高分辨率海杂波环境下的多窗口层次范围扩展目标检测

《Digital Chinese Medicine》：Multiwindow Hierarchical Range-Spread Target Detection in High-Resolution Sea Clutter

针对高分辨率 maritime雷达在复杂海洋场景中检测范围扩展目标时存在的窗口匹配不当和干扰严重问题，提出多窗口分层检测方法。通过广义帕累托分布建模海杂波，采用自适应广义似然比检验线性阈值检测器结合多尺度窗口选择机制，利用宽窗口检测结果辅助窄窗口参考胞选择，有效降低匹配损失并抑制多目标干扰。同时设计快速相关矩阵估计算法缓解计算负担，实验验证了该方法在实测数据与模拟场景中的有效性。

　　高分辨率海面雷达在复杂场景中具有重要的应用价值，特别是在沿海水域中，这些雷达需要应对密集的小目标和具有不同径向尺寸的扩展目标。传统的扩展目标检测方法在处理这些场景时存在显著的局限性，主要体现在两个方面：一是雷达的径向积分窗口与目标径向尺寸之间的不匹配，导致检测性能下降；二是扩展目标对周围小目标检测产生严重干扰，影响整体识别能力。为了解决这些问题，本文提出了一种多窗口分层扩展目标检测方法，旨在提高复杂海洋场景中扩展目标的检测效果。

高分辨率海面雷达通常工作在具有空间和时间变化统计特性的海杂波环境中。海杂波的统计特性对目标检测具有重要影响，因此需要对这些特性进行准确建模。本文假设海杂波服从广义帕累托分布（Generalized Pareto Distribution, GP），这种分布能够更好地描述海面杂波的复杂性，尤其适用于高分辨率雷达的检测任务。在此基础上，本文提出了一种基于多窗口的分层检测方法，通过使用不同宽度的径向积分窗口来适应不同径向尺寸的扩展目标，从而提高检测精度和鲁棒性。

在传统的扩展目标检测方法中，通常采用单一的径向积分窗口进行检测。然而，由于不同目标的径向尺寸差异较大，单一窗口难以覆盖所有情况，从而导致检测性能的损失。此外，传统方法在选择参考单元时也存在一定的缺陷，特别是在存在异常单元的情况下，这些异常单元可能会影响检测结果。为了解决这些问题，本文引入了多窗口分层检测的思想，通过多个不同宽度的窗口来覆盖不同的目标尺寸，从而减少整体的不匹配损失。

多窗口分层检测方法的核心思想在于利用不同窗口的检测结果作为场景先验信息，帮助在后续更窄的窗口中选择合适的参考单元。例如，较宽的窗口检测结果可以提供关于目标分布的全局信息，而较窄的窗口则可以更精确地识别目标的细节。这种方法通过信息的分层传递，提高了目标检测的准确性和效率。此外，本文还对扩展目标检测中不同窗口的不匹配损失进行了分析，并提出了一种快速的斑点协方差矩阵估计和求逆算法，以减少多窗口分层检测方法的计算负担。

为了验证本文提出的方法的有效性，实验部分使用了X波段岛基雷达的实测数据，并加入了模拟的扩展目标。实验数据包括海杂波背景和测试的小目标，以评估多窗口分层检测方法在实际场景中的表现。实验结果显示，与传统方法相比，本文提出的方法在检测扩展目标时具有更高的准确率和更低的误报率。此外，通过使用多个窗口的检测结果，该方法能够更有效地区分小目标和扩展目标，并准确估计扩展目标的径向尺寸。

在复杂海洋场景中，目标的多样性使得检测任务更加具有挑战性。扩展目标通常具有较长的径向尺寸，而小目标则较为密集，容易受到扩展目标的干扰。因此，需要一种能够适应不同目标尺寸的检测方法，同时避免异常单元的影响。本文提出的多窗口分层检测方法通过分层利用不同窗口的检测结果，实现了对扩展目标和小目标的协同检测，从而提高了整体的检测性能。

此外，本文还对扩展目标检测中的关键问题进行了深入探讨。首先，目标的径向尺寸是影响检测性能的重要因素，因此需要对目标的径向尺寸进行准确估计。其次，传统的检测方法在选择参考单元时往往假设这些单元仅包含杂波，但在实际环境中，可能存在多个扩展目标，这使得参考单元的选择变得更加复杂。为了解决这些问题，本文提出了一种基于多窗口的分层检测方法，通过使用不同宽度的窗口来覆盖不同的目标尺寸，并利用较宽窗口的检测结果作为先验信息，辅助较窄窗口的参考单元选择。

在多窗口分层检测方法中，每个窗口的检测结果都可以作为后续检测的参考信息。较宽的窗口能够覆盖更多的目标信息，而较窄的窗口则能够更精确地识别目标的细节。通过将较宽窗口的检测结果作为先验信息，可以在较窄窗口的检测过程中减少误报率，提高检测的准确性。此外，本文还提出了一种快速的斑点协方差矩阵估计和求逆算法，以减少多窗口分层检测方法的计算负担，提高其实用性。

在实际应用中，高分辨率海面雷达需要在复杂场景中进行长时间的监测，以确保对目标的准确识别。传统的扩展目标检测方法在处理这些场景时存在一定的局限性，尤其是在存在多个扩展目标的情况下，这些目标的相互干扰可能会影响检测效果。为了解决这一问题，本文提出的多窗口分层检测方法通过分层利用不同窗口的检测结果，实现了对扩展目标和小目标的协同检测，从而提高了整体的检测性能。

在实验部分，本文使用了X波段岛基雷达的实测数据，并结合了模拟的扩展目标，以验证多窗口分层检测方法的有效性。实验数据包括海杂波背景和测试的小目标，以评估方法在实际场景中的表现。实验结果表明，与传统方法相比，本文提出的方法在检测扩展目标时具有更高的准确率和更低的误报率。此外，通过使用多个窗口的检测结果，该方法能够更有效地区分小目标和扩展目标，并准确估计扩展目标的径向尺寸。

为了进一步提高检测效果，本文还对扩展目标检测中的关键问题进行了深入分析。首先，目标的径向尺寸是扩展目標探测中的一个重要参数，需要对其进行准确估计。其次，传统的检测方法在选择参考单元时往往假设这些单元仅包含杂波，但在实际环境中，可能存在多个扩展目标，这使得参考单元的选择变得更加复杂。为了解决这些问题，本文提出了一种基于多窗口的分层检测方法，通过使用不同宽度的窗口来覆盖不同的目标尺寸，并利用较宽窗口的检测结果作为先验信息，辅助较窄窗口的参考单元选择。

在多窗口分层检测方法中，每个窗口的测试统计量可以用于目标检测。较宽的窗口能够提供更多的目标信息，而较窄的窗口则能够更精确地识别目标的细节。通过将较宽窗口的检测结果作为先验信息，可以在较窄窗口的检测过程中减少误报率，提高检测的准确性。此外，本文还提出了一种快速的斑点协方差矩阵估计和求逆算法，以减少多窗口分层检测方法的计算负担，提高其实用性。

本文提出的多窗口分层检测方法在实际应用中具有较高的灵活性和适应性。通过使用不同宽度的窗口，该方法能够适应不同径向尺寸的扩展目标，从而提高检测效果。同时，该方法通过分层利用不同窗口的检测结果，实现了对扩展目标和小目标的协同检测，减少了检测过程中的干扰和误报。实验结果表明，该方法在复杂海洋场景中能够有效提高目标检测的准确率和鲁棒性。

此外，本文还对扩展目标检测中的不匹配损失进行了分析。不匹配损失主要来自于雷达的径向积分窗口与目标径向尺寸之间的不匹配，这会导致检测性能下降。通过使用多个窗口，该方法能够减少整体的不匹配损失，提高检测的准确性。同时，本文提出了一种快速的斑点协方差矩阵估计和求逆算法，以减少多窗口分层检测方法的计算负担，提高其实用性。

在实际应用中，高分辨率海面雷达需要在复杂场景中进行长时间的监测，以确保对目标的准确识别。传统的扩展目标检测方法在处理这些场景时存在一定的局限性，尤其是在存在多个扩展目标的情况下，这些目标的相互干扰可能会影响检测效果。为了解决这一问题，本文提出的多窗口分层检测方法通过分层利用不同窗口的检测结果，实现了对扩展目标和小目标的协同检测，从而提高了整体的检测性能。

综上所述，本文提出的多窗口分层扩展目标检测方法在复杂海洋场景中具有显著的优势。通过使用不同宽度的窗口，该方法能够适应不同径向尺寸的扩展目标，减少检测过程中的不匹配损失。同时，通过分层利用不同窗口的检测结果，实现了对扩展目标和小目标的协同检测，提高了检测的准确性和鲁棒性。实验结果表明，该方法在实际应用中能够有效提高目标检测的性能，具有较高的实用价值。