基于知識的雷達(dá)自適應(yīng)處理方法研究.pdf

1、雷達(dá)作為一種傳感器,其獲取信息的過程是與環(huán)境和目標(biāo)相互作用的過程。在復(fù)雜多變的戰(zhàn)場環(huán)境中,僅利用雷達(dá)回波中攜帶的目標(biāo)和環(huán)境信息及一成不變的信號處理方式很難得到良好的性能,這是傳統(tǒng)雷達(dá)所面臨的問題,也是雷達(dá)進一步發(fā)展需要解決的問題。發(fā)掘并利用雷達(dá)探測環(huán)境相關(guān)的先驗知識,實現(xiàn)基于知識的智能化雷達(dá)信號處理被認(rèn)為是解決此問題和提高雷達(dá)整體性能有效的思路之一。這也是作為下一代雷達(dá)研究方向的“認(rèn)知雷達(dá)”系統(tǒng)理論的重要組成部分,即和周邊環(huán)境交互的智能

2、信號處理系統(tǒng)。因此,如何在雷達(dá)信號處理中盡可能多地利用各種形式的先驗知識已成為目前國內(nèi)、外的研究熱點。本論文的研究將圍繞雷達(dá)自適應(yīng)信號處理中先驗知識的融合技術(shù)展開,研究工作以雷達(dá)自適應(yīng)檢測及圖像預(yù)處理等應(yīng)用為對象,主要包括以下幾個方面:
　　 1)提出了一種間接利用先驗知識的方法,即利用先驗知識進行訓(xùn)練數(shù)據(jù)及自適應(yīng)濾波算法選擇。通過分析指出廣義內(nèi)積(GIP)和采樣矩陣求逆(SMJ)是兩種比較有效的非均勻樣本數(shù)據(jù)檢測(NHD)方法

3、,但當(dāng)訓(xùn)練數(shù)據(jù)被干擾目標(biāo)或孤立干擾污染時,這兩種NHD方法的均勻樣本選擇性能會下降。為克服上述缺點,提出了一種新的樣本選擇方法,將待測距離單元雜波先驗知識融入到自適應(yīng)濾波算法的訓(xùn)練數(shù)據(jù)選擇中。同時基于該方法,討論了一種自適應(yīng)濾波算法的智能選擇實例。首先,用上述訓(xùn)練數(shù)據(jù)選擇方法將雷達(dá)回波數(shù)據(jù)分為均勻和非均勻兩類樣本數(shù)據(jù),然后針對不同類型的待測樣本數(shù)據(jù)智能地選擇不同的濾波算法。通過濾波算法的智能選擇,提高了雷達(dá)目標(biāo)檢測和干擾抑制性能。

4、>　　 2)提出了一種直接利用先驗知識抑制雜波的方法。對于機載相控陣?yán)走_(dá),當(dāng)載機速度和雷達(dá)參數(shù)給定時,雜波譜在角度-多普勒空間的分布軌跡(雜波脊)是先驗已知的。論文充分利用這一先驗知識,提出了一種在非均勻環(huán)境中穩(wěn)健的雜波濾除方法。該方法同廣義相鄰多波束(GMB),局域聯(lián)合處理(JDL)等算法在角度-多普勒空間局域化雜波的基本思路相似,但區(qū)別是該方法主要利用雜波脊在角度-多普勒空間上的結(jié)構(gòu)特點濾除雜波。為了利用該特點,采用了一種簡單的模

5、型模擬雜波譜分布,并且利用回波數(shù)據(jù)和環(huán)境先驗知識估計模型參數(shù)。這是一種開環(huán)的濾波方法,具有運算量小,沒有收斂過程等優(yōu)點。
　　 3)提出了基于貝葉斯框架直接融入先驗知識的雷達(dá)自適應(yīng)檢測方法。傳統(tǒng)的雷達(dá)檢測器設(shè)計過程中,都假定噪聲協(xié)方差矩陣是確定性的參數(shù)變量,但是未知的,然后利用均勻的訓(xùn)練數(shù)據(jù)求解該矩陣的最大似然估計。這樣處理僅僅利用回波數(shù)據(jù)中攜帶的目標(biāo)和雜波信息,在理想的均勻探測環(huán)境下,其檢測性能接近最優(yōu)。但雷達(dá)實際工作環(huán)境復(fù)雜

6、多變,雜波多是非均勻的,造成可用的均勻訓(xùn)練數(shù)據(jù)不足,使這些傳統(tǒng)檢測器性能會明顯下降。針對此問題,提出了基于貝葉斯框架融入先驗知識的雷達(dá)自適應(yīng)檢測方法。通過假定噪聲協(xié)方差矩陣是未知的隨機變量并符合可反映環(huán)境信息的先驗分布,設(shè)計了基于貝葉斯理論的廣義似然比(GLRT),自適應(yīng)匹配濾波(AMF),Rao和Wald準(zhǔn)則檢測器。這些基于貝葉斯方法的檢測器不僅利用了訓(xùn)練數(shù)據(jù)中的信息,還充分利用環(huán)境相關(guān)的先驗知識,提高了小樣本情況下的雷達(dá)自適應(yīng)檢測器

7、性能。
　　 4)在貝葉斯框架之下提出了一種非均勻雜波統(tǒng)計模型,使檢測器的設(shè)計能夠利用該模型結(jié)合環(huán)境雜波的非均勻性。該模型同時考慮了待測樣本數(shù)據(jù)噪聲協(xié)方差矩陣與訓(xùn)練數(shù)據(jù)協(xié)方差矩陣間的尺度和結(jié)構(gòu)差異,并且可以通過調(diào)節(jié)模型中的標(biāo)量參數(shù),反映不同程度的雜波非均勻性。同時,通過對噪聲協(xié)方差矩陣指定適當(dāng)?shù)南闰灧植?使檢測器的設(shè)計能夠融合環(huán)境的先驗知識,得到針對上述雜波模型的存在閉合解析形式的貝葉斯廣義似然比檢測器,提高了自適應(yīng)檢測性能。<

8、br>　　 5)SAR圖像預(yù)處理在基于圖像的雷達(dá)目標(biāo)檢測及識別的應(yīng)用中起重要作用。通常的空間域濾波方法結(jié)構(gòu)固定,多是僅利用滑窗內(nèi)圖像的局部信息,預(yù)處理效果有限。針對此問題,論文研究了基于貝葉斯理論的超完備字典學(xué)習(xí)方法,并將其應(yīng)用于圖像(包括SAR圖像)處理中。該方法將字典學(xué)習(xí)問題看成是因子分析(FA)問題,結(jié)合如Beta過程(Beta Processing)和India Buffet Process(IBP)等貝葉斯先驗分布,通過Gi