一种基于马尔科夫链干扰预测的信号检测方法
技术领域
本发明涉及信号处理领域,尤其涉及一种基于马尔科夫链干扰预测的信号检测方法。
背景技术
雷达目标检测,通过从空域中接收信号,从中检测目标反射的感兴趣目标信号的存在,来进行目标的探测。主动式雷达通过主动发射信号源来作为感兴趣目标信号。而被动式雷达使用非协作信号源进行目标检测、定位和追踪,因此具有检测范围广、隐蔽性强、抗干扰能力强的优势,在雷达领域得到了越来越广泛的研究。然而,非协作信号源也带来了很多检测挑战。如由于外辐射源并非直接设计用于目标检测,因此目标反射信号往往具有极低的信噪比。同时,非协作信号源也导致雷达无法实现对信号环境的自由选择,使得检测环境面临着时变干扰的影响。
为了克服在被动式雷达检测中面临的挑战,现有的被动式雷达***通常会采用多基多信道的方式来进行信号接收,并对不同信道的信号进行信号处理后,再采用融合策略,实现融合信号检测。对多信道信号而言,每个信道的干扰状态都不相同,因此可以避免单一信号的恶劣信道环境对检测性能的影响。同时,多个信道的信号接收也增加了接收信号的能量,从而提升了信号的能噪比。因此多信道检测能够有效提高被动式雷达信号检测的性能。传统的多信号检测融合算法中,需要对各个信道的数据进行融合,以实现信号检测判决。而每个信道会根据对信号环境的估计赋予各自的融合权重。然而,对信道环境的估计,往往会耗费雷达大量的资源,在雷达资源有限的检测场景下,难以实现持续的信号环境估计,因此不能够实现有效的融合算法。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于马尔科夫链干扰预测的信号检测方法,具体技术方案如下:
一种基于马尔科夫链干扰预测的信号检测方法,其特征在于,该方法包括以下步骤:
S1:初始化在干扰强度预测中使用的参数,并在检测开始时刻使用干扰估计器来得到检测信道中干扰强度PI;
S2:利用基于马尔科夫模型的方法将当前检测周期划分入预测周期,更新当前检测周期在预测周期中的排序索引,并对当前检测周期的干扰强度进行估计;每个所述的预测周期均包含多个相邻的检测周期;
S3:根据S2得到的估计结果来设计信号检测中各个信道统计量的权重,进行信号检测;
S4:根据S2中的干扰预测结果更新下一时刻的干扰预测参数,返回S2,从而将总的检测时长划分成多个预测周期,实现实时的信号检测干扰预测与权重更新。
进一步地,所述S1具体为:
所述的干扰强度预测中使用的参数包括状态转移不变概率Q、双边容忍系数Δc、状态转移产生的新干扰强度的分布均值μ
new及分布方差
偏差阈值θ及干扰持续概率阈值γ、检测周期n
d、n
d在预测周期中的排序索引D、检测信道中干扰的强度P
I;
所述的状态转移不变概率Q的设定具体为:对目标信道使用干扰估计器进行一段时间的干扰环境检测,并与检测周期使用的时间进行同步,统计总的估计周期数Ne中,当前时刻与上一时刻干扰状态相同的个数Nc,并通过下式来计算状态转移不变概率Q
其中,状态转移不变概率Q表示当前检测周期的干扰强度与上一检测周期干扰强度相同的概率;
所述的双边容忍系数Δc根据实际干扰环境及干扰预测需求来确定,Δc代表的是当前检测周期的干扰强度偏离上一检测周期干扰强度的程度,当相邻检测周期间的干扰状态发生变化但变化幅度在
间,则近似认为干扰状态没有发生变化;
所述的状态转移产生的新干扰强度的分布均值μ
new及分布方差
的确定具体如下:对目标信道使用干扰估计器进行一段时间的干扰环境检测,并与检测周期使用的时间进行同步,统计在一段时间内出现的干扰功率P
l,并通过下式分别计算得到状态转移产生的新干扰强度的分布均值μ
new及分布方差
其中,L表示出现过的总的干扰数目;
所述的偏差阈值θ及干扰持续概率阈值γ的确定具体如下:利用蒙特卡洛实验的方法,得到在不同阈值下的检测性能Pd(θ,γ)及能耗W(θ,γ),并设计能效损失函数L(Pd,W),通过最小化能效损失函数L(Pd,W),来确定偏差阈值θ及干扰持续概率阈值γ;
所述的检测周期nd的初值为1,nd在预测周期中的排序索引D初值为0,即从检测开始时刻进行预测周期的划分;
进一步地,所述S2通过以下子步骤来实现:
S2.1:根据nd在预测周期中的排序索引D,以及干扰估计器的干扰强度PI,通过下式来计算干扰持续概率P和干扰偏差d2
其中,Φ(x)表示标准高斯误差函数。
S2.2:根据下述规则划分检测周期:
d2≤θ且P≤γ时,将当前检测周期划分入当前的预测周期中;当d2>θ或P>γ时,将当前检测周期划分入下一个预测周期,并重置D=0,使用干扰估计器来得到检测信道中干扰的强度PI,new,更新PI=PI,new。
进一步地,所述S3通过以下子步骤来实现:
S3.1:利用雷达接收多信道的直达波信号sd,m[n]和反射波信号sr,m[n],m=1,2,3,...,M表示不同的信道,n=1,2,3...,N表示每个信道中的采样点;
S3.2:通过下式计算每个信道的局部统计量:
其中,τ为反射波相对直达波的时延,Δω为反射波相对直达波的多普勒频偏;
S3.3:对于每个信道,通过步骤S2都能得到该信道在nd检测周期的干扰强度估计PI,m,计算每个信道的权重
S3.4:通过下式计算全局统计量
S3.5:设定全局统计量的检测阈值λ,当T>λ时,认为目标存在;否则,认为目标不存在。
进一步地,所述S4的具体实现方法为:
当nd≤Nd时,令nd=nd+1,D=D+1;返回步骤S2,进入下一个检测周期的干扰预测和信号检测;否则,结束信号检测;其中,Nd为检测周期总数。
本发明的有益效果如下:
本发明的基于马尔科夫链干扰预测的信号检测方法,聚焦研究在持续检测中,对信号环境的估计以及多信道融合的权重设计。相比于现有的雷达检测方法,本方法利用了干扰在连续检测周期之间的时间相关性,利用马尔科夫模型来对时间相关性进行建模,并根据干扰存在概率来判断是否使用干扰估计器。基于预测的信号环境估计,减少了在持续检测中,对信道环境估计所消耗的资源,提高了雷达检测的能效。在雷达计算资源有限的情况下,更能够有效提升雷达性能,优化雷达的能耗。
附图说明
图1是基于马尔科夫链干扰预测的信号检测方法设计流程图;
图2是本发明的干扰预测参数设定与性能、能耗及能效的关系图;
图3是本发明的信号检测方法在连续信号检测中的平均检测概率与信扰噪比的关系图。
具体实施方式
下面根据附图和优选实施例详细描述本发明,本发明的目的和效果将变得更加明白,应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
一种基于马尔科夫链干扰预测的信号检测方法,如图1所示,该方法包括以下步骤:
S1:初始化在干扰强度预测中使用的参数,并在检测开始时刻使用干扰估计器来得到检测信道中干扰强度PI;
所述的干扰强度预测中使用的参数包括状态转移不变概率Q、双边容忍系数Δc、状态转移产生的新干扰强度的分布均值μ
new及分布方差
偏差阈值θ及干扰持续概率阈值γ、检测周期n
d、n
d在预测周期中的排序索引D、检测信道中干扰的强度P
I;
所述的状态转移不变概率Q的设定具体为:对目标信道使用干扰估计器进行一段时间的干扰环境检测,并与检测周期使用的时间进行同步,统计总的估计周期数Ne中,当前时刻与上一时刻干扰状态相同的个数Nc,并通过下式来计算状态转移不变概率Q
其中,状态转移不变概率Q表示当前检测周期的干扰强度与上一检测周期干扰强度相同的概率;
所述的双边容忍系数Δc根据实际干扰环境及干扰预测需求来确定,Δc代表的是当前检测周期的干扰强度偏离上一检测周期干扰强度的程度,当相邻检测周期间的干扰状态发生变化但变化幅度在
间,则近似认为干扰状态没有发生变化;
所述的状态转移产生的新干扰强度的分布均值μ
new及分布方差
的确定具体如下:对目标信道使用干扰估计器进行一段时间的干扰环境检测,并与检测周期使用的时间进行同步,统计在一段时间内出现的干扰功率P
l,并通过下式分别计算得到状态转移产生的新干扰强度的分布均值μ
new及分布方差
其中,L表示出现过的总的干扰数目;
所述的偏差阈值θ及干扰持续概率阈值γ的确定具体如下:利用蒙特卡洛实验的方法,得到在不同阈值下的检测性能Pd(θ,γ)及能耗W(θ,γ),并设计能效损失函数L(Pd,W),通过最小化能效损失函数L(Pd,W),来确定偏差阈值θ及干扰持续概率阈值γ;
所述的检测周期nd的初值为1,nd在预测周期中的排序索引D初值为0,即从检测开始时刻进行预测周期的划分;
S2:利用基于马尔科夫模型的方法将当前检测周期划分入预测周期,更新当前检测周期在预测周期中的排序索引,并对当前检测周期的干扰强度进行估计;每个所述的预测周期均包含多个相邻的检测周期;
S2.1:根据nd在预测周期中的排序索引D,以及干扰估计器的干扰强度PI,通过下式来计算干扰持续概率P和干扰偏差d2
其中,Φ(x)表示标准高斯误差函数。
S2.2:根据下述规则划分检测周期。
d2≤θ且P≤γ时,将当前检测周期划分入当前的预测周期中;当d2>θ或P>γ时,将当前检测周期划分入下一个预测周期,并重置D=0,使用干扰估计器来得到检测信道中干扰的强度PI,new,更新PI=PI,new。
S3:根据S2得到的估计结果来设计信号检测中各个信道统计量的权重,进行信号检测;
S3.1:利用雷达接收多信道的直达波信号sd,m[n]和反射波信号sr,m[n],m=1,2,3,...,M表示不同的信道,n=1,2,3...,N表示每个信道中的采样点;
S3.2:通过下式计算每个信道的局部统计量:
其中,τ为反射波相对直达波的时延,Δω为反射波相对直达波的多普勒频偏;
S3.3:对于每个信道,通过步骤S2都能得到该信道在nd检测周期的干扰强度估计PI,m,计算每个信道的权重
S3.4:通过下式计算全局统计量
S3.5:设定全局统计量的检测阈值λ,当T>λ时,认为目标存在;否则,认为目标不存在。
S4:根据S2中的干扰预测结果更新下一时刻的干扰预测参数,返回S2,从而将总的检测时长划分成多个预测周期,实现实时的信号检测干扰预测与权重更新。
当nd≤Nd时,令nd=nd+1,D=D+1;返回步骤S2,进入下一个检测周期的干扰预测和信号检测;否则,结束信号检测;其中,Nd为检测周期总数。
图2是本发明的干扰预测参数设定与性能、能耗及能效的关系图,图3是本发明的信号检测方法与理想检测方法在连续信号检测中的平均检测概率与信扰噪比的关系图,从图2和图3可以看出,本发明的对星方法能够提升在持续的信号检测中的能效,并且保持较好的检测性能。从图2中的x=0.6,y=1.26点可知,当干扰持续概率阈值设为γ=0.6时,在图中场景下可以得到最优的能效指标1.26。
本领域普通技术人员可以理解,以上所述仅为发明的优选实例而已,并不用于限制发明,尽管参照前述实例对发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内,所做的修改、等同替换等均应包含在发明的保护范围之内。