适用于部分均匀混响环境的空时自适应检测方法及系统
阅读说明：本技术 适用于部分均匀混响环境的空时自适应检测方法及系统 (Space-time self-adaptive detection method and system suitable for partial uniform reverberation environment ) 是由 郝程鹏 闫林杰 刘明刚 侯朝焕 于 2020-11-10 设计创作，主要内容包括：本发明提出了适用于部分均匀混响环境的空时自适应检测方法及系统,所述方法包括：获取空间对称线阵接收的回波数据的待检测数据矩阵和辅助数据矩阵；将待检测数据和辅助数据进行联合,采用最大似然估计对预先构建的检测统计量的参数进行估计；将估计的参数输入预先建立的空时自适应检测器,完成目标的自适应检测。本发明的方法大幅提高了对回波数据的利用率,且与其它同类型的检测方法相比,在小样本辅助数据下具有更好的检测性能和距离估计性能,在实际应用中效率大幅提升。(The invention provides a space-time self-adaptive detection method and a system suitable for a partial uniform reverberation environment, wherein the method comprises the following steps: acquiring a data matrix to be detected and an auxiliary data matrix of echo data received by a space symmetric linear array; combining the data to be detected and the auxiliary data, and estimating parameters of the pre-constructed detection statistics by adopting maximum likelihood estimation; and inputting the estimated parameters into a pre-established space-time adaptive detector to finish the adaptive detection of the target. The method greatly improves the utilization rate of the echo data, has better detection performance and distance estimation performance under small sample auxiliary data compared with other detection methods of the same type, and greatly improves the efficiency in practical application.)
技术领域
本发明涉及本发明涉及水声技术领域，具体涉及适用于部分均匀混响环境的空时自适应检测方法及系统。
背景技术
水下目标检测技术是指基于信号检测与估计理论检测水下声场中目标的有无。在浅海主动声纳信号检测中，混响作为主要的干扰因素将直接威胁系统的目标检测性能。尤其对于具有一定运动速度的声纳载体，其不同方位的混响具有不同的多普勒频移，使得混响谱在多普勒-角度域内扩展开，传统的波束形成、匹配滤波等方法难以对其进行有效抑制。20世纪90年代，Jaffer首次将基于空-时域联合滤波的空时自适应处理(STAP)技术应用于主动声纳混响抑制中。在STAP的基础上，以混响抑制与目标检测为目的的空时自适应检测(STAD)技术得到发展，其中较为经典的检测方法主要包括广义似然比检测(GLRT)、自适应匹配滤波检测(AMF)、Wald检测方法等。
然而，传统的STAD方法仍存在两点不足：首先需要对高维度的干扰协方差矩阵估计和求逆，对均匀辅助数据需求量大；其次，大多采用理想的目标采样模型，即认为采样点恰好与目标匹配滤波输出的峰值位置一致，忽略了目标能量泄漏的情况。针对第一个不足，Nitzberg指出可以利用空间对称线阵系统中混响协方差矩阵的斜对称特性达到降低辅助数据量的目的。针对第二个不足，中科院声学所郝程鹏团队与意大利学者Orlando针对基于目标能量泄漏采样模型的检测方法展开了研究。近年来，部分均匀混响环境下基于斜对称特性和目标能量泄漏采样模型的斜对称AMF(PM-AMF-PHE)检测方法被提出。这里部分均匀指待检测数据与辅助数据的混响协方差矩阵结构相同仅差一个未知的能量比例因子，研究证明该环境更接近声纳实际的工作场景。PM-AMF-PHE方法有效补偿了目标能量泄漏损失，提高了辅助数据数量受限情况下的目标检测性能。
实际环境中，受水下界面起伏、信道变化等因素的影响，均匀辅助数据极为有限甚至无法获取，由此部分均匀混响环境下的检测方法得到提出。现有的PM-AMF-PHE方法尽管在接收数据建模时同时考虑了混响协方差矩阵的斜对称特性以及目标能量泄漏采样模型，但却采用两步GLRT准则进行检测方法的设计，即将待检测数据和辅助数据分开使用实现检测统计量的推导和未知参数的最大似然估计(MLE)，未能实现对待检测数据和辅助数据的联合利用，接收回波的数据利用率低，使得检测性能受到制约。
现有的PM-AMF-PHE采用两步GLRT准则，在检测方法设计过程中未能实现待检测数据和辅助数据的联合使用，对接收回波数据利用率低，在辅助数据数量受限情况下其检测性能并不能满足需求。
发明内容
本发明的目的在于克服上述技术缺陷，提出一种适用于部分均匀混响环境的高性能空时自适应检测方法，其中采用目标能量泄漏采样模型弥补泄漏损失，利用空间对称线阵中混响协方差矩阵的斜对称特性降低对辅助数据的需求，并联合使用待检测数据和辅助数据进行未知参数估计和检测统计量推导，提高了对接收回波数据的利用率，在辅助数据数量受限的情况下，具有明显的目标检测优势，有利于实际应用。
为实现上述目的，本发明的实施例1提出了一种适用于部分均匀混响环境的空时自适应检测方法，所述方法包括：
获取空间对称线阵接收的回波数据的待检测数据矩阵和辅助数据矩阵；
将待检测数据和辅助数据进行联合，采用最大似然估计对预先构建的检测统计量的参数进行估计；
将估计的参数输入预先建立的空时自适应检测器，完成目标的自适应检测。
作为上述方法的一种改进，所述获取空间对称线阵接收的回波数据的待检测数据矩阵和辅助数据矩阵，具体包括：
空间对称线阵由N个阵元组成，接收回波信号经过信号处理之后，得到离散空时处理N维回波复矢量zi，接收到的第i个距离单元的待检测回波矢量zi表示为：
zi＝si+ni∈CN×1 (1)
其中，C表示复数域，ni表示复高斯干扰矢量，si表示泄漏目标信号矢量，当目标存在能量泄漏时，信号能量会泄漏到其左、右两个相邻的距离单元中，得到由三个相邻距离单元组成的目标能量泄漏模型，si表示为：
其中，α为接收目标回波信号的复幅值因子，为未知的确定参数；χp(·)为发射信号的复模糊度函数；ε0∈[0,Tp]为剩余时间延迟，能够衡量目标能量泄漏的严重程度，Tp为脉冲宽度；v为目标归一化空域导向矢量；f为目标与v引入的多普勒频移；l代表待检测样本序号；
以第i个待检测距离单元为中心，将剩余时间延迟ε∈[-Tp/2,Tp/2]重新定义为：
zk∈CN×1表示从待检测数据相邻的距离单元收集到的K个均匀辅助数据，仅包含白噪声和混响两种干扰成分；
ZL＝[zl-1,zl,zl+1]∈CN×3为待检测数据矩阵，ZK＝[z1,...,zK]∈CN×K为辅助数据矩阵，Z＝[ZL,ZK]∈CN×(3+K)为联合数据矩阵。
作为上述方法的一种改进，所述将待检测数据和辅助数据进行联合，采用最大似然估计对预先构建的检测统计量的参数进行估计；具体包括：
步骤2-1)构建基于GLRT准则下的检测统计量T：
其中，γ＞0表示未知能量比例因子，M为对称线列阵的协方差矩阵；v为归一化空域导向矢量，M和v具有斜对称特征，即：
M＝JNM*JN,v＝JNv*
其中，JN∈RN×N为置换矩阵，(·)*为共轭运算，R为实数域，其中置换矩阵JN∈RN×N为斜对角线为1、其它元素都为0的方阵；
步骤2-2)基于M和v的斜对称特性，fj(Z；jε,jα,γ,M)表示在Hj,j＝0,1假设下联合数据矩阵Z的概率密度函数：
其中，det(·)表示矩阵的行列式运算，tr(·)表示矩阵的迹，(·)T和(·)H表示矩阵的转置和共轭转置，则中间变量S和干扰数据矩阵F(jα)为：
X为由待检测数据生成的数据矩阵：
矢量和为：
模糊函数矩阵D为：
式中，t1,t2,t3均为时延：t1＝-Tp-ε,t2＝-ε,t3＝Tp-ε；
步骤2-3)采用最大似然估计对Hj,j＝0,1假设下的M进行估计，得到估计结果为：
将(9)代入式(6)后，检测统计量为：
步骤2-4)基于公式(10)，α的最大似然估计为：
对(11)式求α的一阶偏导数并置零，得到α的估计结果为：
其中，Q为中间变量矩阵： 表示S-1/2v的张成子空间矩阵的正交补，IN为N维单位矩阵；
步骤2-5)将代入(10)，求解在H1假设γ的最大似然估计为：
中间矩阵B和C为：
其中，矩阵Q可特征分解为Q＝U(γ1I6+Λ)UH，其中U∈C6×6为酉矩阵，Λ为特征值为λ1,...,λ6的对角阵；
中间矩阵E和G为：
矩阵W和V为：
将Q的特征分解代入(14)中，
其中， **m＝p*，n＝q*；
对h1(γ1)求γ1的一阶偏导数并置零，得到γ1的估计值采用fsolve函数求解此非线性方程；
步骤2-6)基于公式(10)，在H0假设下对γ的最大似然估计为：
化简得到
对XHS-1X进行特征分解，得其中U0∈C6×6为酉矩阵，Λ0为特征值为λ0,1,...,λ0,6的对角阵；代入(19)后化简得到：
对h0(γ0)求γ0的一阶偏导数并置零，同样得到对γ0的估计值此处需采用数值方法求解。
作为上述方法的一种改进，所述空时自适应检测器为：
其中，H1和H0分别表示有目标和无目标假设；η表示一定虚警概率下对应的检测阈值。
作为上述方法的一种改进，所述将估计的参数输入预先建立的空时自适应检测器，完成目标的自适应检测具体包括：
步骤3-1)计算检测统计量T：
步骤3-2)当检验统计量T大于检测阈值η，则检验H1成立，检测结果为有目标，否则，检验H0成立，检测结果为无目标。
本发明的实施例2提出了一种适用于部分均匀混响环境的空时自适应检测系统，所述系统包括：预先建立的空时自适应检测器、数据获取模块、参数估计模块和检测模块；
所述数据获取模块，用于获取空间对称线阵接收的回波数据的待检测数据矩阵和辅助数据矩阵；
所述参数估计模块，用于将待检测数据和辅助数据进行联合，采用最大似然估计对预先构建的检测统计量的参数进行估计；
所述检测模块，用于将估计的参数输入空时自适应检测器，完成目标的自适应检测。
本发明的优势在于：
本发明的方法联合使用待检测数据和辅助数据实现检测统计量的推导以及所有未知参数的MLE，代替了两步GLRT准则中仅使用待检测数据或辅助数据的传统推导方法，大大提高了对回波数据的利用率，且相比其他同类型的检测方法在小样本辅助数据下具有更好的检测性能和距离估计性能，在实际应用中效率大幅提升。
附图说明
图1为本发明的适用于部分均匀混响环境的空时自适应检测方法的流程图；
图2为不同检测方法的Pd随SRNR变化曲线；
图3为不同检测方法的δrms随SRNR变化曲线。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明。
本发明基于GLRT检验准则设计了部分均匀混响环境下的自适应解决方案。假设声纳系统采用空间对称线阵接收回波，目标信号采用目标能量泄漏采样模型，混响信号采用斜对称先验结构；考虑到采样时存在的目标能量泄漏现象，对接收信号建模时采用能量泄漏采样模型以弥补泄漏损失，对混响信号建模则利用混响协方差矩阵的斜对称特性以降低对辅助数据的需求量。检测方法的推导过程仅需要一步，即直接采用待检测数据和辅助数据联合实现参数的MLE。最后将估计值代替理论值代入检测统计量中，得到完全自适应的PM-GLRT-PHE检测方法。
如图1所示，本发明的实施例1提出了一种适用于部分均匀混响环境的空时自适应检测方法，所述方法包括：
步骤1)获取空间对称线阵接收的回波数据的待检测数据矩阵和辅助数据矩阵；
步骤2)将待检测数据和辅助数据进行联合，采用最大似然估计对预先构建的检测统计量的参数进行估计；
步骤3)将估计的参数输入预先建立的空时自适应检测器，完成目标的自适应检测。
下面对本发明的方法进行详细的说明。
1、问题描述
首先介绍目标和干扰回波的多通道离散时间信号模型，在此基础上，给出目标能量泄漏采样模型下检测目标的二元假设检验问题。
1.1、接收信号模型
假设一个均匀线列阵由N个阵元组成，接收回波信号经过一系列信号处理之后，得到离散空时处理N维回波复矢量zi，接收到的第i个距离单元的待检测回波矢量zi可表示为
zi＝si+ni∈CN×1 (1)
其中C表示复数域，ni表示复高斯干扰矢量，si表示泄漏目标信号矢量，当目标存在能量泄漏时，信号能量会泄漏到其左、右两个相邻的距离单元中，得到由三个相邻距离单元组成的目标能量泄漏模型，si可表示为：
其中α代表接收目标回波信号的复幅值因子，为未知的确定参数；χp(·)代表发射信号的复模糊度函数；ε0∈[0,Tp]代表剩余时间延迟，能够衡量目标能量泄漏的严重程度，Tp为脉冲宽度；v代表目标归一化空域导向矢量；f代表目标与v引入的多普勒频移；l代表待检测样本序号。
为方便表述，以第i个待检测距离单元为中心将剩余时间延迟ε∈[-Tp/2,Tp/2]重新定义为：
1.2、假设检验问题
根据1.2中的接收信号模型，泄漏目标检测的二元假设检验问题可以写为：
其中，H1和H0分别表示有目标和无目标假设。zi∈CN×1表示待检测数据矢量，zk∈CN ×1表示从待检测数据相邻的距离单元收集到的K个均匀辅助数据，仅包含白噪声和混响两种干扰成分。ni为待检测数据中的干扰成分，在部分均匀混响背景下与zk之间相互统计独立，且两者均为零均值复高斯随机过程，即ni～CNN(0,γM)和zk～CNN(0,M)。γ＞0表示未知能量比例因子。
在主动声纳系统中，对称线列阵的协方差矩阵M和归一化空域导向矢量v均具有斜对称的重要特征，即
M＝JNM*JN,v＝JNv* (5)
其中，JN∈RN×N为置换矩阵，(·)*为共轭运算，R为实数域，其中置换矩阵JN∈RN×N为斜对角线为1、其他元素都为0的方阵。
2、检测方法设计
采用GLRT检验准则求解(4)中的假设检验问题。假设ZL＝[zl-1,zl,zl+1]∈CN×3为待检测数据矩阵，ZK＝[z1,...,zK]∈CN×K为辅助数据矩阵，Z＝[ZL,ZK]∈CN×(3+K)为联合数据矩阵，则基于GLRT准则下的检测表达式为：
其中，η表示一定虚警概率(Pfa)下的检测阈值。基于M、v的斜对称特性，fj(Z；jε,jα,γ,M)表示在Hj,j＝0,1假设下联合数据矩阵z的概率密度函数：
其中det(·)表示矩阵的行列式运算，tr(·)表示矩阵的迹，(·)T和(·)H表示矩阵的转置和共轭转置，
模糊函数矩阵D为：
式中，t1,t2,t3均为时延：t1＝-Tp-ε,t2＝-ε,t3＝Tp-ε；
采用MLE方法估计Hj,j＝0,1假设下的M，得到估计结果为
将(9)代入式(6)后，GLRT检测判决式等价为
基于(10)，α的MLE等价为：
对(11)式求α的一阶偏导数并置零，可得到α的估计结果为：
其中，Q为中间变量矩阵： 表示S-1/2v的张成子空间矩阵的正交补，IN为N维单位矩阵；
将代入(10)，求解在H1假设γ的最大似然估计为：
中间矩阵B和C为：
其中，矩阵Q可特征分解为Q＝U(γ1I6+Λ)UH，其中U∈C6×6为酉矩阵，Λ为特征值为λ1,...,λ6的对角阵；
中间矩阵E和G为：
矩阵W和V为：
将Q的特征分解代入(14)中，
其中， **
m＝p*，n＝q*；
对h1(γ1)求γ1的一阶偏导数并置零，得到对γ1的估计值 未给出解析解的形式，因此需要采用数值方法求解，例如可以采用fsolve函数求解此非线性方程。
同样基于(10)式，在H0假设下对γ的MLE为
化简得到
对XHS-1X进行特征分解，得其中U0∈C6×6为酉矩阵，Λ0为特征值为λ0,1,...,λ0,6的对角阵。代入(19)后化简得到
对h0(γ0)求γ0的一阶偏导数并置零，同样得到对γ0的估计值此处仍需采用数值方法求解。
最后，将所有求得的未知参数估计值代入(14)中，推导出在部分均匀混响环境下的PM-GLRT-PHE：
需要注意的是，由于这里的剩余时延ε估计没有解析解，所以采用网格搜索法来对其进行估计。最终，的估计精度反映在待检测距离单元内的目标距离估计精度上，这里用距离均方根误差来表示。
采用蒙特卡洛方法对PM-GLRT-PHE的检测概率Pd和目标距离估计性能进行评估，并与加入现有的PM-AMF-PHE、GLRT-LC-PHE和P-GLRT检测方法进行对比。假设虚警概率Pfa＝10-4，Pd和δrms的独立仿真次数为103，N＝12，γ＝2。考虑辅助数据数量受限的情况，即辅助数据数量为K＝N+1。混响模型通常采用指数相关复合高斯模型，即Mi,j＝ρ|i-j|，ρ＝0.9为滞后相关系数。信号混响噪声比SRNR＝|α|2vHM-1v/γ。
图2给出了四种检测方法的Pd随SRNR的变化曲线图。仿真结果显示，四种检测方法的Pd均随SRNR递增，且PM-GLRT-PHE的Pd明显优于其它现有的同类型检测方法。例如在Pd＝0.8时，PM-GLRT-PHE优于PM-AMF-GLRT、GLRT-LC-PHE和P-GLRT各约1.5dB、4.5dB和8.5dB的性能增益。类似的，在相同参数情况下，图3显示各检测方法的目标距离均方根误差δrms的变化曲线，其中因P-GLRT不具备距离估计能力，故未对其进行距离估计精度评估。由图中可以看出，PM-GLRT-PHE与PM-AMF-GLRT的距离估计精度大致相同，且均优于GLRT-LC-PHE。这是因为PM-GLRT-PHE和PM-AMF-PHE检测方法对ε的估计精度相近，且斜对称特性的运用使在辅助数据受限的情况下对ε的估计准确度大大提高。
本发明的方法的创造性在于：
1、本发明提出一种适用于部分均匀混响环境的高性能空时自适应检测方法，在检测方法设计时，通过联合使用待检测数据和辅助数据完成所有未知参数的估计和检测统计量的推导，大幅提高了对回波数据的利用率，在辅助数据数量受限情况下，具有更好的检测性能和优良的距离估计性能。
2、本发明基于待检测数据和辅助数据给出了未知参数γ的数值估计形式，可以采用fsolve函数等数值求解方法，具有准确的参数估计精度。
3、本发明针对部分均匀混响环境下具有空间对称线阵的主动声纳系统，对接收信号建模时，对目标信号回波采用了目标能量泄漏采样模型以弥补能量泄漏损失，对混响采用协方差矩阵的斜对称特性减少对辅助数据的需求量，从而提高辅助数据数量受限时的检测性能。
4、本发明假设检测目标多普勒已知，用以计算空域导向矢量。
本发明的实施例2提出了一种适用于部分均匀混响环境的空时自适应检测系统，所述系统包括：预先建立的空时自适应检测器、数据获取模块、参数估计模块和检测模块；
数据获取模块，用于获取空间对称线阵接收的回波数据的待检测数据矩阵和辅助数据矩阵；
参数估计模块，用于将待检测数据和辅助数据进行联合，采用最大似然估计对预先构建的检测统计量的参数进行估计；
检测模块，用于将估计的参数输入空时自适应检测器，完成目标的自适应检测。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种二维多波束合成孔径声呐目标回波仿真方法