鄭作虎，王首勇

(空軍預(yù)警學(xué)院重點(diǎn)實(shí)驗(yàn)室，湖北武漢430019)

?

復(fù)雜海雜波背景下分?jǐn)?shù)低階匹配濾波檢測方法

鄭作虎，王首勇

(空軍預(yù)警學(xué)院重點(diǎn)實(shí)驗(yàn)室，湖北武漢430019)

摘要:針對(duì)在復(fù)雜海雜波背景下，雷達(dá)目標(biāo)檢測中動(dòng)目標(biāo)檢測(Moving Target Detection，MTD)技術(shù)的檢測性能顯著下降的問題，以及局部最優(yōu)檢測器(Locally Optimum Detector，LOD)僅適用于低信雜比背景下弱目標(biāo)檢測的問題，基于分?jǐn)?shù)低階統(tǒng)計(jì)量理論，提出了一種分?jǐn)?shù)低階匹配濾波檢測方法．該方法通過冪變換抑制雜波的非高斯特性，通過應(yīng)用雜波分?jǐn)?shù)低階協(xié)方差矩陣特征值分解的方法白化相關(guān)雜波，在此基礎(chǔ)上應(yīng)用匹配濾波進(jìn)行目標(biāo)積累，以提高信雜比．通過仿真和實(shí)測數(shù)據(jù)，對(duì)所提出方法的檢測性能進(jìn)行了驗(yàn)證，并且與MTD和LOD進(jìn)行了比較．結(jié)果表明，本文所提出方法能較好地解決非高斯相關(guān)雜波背景下的目標(biāo)檢測問題，檢測性能明顯優(yōu)于MTD和LOD方法．

關(guān)鍵詞:非高斯相關(guān)雜波;冪變換;分?jǐn)?shù)低階協(xié)方差;雜波白化

1　引言

在雷達(dá)目標(biāo)檢測中，動(dòng)目標(biāo)檢測(Moving Target Detection，MTD)［1］技術(shù)被廣泛應(yīng)用，該技術(shù)在高斯獨(dú)立雜波、較高信雜比條件下具有較好的檢測性能，但在實(shí)際應(yīng)用中，如雷達(dá)在低仰角探測或在高分辨率雷達(dá)情況下，雷達(dá)雜波通常具有顯著的非高斯特性［2，3］，1999年，澳大利亞國防科學(xué)與技術(shù)組織(National Defense Science and Technology Organization，DSTO)通過對(duì)大量實(shí)測海雜波數(shù)據(jù)進(jìn)行分析后指出［4］，海雜波的統(tǒng)計(jì)特性嚴(yán)重偏離高斯分布，同時(shí)具有復(fù)雜的相關(guān)性．在此背景下，尤其是低信雜比時(shí)，MTD技術(shù)不能對(duì)信號(hào)進(jìn)行有效積累，導(dǎo)致信雜比損失嚴(yán)重．雜波的非高斯特性和相關(guān)性嚴(yán)重影響了雷達(dá)目標(biāo)的檢測性能，因此，研究非高斯相關(guān)雜波背景下的目標(biāo)檢測方法具有重要的理論和實(shí)際意義．球不變隨機(jī)過程［5］(Sphere Invariability Random Process，SIRP)的聯(lián)合分布模型能較好地描述非高斯相關(guān)雜波，在此基礎(chǔ)上如何建立似然比檢測模型也被廣泛研究［6］，但檢測統(tǒng)計(jì)量不易導(dǎo)出、實(shí)現(xiàn)過程困難，難以應(yīng)用于實(shí)際．文獻(xiàn)［7］提出的局部最優(yōu)檢測器(Locally Optimum Detector，LOD)是適用于弱目標(biāo)檢測的近似廣義似然比檢測方法，由高斯線性結(jié)構(gòu)的匹配濾波器和相應(yīng)的非線性權(quán)值構(gòu)成，通過增大弱信號(hào)的權(quán)值來實(shí)現(xiàn)低信雜比背景下的目標(biāo)檢測，但減小強(qiáng)信號(hào)的權(quán)值同時(shí)也導(dǎo)致了檢測性能的下降．為實(shí)現(xiàn)非高斯相關(guān)雜波背景下對(duì)目標(biāo)的有效檢測，本文從實(shí)際應(yīng)用出發(fā)，不涉及雜波的多維聯(lián)合分布，僅考慮雜波的一維分布特性和雜波過程的相關(guān)性，通過抑制雜波的非高斯特性和消除雜波過程的相關(guān)性以達(dá)到改善信雜比的目的．

分?jǐn)?shù)低階統(tǒng)計(jì)量是描述非高斯過程相關(guān)性的有力工具，1993年由Shao和Nikias在Alpha穩(wěn)定分布的基礎(chǔ)上提出［8，9］．該分布是一種能較好地描述非高斯分布的概率分布模型．但由于除了幾個(gè)特例外，不存在概率密度函數(shù)(probability density function，PDF)解析表達(dá)式，基于Alpha穩(wěn)定分布的檢測方法，通?；谔囟ǖ奶卣髦笖?shù)或者對(duì)PDF進(jìn)行近似，文獻(xiàn)［10］給出了特征指數(shù)α=1.85條件下基于似然比檢驗(yàn)的檢測方法，文獻(xiàn)［11］利用柯西分布模型(特征指數(shù)α= 1的Alpha穩(wěn)定分布)提出了柯西局部最優(yōu)檢測器，文獻(xiàn)［12］利用高斯混合模型對(duì)Alpha穩(wěn)定分布的PDF進(jìn)行近似，提出了相應(yīng)的局部最優(yōu)檢測器．因此本文基于分?jǐn)?shù)低階統(tǒng)計(jì)量理論，提出了一種分?jǐn)?shù)低階匹配濾波檢測方法．該方法應(yīng)用分?jǐn)?shù)低階統(tǒng)計(jì)量理論中的冪變換抑制雜波的非高斯特性，通過雜波分?jǐn)?shù)低階協(xié)方差矩陣特征值分解得到的矩陣用于白化雜波，在此基礎(chǔ)上應(yīng)用匹配濾波實(shí)現(xiàn)對(duì)目標(biāo)信號(hào)的有效積累．

2　基于Alpha穩(wěn)定分布的非高斯相關(guān)雜波模型

Alpha穩(wěn)定分布是一種較為理想的描述非高斯相關(guān)雜波的分布模型，對(duì)于復(fù)隨機(jī)變量X，其實(shí)部和虛部均可用特征函數(shù)表示［8］:

式中: 0＜α≤2為特征指數(shù)，γ＞0為分散系數(shù)，－1≤β ≤1為對(duì)稱參數(shù)，β= 0時(shí)為復(fù)對(duì)稱Alpha穩(wěn)定分布(Symmetric Alpha Stable，SαS)，－∞＜u＜∞為位置參數(shù)．當(dāng)α=2時(shí)為高斯分布，隨著α減小，非高斯特性越明顯，sign(·)為符號(hào)函數(shù)，且

對(duì)于復(fù)SαS分布隨機(jī)變量，當(dāng)特征指數(shù)0＜α＜2時(shí)，由于只存在階數(shù)小于α的統(tǒng)計(jì)矩，二階統(tǒng)計(jì)量理論已不再適用，因此，在此基礎(chǔ)上，1993年由Shao和Nikias提出了分?jǐn)?shù)低階統(tǒng)計(jì)量概念，隨后成為研究非高斯相關(guān)隨機(jī)變量的有力工具．兩個(gè)服從復(fù)SαS分布隨機(jī)過程x1(n)和x2(n)的分?jǐn)?shù)低階協(xié)方差(Fractional Lower Order Covariance，F(xiàn)LOC)定義為［13］:

式中: 0≤A＜α/2，0≤B＜α/2，其中冪變換定義為

3　分?jǐn)?shù)低階匹配濾波檢測方法

3.1非高斯相關(guān)雜波的冪變換處理

設(shè)某一距離單元的復(fù)包絡(luò)觀測信號(hào)為

式中: a為多普勒信號(hào)幅度，φ為初相，β= aejφ看作復(fù)常量，ω0為目標(biāo)多普勒角頻率，N為相干脈沖間隔(Coherent Pulse Interval，CPI)長度，v(n)為非高斯相關(guān)雜波．式(5)的矢量表示式為:

式中: x =［x(0)，x(1)，…，x(N－1)］T．

為了消除雜波的非高斯特性，本文采用冪變換方法，按式(4)對(duì)觀測信號(hào)矢量進(jìn)行冪變換處理

式中: A = p/2，p為分?jǐn)?shù)低階矩階數(shù)0≤p＜α．由上式可知，當(dāng)雜波v具有較強(qiáng)的非高斯特性，即具有幅值較大的強(qiáng)尖峰時(shí)，對(duì)雜波進(jìn)行冪變換，因?yàn)閜/2＜1，表明冪變換可以降低強(qiáng)尖峰的幅值，因此能較好地抑制雜波的非高斯特性．

為了驗(yàn)證冪變換抑制雜波非高斯特性的有效性，把零均值復(fù)SαS分布作為非高斯雜波分布模型，非高斯相關(guān)雜波的仿真產(chǎn)生和參數(shù)設(shè)置見5.1節(jié)．圖1(a)給出了α=1，γ=1時(shí)非高斯雜波冪變換前后實(shí)部的PDF曲線，從圖中可以看出冪變換后的雜波實(shí)部的PDF曲線幾乎與高斯雜波(α=2，γ=1)的PDF曲線重合．為能更清楚觀察冪變換前后雜波PDF尾部的變化，圖1(b)給出了PDF的尾部曲線．

3.2相關(guān)雜波的白化處理

經(jīng)過冪變換抑制雜波的非高斯特性之后，通過白化處理消除雜波的相關(guān)性．對(duì)于相關(guān)雜波進(jìn)行白化處理，本文應(yīng)用的方法是:首先計(jì)算雜波的分?jǐn)?shù)低階相關(guān)矩陣，根據(jù)相關(guān)矩陣的特征值分解得到白化矩陣，使雜波的相關(guān)矩陣變換為對(duì)角矩陣．首先，根據(jù)式(7)，雜波矢量v的分?jǐn)?shù)低階相關(guān)矩陣表示為

然后，對(duì)上式進(jìn)行特征值分解

式中:對(duì)角矩陣Λ和酉矩陣Q分別為矩陣Rv的特征值矩陣和對(duì)應(yīng)的特征向量矩陣．

那么雜波白化處理矩陣設(shè)為

由上式可知，經(jīng)過白化處理后雜波相關(guān)矩陣為單位陣．經(jīng)冪變換的觀測信號(hào)和目標(biāo)信號(hào)白化處理后表示為

3.3高斯獨(dú)立雜波背景下的匹配濾波器

在高斯獨(dú)立雜波背景下，匹配濾波具有最優(yōu)的積累性能，經(jīng)冪變換和白化處理后，雜波已逼近于高斯獨(dú)立分布，因此，再應(yīng)用匹配濾波對(duì)信號(hào)進(jìn)行積累．以輸出信雜比最大為準(zhǔn)則，根據(jù)柯西－施瓦茲不等式，得到最佳匹配濾波器系數(shù)．

由上式可得濾波器輸出信雜比為

當(dāng)濾波器系數(shù)

輸出信雜比達(dá)到最大值．式中系數(shù)k為任意常數(shù)，取k =1．

非高斯相關(guān)雜波背景下的分?jǐn)?shù)低階匹配濾波器(Fractional Lower Order Matched Filter，F(xiàn)LOMF)由上述三部分組成，如圖2所示．

FLOMF的運(yùn)算步驟包括:

Step 1雜波冪變換處理v〈p/2〉= |v|p/2－1v;

Step 2計(jì)算雜波矢量v的分?jǐn)?shù)低階相關(guān)矩陣Rv

Step 3計(jì)算廣義匹配濾波器(包括白化處理和匹配濾波)系數(shù)

Step 4計(jì)算檢測統(tǒng)計(jì)量y = cHx〈p/2〉．

假設(shè)觀測信號(hào)x(n)的CPI個(gè)數(shù)為N，數(shù)據(jù)樣本個(gè)數(shù)為M，則FLOMF的算法復(fù)雜度為:

實(shí)際中目標(biāo)多普勒頻率通常是未知的，式(18)需要知道多普勒頻率，因此需采用覆蓋整個(gè)多普勒頻率范圍的多通道FLOMF進(jìn)行目標(biāo)檢測，選擇其輸出最大值作為檢測統(tǒng)計(jì)量，如圖3所示．

4　分?jǐn)?shù)低階矩階數(shù)p的選擇

由式(8)、(18)可知，階數(shù)p直接影響雜波分?jǐn)?shù)低階相關(guān)矩陣的估計(jì)和目標(biāo)信號(hào)的冪變換，最終影響對(duì)目標(biāo)信號(hào)的檢測性能，因此需要合理選擇p值．

對(duì)于零均值高斯分布隨機(jī)變量X，方差即為二階原點(diǎn)矩，而復(fù)SαS分布的分散系數(shù)γ類似于高斯分布的方差，特別當(dāng)α= 2時(shí)，γ等于二階矩的一半［8］，即E |X|2=2γ．因此，將此關(guān)系推廣到α＜2的情況，在α＜2時(shí)零均值復(fù)SαS分布隨機(jī)變量X的γ和分?jǐn)?shù)低階矩之間關(guān)系為

隨機(jī)變量X的分?jǐn)?shù)低階矩為［14，15］

式中:

根據(jù)式(20)～(22)可得

對(duì)于給定的α和γ，上式無法得到p值的解析解，因此，可通過計(jì)算不同p值時(shí)上式兩邊的差值，選擇差值最小時(shí)對(duì)應(yīng)的p值．

5　實(shí)驗(yàn)結(jié)果與討論

為檢驗(yàn)本文方法檢測性能，在仿真和實(shí)測數(shù)據(jù)條件下，根據(jù)不同的模型參數(shù)和目標(biāo)多普勒頻率，分別驗(yàn)證了冪變換抑制非高斯特性對(duì)檢測性能的改善以及白化處理消除雜波相關(guān)性對(duì)檢測性能的改善，并比較分析了本文方法與MTD、LOD的檢測性能．

5.1仿真數(shù)據(jù)條件下的性能分析

在仿真分析中，采用復(fù)SαS分布來描述非高斯相關(guān)雜波［16］:

式中: A(n)、G1(n)、G2(n)分別為獨(dú)立過程η(n)、g1(n)和g2(n)激勵(lì)一階自回歸(Auto Regressive，AR)模型的輸出，即

設(shè)同一距離單元的觀測信號(hào)為x(n) = s(n) + v(n)，n =0，1，…，N－1，其中s(n) = aej(2πfdn/fr+φ)，a為信號(hào)幅度，fd為目標(biāo)多普勒頻率，脈沖重復(fù)頻率fr= 1000Hz，初相φ=0，相干脈沖間隔N =64．v(n)為復(fù)SαS分布雜波．

理論上，由于復(fù)SαS分布不存在二階譜密度，因此本文描述復(fù)SαS分布雜波譜應(yīng)用文獻(xiàn)［18］中復(fù)數(shù)形式的分?jǐn)?shù)低階協(xié)方差譜

式中: L1= max(0，－k)，L2= min(N－k，N)．

圖4為α=1.5時(shí)復(fù)SαS雜波的歸一化分?jǐn)?shù)低階協(xié)方差譜曲線．從圖中可以看出，復(fù)SαS分布雜波譜中心在多普勒零頻處，雜波譜3dB帶寬為［－32Hz，32Hz］，由AR模型參數(shù)b、c控制．

下面分析白化處理前后雜波和信號(hào)的譜特性．將圖2中的白化處理看作白化濾波器，設(shè)獨(dú)立雜波v(n)～Ν(0)作為濾波器的輸入，則濾波輸出信號(hào)的功率譜密度為

式中: H(f)為白化濾波器的頻率響應(yīng)．圖5給出了白化處理的頻率響應(yīng)幅值曲線(樣本數(shù)為105的平均曲線，下同)，由于白化矩陣是根據(jù)雜波相關(guān)矩陣求出(式(10) )，因此，頻率響應(yīng)自適應(yīng)于雜波的譜特性．圖6給出了雜波白化前后(式(11)中珋v和珓v)功率譜曲線比較，從圖6中可以看出，經(jīng)過白化處理之后，雜波的功率譜基本為直線，相關(guān)雜波變換為獨(dú)立雜波．圖7給出了目標(biāo)信號(hào)經(jīng)白化處理前后(式(14)中珋s和珓s)的功率譜曲線，其中，fd1= 62.5Hz(處于強(qiáng)雜波譜區(qū))，fd2= 375Hz(處于弱雜波譜區(qū))．圖8給出了觀測信號(hào)白化前后(式(13)中珔x和珘x)功率譜曲線，從圖8中可以看出，白化處理較好地消除了雜波的相關(guān)性，而信號(hào)譜的譜峰始終處于目標(biāo)多普勒頻率處．

為了綜合分析本文方法的檢測性能，根據(jù)圖4雜波分?jǐn)?shù)低階協(xié)方差譜密度曲線，在仿真中分別選取目標(biāo)多普勒頻率為fd1和fd2，在不同α參數(shù)條件下，給出了本文方法與MTD、LOD方法的檢測性能曲線．仿真中虛警概率設(shè)為pf=10－3．

由于復(fù)SαS分布理論上不存在有限的方差，因此在檢測仿真分析中采用文獻(xiàn)［8］中定義的廣義信雜比，對(duì)于式(5)中的觀測信號(hào)，廣義信雜比為［8］:

為了分析比較本文方法與MTD的檢測性能，圖9給出了不同α參數(shù)和目標(biāo)多普勒頻率條件下兩種方法的檢測性能曲線．實(shí)驗(yàn)結(jié)果表明，當(dāng)α= 2、1.75和1.5，目標(biāo)多普勒頻率為fd1時(shí)，本文方法Pd = 0.5時(shí)較MTD信雜比分別改善了約2.83dB、9.37dB、15.85dB;目標(biāo)多普勒頻率為fd2時(shí)，本文方法Pd= 0.5時(shí)較MTD信雜比分別改善了約4.54dB、9.97dB、16.59dB．

為了進(jìn)一步比較本文方法的檢測性能，下面給出了本文方法與LOD的檢測性能比較．基于K分布雜波的LOD的檢測統(tǒng)計(jì)量為［7］

式中: p為信號(hào)導(dǎo)向矢量; R為雜波相關(guān)矩陣; KN(·)為N階第二類修正貝塞爾函數(shù); c為K雜波尺度參數(shù); v為形狀參數(shù)．

由式(29)可知，基于K分布雜波的LOD結(jié)構(gòu)由兩部分組成，其中，pTR－1x為高斯相關(guān)雜波背景下最優(yōu)檢測器，余下部分為相應(yīng)非線性權(quán)值，其檢測性能依賴于雜波尺度參數(shù)c、第二類修正貝塞爾函數(shù)KN(·)和二次型xTR－1x．

為了分析比較本文方法與LOD的檢測性能，圖10給出了不同α參數(shù)和目標(biāo)多普勒頻率條件下兩種方法的檢測性能曲線．實(shí)驗(yàn)結(jié)果表明，當(dāng)α= 2、1.75和1.5，目標(biāo)多普勒頻率為fd1時(shí)，本文方法Pd= 0.5時(shí)較LOD信雜比分別改善了約1.51dB、9.21dB、15.94dB;目標(biāo)多普勒頻率為fd2時(shí)，本文方法Pd= 0.5時(shí)較LOD信雜比分別改善了約4.95dB、8.88dB、13.44dB．

5.2實(shí)測數(shù)據(jù)條件下的性能分析

實(shí)測數(shù)據(jù)為加拿大McMaster大學(xué)利用IPIX(Intelligent PIXel processing)雷達(dá)所采集的海雜波數(shù)據(jù)［19］，為了驗(yàn)證本文方法檢測性能，首先選用了#310組數(shù)據(jù)中的純海雜波數(shù)據(jù)和仿真目標(biāo)信號(hào)，比較分析了不同信雜比、不同目標(biāo)多普勒頻率條件下本文方法與LOD、MTD的檢測性能;其次，采用#310、#320共2組帶目標(biāo)的海雜波數(shù)據(jù)，比較分析了三種方法在目標(biāo)單元的檢測性能．

為了驗(yàn)證本文方法的檢測性能，首先采用該雷達(dá)采集的#310組數(shù)據(jù)，其中包含14個(gè)距離單元，每個(gè)距離單元由131072個(gè)采樣樣本組成．仿真中取純海雜波樣本(樣本數(shù)為1310720)進(jìn)行分析．將本文方法應(yīng)用于實(shí)測數(shù)據(jù)時(shí)，需要對(duì)雜波參數(shù)進(jìn)行估計(jì)，利用log| SαS |方法對(duì)雜波樣本估計(jì)可得α= 1.56，γ= 0.31，此時(shí)p =0.74．

圖11給出了雜波樣本的歸一化分?jǐn)?shù)低階協(xié)方差譜密度曲線．從圖中可以看出，由于海情(如海浪、海風(fēng)等)的影響，雜波譜存在頻移和展寬，雜波譜中心在－99Hz處，主雜波譜3dB帶寬為［－168Hz，－47Hz］．根據(jù)譜密度曲線，仿真中分別選取目標(biāo)多普勒頻率處于強(qiáng)雜波譜區(qū)及邊緣和弱雜波譜區(qū)三種情況進(jìn)行分析，因此目標(biāo)多普勒頻率分別取fd= 375、－250和－187.5Hz，其余信號(hào)參數(shù)取值同5．1．

為了分析比較本文方法與MTD的檢測性能，在實(shí)測數(shù)據(jù)條件下，圖12給出了不同目標(biāo)多普勒頻率條件下兩種方法的檢測性能曲線．從圖中可以看出，當(dāng)fd=375、－250和－187.5Hz，本文方法在Pd=0.5時(shí)所需信雜比較MTD分別改善了約9.00dB、7.41dB和4.25dB．

為了分析比較本文方法與LOD的檢測性能，在實(shí)測數(shù)據(jù)條件下，圖13給出了不同目標(biāo)多普勒頻率條件下兩種方法的檢測性能曲線．從圖中可以看出，當(dāng)fd= 375、－250和－187.5Hz時(shí)，本文方法在Pd= 0.5時(shí)所需信雜比較LOD分別改善了約8.77dB、3.86dB 和3.03dB．

為了進(jìn)一步驗(yàn)證方法的檢測性能，采用#310、#320 共2組帶目標(biāo)的海雜波數(shù)據(jù)進(jìn)行分析．待檢測目標(biāo)為1個(gè)直徑1m的球形密封救生器，表面包了一層鋁箔以增加雷達(dá)截面積．其中主目標(biāo)單元均為第7距離單元，次目標(biāo)單元為第6、8、9距離單元．分別采用每組數(shù)據(jù)的第1距離單元的純海雜波數(shù)據(jù)作為參考單元數(shù)據(jù)，比較分析了本文方法與LOD、MTD在目標(biāo)單元的檢測性能．表1給出了三種方法在目標(biāo)單元的檢測概率．從仿真結(jié)果可以看出，三種方法在主目標(biāo)單元的檢測性能優(yōu)于在次目標(biāo)單元的檢測性能，本文方法的檢測性能明顯優(yōu)于LOD與MTD．

表1　本文方法與LOD、MTD在目標(biāo)單元檢測概率

6　結(jié)論

非高斯相關(guān)雜波背景下的目標(biāo)檢測一直是雷達(dá)探測技術(shù)中的難點(diǎn)，本文基于分?jǐn)?shù)低階統(tǒng)計(jì)量理論，利用冪變換抑制雜波非高斯特性，利用雜波分?jǐn)?shù)低階協(xié)方差矩陣特征值分解的方法消除雜波的相關(guān)性，在此基礎(chǔ)上應(yīng)用匹配濾波實(shí)現(xiàn)對(duì)目標(biāo)信號(hào)的有效積累．實(shí)驗(yàn)結(jié)果表明，在非高斯相關(guān)雜波背景下，本文方法的檢測性能優(yōu)于MTD和LOD方法，且易于工程實(shí)現(xiàn)．

參考文獻(xiàn)

［1］彭應(yīng)寧，張文涵，王秀壇，等．動(dòng)目標(biāo)檢測(MTD)濾波器組的優(yōu)化設(shè)計(jì)新算法［J］．電子學(xué)報(bào)，1992，20 (3) : 9 －13．Peng Ying-ning，Zhang Wen-han，Wang Xiu-tan，et al．A novel algorithm for optimal design of filter banks in MTD ［J］．Acta Electronic Sinica，1992，20(3) : 9－13．(in Chinese)

［2］Sangston K J，Gini F，Greco M S．Coherent radar target detection in heavy-tailed compound-Gaussian clutter［J］．IEEE Transactions on Aerospace and Electronic Systems，2012，48(1) : 64－77．

［3］Fiche A，Cexus J C，Khenchaf A，et al．Characterization of the sea clutter with a-stable distribution［A］．IEEE International Conference on Geoscience and Remote Sensing Symposium (IGARSS)［C］．Munich: IEEE，2012．6059 －6062．

［4］Antipov I．Statistical analysis of northern Australian coastline sea clutter data［R］．Edinburg: DSTO Electronics and Surveillance Research Laboratory，2001．

［5］Ollila E，Tayler D E，Koivunen V，et al．Compound-Gaussian clutter modeling with an inverse Gaussian texture distribution［J］．IEEE Signal Processing Letters，2012，19(12) : 876－879．

［6］Conte E，Longo M，Lops M，et al．Radar detection of signals with unknown parameters in K-distributed clutter［J］．IEE Proceedings F，Radar and Signal Processing，1991，138 (2) : 131－138．

［7］Chakravarthi P R，Weiner D D，Slamani M．Performance of the locally optimum detector in a correlated K-distributed disturbance［A］．IEEE National Radar Conference［C］．Boston: IEEE，1993．117－122．

［8］Nikias C L，Shao M．Signal Processing with Alpha-Stable Distributions andApplications［M］．NewYork: Wiley，1995．

［9］張金鳳，邱天爽，唐洪．α穩(wěn)定分布噪聲環(huán)境下DLMP算法的收斂特性分析［J］．電子學(xué)報(bào)，2007，35 (3) : 515 －519．Zhang Jin-feng，Qiu Tian-shuang，Tang Hong．Robusness analysis of DLMP algorithm under α-stable noise environments［J］．Acta Electronic Sinica，2007，35(3) : 515－519．(in Chinese)

［10］Tsihrintzis G A，Nikias C L．Evaluation of fractional lower-order statistics based detection algorithms on real radar sea-clutter data［J］．IEE Proceedings，Radar，Sonar andNavigation，1997，144(1) : 29－38．

［11］Briassouli A，Strintzis M G．Locally optimum nonlinearities for DCT watermark detection［J］．IEEE Transactions on Image Processing，2004，13(12) : 1604－1617．

［12］Kuruoglu E E，F(xiàn)itzgerald W，Rayner P．Near optimal detection of signals in impulsive noise modelled with a symmetric-stable distribution［J］．IEEE Communication Letters，1998，2(10) : 282－284．

［13］Ma X Y，Nikias C L．Joint estimation of time delay and frequency delay in impulsive noise using fractional lower order statistics［J］．IEEE Transactions on Signal Processing，1996，44(11) : 2669－2687．

［14］Hari K V S，Lalitha V．Subspace-based DOA estimation using fractional lower order statistics［A］．IEEE International Conference on Acoustics，Speech and Signal Processing［C］．Prague: IEEE，2011．2580－2583．

［15］Yahong R Z，Vitor H N．Two variable step-size adaptive algorithms for Non-Gaussian interference environment using fractionally lower-order moment minimization［J］．IEEE Digital Signal Processing，2013，23(3) : 831－844．

［16］Szajnowski W J，Wynne J B．Simulation of dependent samples of symmetric alpha-stable clutter［J］．IEEE Signal Processing Letters，2001，8(5) : 151－152．

［17］Swami A．Non-Gaussian mixture models for detection and estimation in heavy-tailed noise［A］．IEEE International Conference on Acoustics，Speech，and Signal Processing ［C］．Istanbul: IEEE，2000．3802－3805．

［18］朱曉波，王首勇．α穩(wěn)定分布噪聲下信號(hào)的分?jǐn)?shù)低階協(xié)方差譜估計(jì)［J］．空軍雷達(dá)學(xué)院學(xué)報(bào)，2006，20(4) : 266 －269．Zhu Xiao-bo，Wang Shou-yong．Fractional low-order covariance spectrum estimation of the signal under the α-stable distribution noise［J］．Journal of Air Force Radar A-cademy，2006，20(4) : 266－269．(in Chinese)

［19］Rembrandt B，Brian C．The McMaster IPIX radar sea clutter database［EB/OL］．http: / /soma．ece．mcmaster．ca/ ipix/dartmouth/ datasets．html．2001．

鄭作虎男，1986年生于山東濰坊．空軍預(yù)警學(xué)院重點(diǎn)實(shí)驗(yàn)室博士研究生．研究方向?yàn)槔走_(dá)信號(hào)處理．

E-mail: zhengzuohu@ yeah．net

王首勇男，1956年生于河南滑縣．空軍預(yù)警學(xué)院重點(diǎn)實(shí)驗(yàn)室教授、博士生導(dǎo)師、中國電子學(xué)會(huì)高級(jí)會(huì)員．主要研究方向?yàn)楝F(xiàn)代信號(hào)處理、雷達(dá)信號(hào)處理．

Radar Target Detection Method of Fractional Lower Order Matched Filter in Complex Sea Clutter Background

ZHENG Zuo-hu，WANG Shou-yong
(Key Research Lab，Wuhan Air Force Early Warning Academy，Wuhan，Hubei 430019，China)

Abstract:The detection performance of the Moving Target Detection (MTD) method of the radar target descends badly in complex sea clutter background，Also，The Locally Optimum Detector only works well for the weak target in the low signal clutter ratio background，Therefore，a fractional lower order matched filter detection method is proposed，which is obtained based on the fractional lower order statistics．The proposed method suppresses the non-Gaussian clutter by the signed power and whitens the correlated clutter by decomposing the clutter fractional lower order covariance matrix，at last the matched filter is used to get higher signal clutter ratio．Simulations and real data results show that，the detection performance of the proposed method obviously outperforms the MTD and LOD method in non－Gaussian correlated clutter background．

Key words:non-Gaussian correlated clutter; signed power; fractional lower order covariance; clutter whitening

作者簡介

基金項(xiàng)目:國家自然科學(xué)基金(No．61179014，No．61302193)

收稿日期:2014-06-19;修回日期: 2015-04-17;責(zé)任編輯:藍(lán)紅杰

DOI:電子學(xué)報(bào)URL: http: / /www．ejournal．org．cn10．3969/j．issn．0372-2112．2016．02．011

中圖分類號(hào):TN957

文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):0372-2112 (2016) 02-0319-08