基于廣義逆高斯紋理結構的目標檢測算法

關鍵詞：海雜波；廣義逆高斯紋理；紋理空間相關性；相干檢測

中圖分類號：ＴＮ９１１．２３ 文獻標志碼：Ａ DOI：１０．１２３０５／ｊ．ｉｓｓｎ．１００１-５０６Ｘ．２０２４．１２．１０

０引言

海事雷達在執行對海探測任務時，不可避免地會受到海雜波的干擾。在低擦地角情況下，高分辨海雜波展現出強烈的非高斯性，具有重拖尾或尖峰特征，導致傳統非相干檢測器以及在高斯雜波背景下設計的相干檢測器虛警概率增加，嚴重制約海事雷達的探測性能［１］。復合高斯模型（ｃｏｍｐｏｕｎｄＧａｕｓｓｉａｎｍｏｄｅｌ，ＣＧＭ）將海雜波建模為散斑分量調制紋理分量的過程，能夠較好地擬合高分辨海雜波的統計特性，因此ＣＧＭ 下的相干檢測算法設計受到廣泛關注［２］。

目前，基于ＣＧＭ 的相干檢測算法已歷經３個發展階段。起初，實現目標檢測主要依賴目標回波的相干積累以及散斑協方差矩陣對雜波的白化抑制，典型代表為自適應歸一化匹配濾波（ａｄａｐｔｉｖｅｎｏｒｍａｌｉｚｅｄ ｍａｔｃｈｅｄｆｉｌｔｅｒｉｎｇ，ＡＮＭＦ）檢測器，其核心為重塑后的多普勒導向矢量與白化海雜波之間的角度匹配［３］。ＡＮＭＦ 檢測器雖然適用于所有紋理結構的復合高斯雜波，但其對任意一種紋理結構的雜波均不具有最優檢測性能。第二階段通過分析海雜波的幅度統計特性，在不同紋理分布條件下設計相應的廣義似然比檢測（ｇｅｎｅｒａｌｉｚｅｄｌｉｋｅｌｉｈｏｏｄｒａｔｉｏｔｅｓｔ，ＧＬＲＴ）算法，提升相干檢測器的目標檢測性能。例如Ｇａｍｍａ紋理［４７］下的最優Ｋ 檢測器（ｏｐｔｉｍｕｍ Ｋｄｅｔｅｃｔｏｒ，ＯＫＤ）［８９］，逆Ｇａｍｍａ紋理［１０１１］下的ＧＬＲＴ 線性門限檢測器（ＧＬＲＴ ｗｉｔｈｌｉｎｅａｒ-ｔｈｒｅｓｈｏｌｄｄｅｔｅｃｔｏｒ，ＧＬＲＴ-ＬＴＤ）［１２］，以及逆Ｇａｕｓｓｉａｎ 紋理［１３１５］下的ＧＬＲＴ（ＧＬＲＴ ｗｉｔｈｉｎｖｅｒｓｅＧａｕｓｓｉａｎｔｅｘｔｕｒｅ，ＩＧＧＬＲＴ）檢測器［１６］。然而，Ｇａｍｍａ、逆Ｇａｍｍａ以及逆高斯紋理下的ＣＧＭ 之間存在模型選擇問題，且對高分辨海雜波可能仍然存在擬合損失，導致相應的ＯＫＤ、ＧＬＲＴ-ＬＴＤ 以及ＩＧ-ＧＬＲＴ 檢測器性能下降。第三階段則將海雜波的頻譜分布、空間相關性以及協方差矩陣的斜對稱特性等先驗信息引入到檢測器的設計流程中，進入精細化檢測階段［１７２３］。文獻［２４］基于雜波的平穩特性因子設計了自適應平滑檢測器，在非均勻雜波背景下提升了檢測器的性能。

在復雜雜波背景下，廣義逆高斯紋理復合高斯模型（ｃｏｍｐｏｕｎｄＧａｕｓｓｉａｎｍｏｄｅｌｗｉｔｈｇｅｎｅｒａｌｉｚｅｄｉｎｖｅｒｓｅＧａｕｓｓ-ｉａｎｔｅｘｔｕｒｅ，ＣＧ-ＧＩＧ），相較于復合Ｋ 分布、Ｐａｒｅｔｏ分布以及逆高斯紋理ＣＧＭ 對非高斯海雜波具有較好的擬合優度和普適性［２５］。此外，由于Ｇａｍｍａ分布、逆Ｇａｍｍａ分布以及逆Ｇａｕｓｓｉａｎ 分布為廣義逆高斯（ｇｅｎｅｒａｌｉｚｅｄｉｎｖｅｒｓｅＧａｕｓｓｉａｎ，ＧＩＧ）分布在不同參數下的特例，故ＣＧ-ＧＩＧ 分布下的最優相干檢測器能夠同時包含ＯＫＤ、ＧＬＲＴ-ＬＴＤ以及ＩＧ-ＧＬＲＴ 檢測器，最大程度地避免了由雜波模型失配導致的檢測器性能下降。因此，針對ＣＧ-ＧＩＧ 海雜波背景下的動目標檢測問題，根據ＧＬＲＴ 原理，文獻［２６ ２７］給出了ＣＧＧＩＧ 雜波背景下的最優相干檢測器，并將其命名為ＧＩＧ-ＧＬＲＴ。然而，在構建ＧＩＧ-ＧＬＲＴ 檢測器時，其假定海雜波各距離門之間為獨立同分布類型，并未考慮紋理分量的相關性。隨著現代體制雷達距離分辨率的不斷提升，海雜波紋理分量在空間維度的相關性也愈發明顯，不容忽略。在相關雜波背景下，可認為在待檢測單元（ｃｅｌｌｕｎｄｅｒｔｅｓｔ，ＣＵＴ）周圍具有一定數量與ＣＵＴ 紋理相同的參考單元。因此，有必要將海雜波的紋理信息運用到檢測器設計中，提出基于紋理分量空間相關性改進的檢測器。實測和仿真數據表明，在均勻或部分均勻雜波背景下，本文所提檢測器相較于ＡＮＭＦ和ＧＩＧ-ＧＬＲＴ檢測器具有較好的目標檢測性能。

作者簡介

陳鐸（１９９９—），男，碩士研究生，主要研究方向為海雜波背景下的微弱目標檢測。

范一飛（１９８９—），男，副研究員，博士，主要研究方向為雷達信號處理、海面微弱目標檢測。

粟嘉（１９８５—），男，副教授，博士，主要研究方向為雷達信號處理、雷達干擾抑制。

郭子薰（１９９４—），女，博士后，主要研究方向為雷達信號處理、海面微弱目標檢測。

陶明亮（１９８９—），男，副教授，博士，主要研究方向為雷達信號處理、雷達干擾抑制。