非高斯杂波环境下的自适应雷达目标检测与性能分析

"该文研究了在非高斯杂波环境下的自适应雷达目标检测问题，特别是基于球不变随机向量(SIRV)模型的场景。文中提出了一种新的协方差矩阵估计器，用于处理可能具有相关纹理分量的杂波，并据此设计了自适应归一化匹配滤波器(ANMF)。理论分析和仿真结果表明，这种ANMF在杂波分组大小估计准确的情况下具有恒虚警率(CFAR)特性，即使在估计失配时也能保持近似的CFAR性能。与现有ANMF相比，新方法在检测性能上有所提升，迭代次数减少，并且相对于已知杂波协方差矩阵的最优NMF，其检测损失更小，显示出良好的应用潜力。" 在雷达探测领域，非高斯杂波是影响目标检测性能的一个重要因素，尤其是在复杂环境如海洋、陆地等场景中。传统的检测算法往往假设杂波服从高斯分布，但在实际应用中，非高斯杂波更为常见，这使得基于高斯假设的检测器性能下降。为了应对这一挑战，研究者提出了一种新的策略。 文章首先假设杂波遵循SIRV模型，这是一种能够描述具有复杂纹理的非高斯杂波的统计模型。在此基础上，他们设计了一个新的协方差矩阵估计器，该估计器考虑了杂波各分量可能存在的相关性。通过这个估计器，可以更好地刻画杂波的统计特性，从而提高检测算法的准确性。 接下来，利用新估计的协方差矩阵，研究人员构建了一个自适应归一化匹配滤波器(ANMF)。ANMF是一种常用的检测方法，它能够在未知信号功率和杂波环境下保持恒定的虚警率，即CFAR特性。理论上，当估计的杂波分组大小与实际一致时，该ANMF将展现出理想的CFAR性能，即使存在大小估计误差，仍能保持接近CFAR的性能。 通过仿真对比，新提出的ANMF在检测性能上优于现有的ANMF算法，这意味着在同样的条件下，新方法能更有效地识别目标。此外，新ANMF的迭代次数较少，这降低了计算复杂性，提升了实时处理能力。同时，新方法相对于已知杂波协方差矩阵的最优NMF，其检测性能损失较小，显示出了更好的实用价值。 这项研究提供了一种新的自适应检测策略，适用于非高斯杂波环境，有望在实际雷达系统中得到广泛应用，提高目标检测的可靠性。对于雷达系统的设计和优化，尤其是面对非高斯杂波环境时，这种新方法提供了重要的理论支持和技术参考。