雷达目标检测的基本理论

雷达目标检测有不同的分类方法，根据检测机理的不同，可将雷达目标检测器分为能量检测器和特征检测器。大多数雷达目标检测器利用的是数据的一阶（幅度）或二阶（功率、功率谱）统计特征，称为能量检测器，如图8.1所示，该类检测器的主要构造方法是似然比检验。特征检测器则是将目标检测问题转化为分类问题，即判断回波是否属于背景所在的类，该类检测器的形成关键在于提取稳健的具有可分性的特征空间，并形成判别区域，如图8.2所示。

图8.1　能量检测器原理图

图8.2　特征检测器原理图

从建模的角度来分，可分为统计学处理方法和非线性处理方法。统计学处理方法将雷达回波建模为随机过程，在此基础上研究海杂波与目标在幅度、谱和相关性等统计属性上的差异，建立相应的模型形成检测统计量。然而，随着研究的深入，尤其是针对海杂波这类复杂背景，统计模型日益复杂，可操作性及物理含义下降。海面起伏是非线性的，非线性处理方法能很好地反映海杂波的非线性物理属性。典型的非线性处理方法是分形处理方法，该类方法具有参数估计简单便捷的特点。然而，该类方法难以形成闭式的检测统计量。因此，将海杂波分形参数估计简单便捷的特点与成熟的统计处理方法相结合，提取能反映海杂波非线性物理属性的特征，形成具有可实现性和实时性的检测统计量，是一个很有意义的发展方向。(www.xing528.com)

从雷达建模和检测门限的角度，可分为固定门限的二元假设检验和基于CFAR的雷达目标检测方法。此外，由于深度学习的兴起，基于深度网络的雷达目标检测算法被广泛应用于雷达目标检测之中。