetrans.geosci.remote.,vol.52,no.8,pp.5056-5071,aug,2014.

[2]d.m.fernandez,j.f.vesecky,d.e.barricketal.,“detectionofshipswithmulti-frequencyandcodarseasondehfradarsystems,”canjremotesens,vol.27,no.4,pp.277-290,2001.

[3]guanj,chenxl,huangy,etal.adaptivefractionalfouriertransform-baseddetectionalgorithmformovingtargetinheavyseaclutter[j].ietradarsonarnav.,2012,6(5):389-401.

[4]zhangy,qians,thayaparant.detectionofamanoeuvringairtargetinstrongseaclutterviajointtime-frequencyrepresentation[j].ietsignalprocess.,2008,2(3):216-22.

但上述方法依然存在著不足，對于高頻地波雷達(dá)而言，對目標(biāo)檢測造成嚴(yán)重干擾的海雜波與目標(biāo)除在長時間調(diào)制特征上不同外，空時二維分布同樣存在著差異，在優(yōu)化海雜波區(qū)目標(biāo)檢測方面利用這一特征具有重大功效。

技術(shù)實現(xiàn)要素：

本發(fā)明針對現(xiàn)有技術(shù)的不足，提供一種基于稀疏恢復(fù)空時譜估計的高頻雷達(dá)目標(biāo)檢測方法，填補在不增加系統(tǒng)復(fù)雜性和不借助先驗信息條件下檢測海雜波區(qū)目標(biāo)的技術(shù)空白，同時解決密集船只場景下的多目標(biāo)檢測技術(shù)難題。

本發(fā)明采用如下技術(shù)方案實現(xiàn)：

步驟1，確定空域和多普勒維的分辨尺度，將空時二維平面劃分為p*q個網(wǎng)格，計算每個網(wǎng)格上的空時導(dǎo)向矢量，生成空時導(dǎo)向字典φ，其中空時導(dǎo)向矢量與空域?qū)蚴噶縜(θn)和多普勒導(dǎo)向矢量aτ(ωn)的構(gòu)成關(guān)系為為克羅內(nèi)克積；

步驟2，對于高頻雷達(dá)回波數(shù)據(jù)進(jìn)行第一次fft，選擇待檢測距離單元的連續(xù)m個采樣點；按照每n個點形成一幀的做法，按通道展開拉直構(gòu)成個空時快拍矩陣y,表示向下取整；

步驟3，利用spgl1算法工具包對步驟2中的多快拍數(shù)據(jù)進(jìn)行稀疏恢復(fù)，求解優(yōu)化問題：

其中，表示d*k維矩陣sx的第i行，||·||2表示范數(shù)，||·||2,1表示混合范數(shù)，ε為噪聲方差；

步驟4，獲得聯(lián)合分布sx后，重構(gòu)空時協(xié)方差矩陣，計算方法如下:

其中，φi表示空時導(dǎo)向字典中對應(yīng)于的第i列，h為共軛轉(zhuǎn)置符號；

步驟5，對重構(gòu)的協(xié)方差矩陣進(jìn)行奇異值分解，

其中，u為左奇異矢量，s特征值分布，v^h為右特征值分布，對s進(jìn)行排序，然后通過信源數(shù)估計排除顯著性特征值對應(yīng)的信號子空間來獲得噪聲子空間估計即有

步驟6，通過空時二維掃描，基于二維music算法來獲得方位多普勒譜pmu(θ,ω):

其中，aθω為空時導(dǎo)向矢量；最后通過恒虛警技術(shù)檢測目標(biāo),即先通過搜索二維空時分布上的最低點估計噪聲水平σ²，設(shè)置虛警率為10^-8，設(shè)置噪聲分布為瑞利分布，從而自適應(yīng)獲得判決門限，檢測目標(biāo)同時獲得對應(yīng)多普勒和方位估值。

步驟2中，為保證單個空時快拍內(nèi)信號平穩(wěn)性，n的取值為32或64，m的取樣個數(shù)為256或512。

步驟3中，對于噪聲水平ε的估計首先對于時域數(shù)據(jù)求取總能量e，然后按照ε＝max(e)/20計算噪聲水平；在粗略計算稀疏分布時，迭代停止門限選擇為10^-5,在需要精細(xì)搜索時，停止門限可以設(shè)置為10^-6。

步驟5中，信源數(shù)的快速確定方法為：首先確定峰值pmax，然后對其幅度取1/20，若第二特征值大于該值，則從第二特征值繼續(xù)迭代，對下一個特征值進(jìn)行繼續(xù)判斷，直到條件不滿足，所有滿足條件的特征值個數(shù)為信源數(shù)。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點和效果：

本發(fā)明在不增加雷達(dá)系統(tǒng)數(shù)量或設(shè)備復(fù)雜性的條件下，充分挖掘目標(biāo)信號與雜波信號空時二維特征差異，實現(xiàn)了對海雜波區(qū)中的目標(biāo)檢測和多目標(biāo)區(qū)分。具有重大的軍事價值和民用航管價值，對于已經(jīng)在海岸邊大量布設(shè)的高頻雷達(dá)系統(tǒng)，可以直接提高其在海岸預(yù)警和船舶管理方面的應(yīng)用能力。當(dāng)不采用本方案中的目標(biāo)檢測方法時，常規(guī)方法無法檢測海雜波區(qū)內(nèi)目標(biāo)，構(gòu)成相當(dāng)大的檢測盲區(qū)，使得目標(biāo)檢測概率較低，同時受制于積累時間和分辨率的問題，小型陣列高頻雷達(dá)在密集多目標(biāo)場景下也無法有效工作。本方法整合了空時二維估計和稀疏恢復(fù)的優(yōu)勢，在小樣本情況下對空時譜實現(xiàn)有效估計，增強了高頻雷達(dá)的目標(biāo)探測能力，具有極大的應(yīng)用潛力，對于軍事、海監(jiān)、漁業(yè)管理等方面具有重大應(yīng)用價值。

附圖說明

圖1是本發(fā)明實施例的仿真回波信號數(shù)據(jù)，時間多普勒譜。

圖2是本發(fā)明實施例的仿真回波經(jīng)典空時超分辨估計的結(jié)果。

圖3是本發(fā)明實施例的仿真回波稀疏恢復(fù)空時超分辨估計的結(jié)果。

圖4是本發(fā)明實施例的仿真回波協(xié)方差矩陣特征值分布在不同快拍數(shù)和稀疏恢復(fù)的比較。

圖5是本發(fā)明實施例的目標(biāo)與海雜波混疊的實測回波數(shù)據(jù)，時間多普勒譜。

圖6是本發(fā)明實施例的實測回波數(shù)據(jù)經(jīng)典空時超分辨估計結(jié)果。

圖7是本發(fā)明實施例的實測回波數(shù)據(jù)稀疏恢復(fù)空時超分辨估計的結(jié)果。

圖8是本發(fā)明實施例的實測回波數(shù)據(jù)通過經(jīng)典級聯(lián)方案處理和稀疏處理的檢測跟蹤對比結(jié)果。

圖9是本發(fā)明實施例的多目標(biāo)檢測雷達(dá)實測數(shù)據(jù)的時間多普勒譜。

圖10是本發(fā)明實施例的多目標(biāo)雷達(dá)實測數(shù)據(jù)經(jīng)典空時二維估計結(jié)果。

圖11是本發(fā)明實施例的多目標(biāo)雷達(dá)實測數(shù)據(jù)稀疏恢復(fù)空時二維估計結(jié)果。

圖12是本發(fā)明方法的整體流程圖。

具體實施方式

本發(fā)明主要基于空時二維譜估計和多快拍稀疏恢復(fù)理論，考慮到多普勒雷達(dá)回波中目標(biāo)信號與海雜波信號空時二維分布的差異，提出了基于空時二維聯(lián)合估計的目標(biāo)檢測方法，并針對實際應(yīng)用中目標(biāo)機動特性導(dǎo)致快拍數(shù)偏小問題，整合了多快拍稀疏恢復(fù)理論，設(shè)計了實際運行系統(tǒng)。本方法充分考慮了目標(biāo)信號的空時特征，并通過稀疏恢復(fù)來增強空時譜估計有效性，填補了不增加系統(tǒng)復(fù)雜性條件下檢測高頻雷達(dá)一階譜區(qū)目標(biāo)的技術(shù)空白。對于港口航道等密集多目標(biāo)場景的監(jiān)控管理也大有益處。

本發(fā)明提供的方法如圖12所示，能夠用計算機軟件技術(shù)實現(xiàn)該流程。

實施例1：

以對于高頻雷達(dá)一階海雜波區(qū)目標(biāo)檢測為例，闡釋基于稀疏恢復(fù)空時譜估計對于目標(biāo)檢測的優(yōu)勢，仿真目標(biāo)信號如圖1所示，時間多普勒譜中很難檢測到該目標(biāo)信號，當(dāng)利用經(jīng)典二維music算法進(jìn)行二維空時譜估計時，結(jié)果如圖2所示，由于快拍數(shù)不足，協(xié)方差矩陣統(tǒng)計不充分，目標(biāo)信號難以形成有效的聚集區(qū)。為解決此問題，后續(xù)處理如下:

步驟1，對空域維按1°進(jìn)行網(wǎng)格劃分，掃描范圍為-60°～60°，對多普勒維按0.01hz進(jìn)行劃分，掃描范圍為整個多普勒采樣頻段，通過技術(shù)方案中的步驟1構(gòu)成空時導(dǎo)向矢量字典；

步驟2，選擇待檢測距離單元時域采樣的256個點，每32個點構(gòu)成一個空時快拍，由于陣列通道數(shù)為8，因此每個空時快拍為256維，總共構(gòu)成256*8的空時快拍矩陣；

步驟3，設(shè)置迭代優(yōu)化停止條件為10^-5，噪聲水平為峰值的1/20，然后求解稀疏恢復(fù)優(yōu)化問題獲得稀疏解；

步驟4，利用稀疏解重構(gòu)空時協(xié)方差矩陣；

步驟5，通過奇異值分布特征估計信源數(shù)，構(gòu)造噪聲子空間；

步驟6，按照技術(shù)方案步驟6估計空時譜，結(jié)果如圖3，可以看到目標(biāo)信號形成明顯的聚集區(qū)，且信噪比大幅增加，有利于目標(biāo)檢測的進(jìn)行。

圖4為8個快拍條件下稀疏恢復(fù)協(xié)方差矩陣特征值分布與8快拍、32快拍條件下的分布比對，可以看到，經(jīng)過稀疏恢復(fù)以后，8快拍條件下的特征值分布與32快拍估計結(jié)果相當(dāng)，而直接利用8快拍估計則存在明顯的缺秩問題，無法有效估計噪聲子空間。

實施例2：

以對于高頻雷達(dá)一階海雜波區(qū)目標(biāo)檢測為例，闡釋基于稀疏恢復(fù)空時譜估計對于目標(biāo)檢測的優(yōu)勢，實測回波數(shù)據(jù)如圖5所示，點畫線為目標(biāo)ais數(shù)據(jù)，當(dāng)采用空時級聯(lián)方案時，由于目標(biāo)被海雜波掩蔽，僅從時間多普勒譜中很難檢測到該目標(biāo)。按照經(jīng)典music算法進(jìn)行二維估計時，結(jié)果如圖6所示，目標(biāo)信號也難以形成有效的聚集區(qū)。采用稀疏恢復(fù)空時譜估計來檢測該目標(biāo)，處理過程如下:

步驟1，選擇待檢測距離單元時域采樣的256個點，每32個點構(gòu)成一個空時快拍，由于陣列通道數(shù)為8，因此每個空時快拍為256維，總共構(gòu)成256*8的空時快拍矩陣；

步驟2，對空域維按1°進(jìn)行網(wǎng)格劃分，掃描范圍為-60°～60°，對多普勒維按0.01hz進(jìn)行劃分，對整個多普勒采樣頻段進(jìn)行掃描；

步驟3，設(shè)置迭代優(yōu)化停止條件為10^-5，噪聲水平為峰值的1/20，然后求解稀疏恢復(fù)優(yōu)化問題獲得稀疏解；

步驟4，利用稀疏解重構(gòu)空時協(xié)方差矩陣；

步驟5，通過奇異值分布特征估計信源數(shù)，構(gòu)造噪聲子空間；

步驟6，按照music算法估計流程進(jìn)行處理估計空時譜，結(jié)果如圖7，可以看到目標(biāo)信號形成明顯的聚集區(qū)，且信噪比大幅增加，超過20db，有利于目標(biāo)檢測的進(jìn)行。

對實測回波進(jìn)行連續(xù)檢測跟蹤統(tǒng)計處理，如圖8所示，點實線為稀疏恢復(fù)空時譜估計的檢測結(jié)果，實線表示目標(biāo)在一階海雜波區(qū)外的ais數(shù)據(jù)，虛線表示目標(biāo)處于一階海雜波區(qū)的ais數(shù)據(jù)，可以看到，稀疏恢復(fù)空時譜估計方法不僅可以對雜波區(qū)外的目標(biāo)進(jìn)行有效檢測，對于被海雜波掩蔽的目標(biāo)也能有效檢測和跟蹤，相比空時級聯(lián)方案和直接空時估計方案都大大提高了檢測性能，增強了對于機動目標(biāo)的探測能力。

實施例3：

以密集場景下的多目標(biāo)檢測對本發(fā)明的過程再進(jìn)行一個具體的闡述，實測數(shù)據(jù)時間多普勒譜參見圖9，當(dāng)對多目標(biāo)回波數(shù)據(jù)直接依據(jù)經(jīng)典music算法進(jìn)行二維空時譜估計，結(jié)果如圖10所示，只能檢測到兩個目標(biāo)的存在，且信噪比較低，僅有5db左右，譜峰不夠銳利，難以進(jìn)行多目標(biāo)的有效檢測與區(qū)分。為優(yōu)化檢測性能，處理如下：

步驟1，選擇待檢測距離單元時域采樣的256個點，每32個點構(gòu)成一個空時快拍，由于陣列通道數(shù)為8，因此每個空時快拍為256維，總共構(gòu)成256*8的空時快拍矩陣；

步驟2，對空域維按1°進(jìn)行網(wǎng)格劃分，掃描范圍為-60°～60°，對多普勒維按0.01hz進(jìn)行劃分，掃描范圍為整個多普勒采樣頻段；

步驟3，為強化對多目標(biāo)場景下的恢復(fù)性能，設(shè)置迭代優(yōu)化停止條件為10^-6，噪聲水平為峰值的1/25，然后求解稀疏恢復(fù)優(yōu)化問題獲得稀疏解；

步驟4，利用稀疏解重構(gòu)空時協(xié)方差矩陣；

步驟5，通過奇異值分布特征估計信源數(shù)，構(gòu)造噪聲子空間；

步驟6，按經(jīng)典music算法流程估計空時譜，新的結(jié)果如圖11所示，可以看到目標(biāo)信號形成明顯不同的聚集區(qū)，且信噪比大幅增加，接近45db，低信噪比目標(biāo)也被有效估計出來，提高了檢測性能。

本文中所描述的具體實施例僅僅是對本發(fā)明精神作舉例說明。本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員可以對所描述的具體實施例做各種各樣的修改或補充或采用類似的方式替代，但并不會偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。