基于Krylov子空间的多通道自适应信号检测方法的性能研究-信号与信息处理专业论文.docxVIP

摘 要 摘 要 多通道信号检测系统可以识别信号和杂波干扰的不同空时特征，对于空时相 关强杂波和干扰背景下的信号检测，具有较好的检测性能，目前已被广泛应用于 雷达、声呐、医疗检测等领域。对于经典的线性多通道信号检测方法，匹配滤波 器（MF：Matched Filter）检测性能最优，但在实际情况下由于训练样本数目的限 制不适用，而广义似然比检测（GLRT：Generalized Likelihood Ratio Test）和自适 应匹配滤波器（AMF：Adaptive Matched Filter）检测所需的运算量和存储量较大。 Krylov 子空间方法作为一种高速有效的迭代方法可用于求解 AMF 的权值向量，由 此产生的 Krylov 子空间自适应匹配滤波器（KAMF），在强杂波或强干扰的背景 下，具有运算量低、训练样本需求量少等优点。 本文首先介绍了 Krylov 子空间的基本理论与方法。通过 Cayley-Hamilton 定理 引出 Krylov 子空间的定义，并重点介绍了几种常用的 Krylov 子空间方法，如 Arnoldi 算法、Lanczos 算法、共轭梯度（CG：Conjugate Gradient）算法、广义最小残差 （GMRES：Generalized minimal residual）算法等，总结分析了各算法的原理、适 应条件以及优缺点等，为实现 Krylov 子空间在信号处理领域的应用奠定了理论基 础。 接着研究了经典的信号检测理论，通过建立二元假设模型，给出了信号检测 的性能指标，即虚警概率、检测概率以及输出信干噪比（SINR：Signal to Interference plus Noise Ratio）等，并重点介绍了几种已有的信号检测方法：MF 检测、GLRT 检测、AMF 检测以及共轭梯度匹配滤波器（CG-MF）检测；通过仿真分析比较了 各检测器之间的检测性能。 在上述讨论的基础上，本文主要开展了以下两个方面的工作： 一．研究了 Krylov 子空间自适应匹配滤波器的检测性能。在杂波和干扰的强 度远远大于噪声强度的情况下，协方差矩阵具有低秩校正结构。在该情况下，通 过对 KAMF 检测器的权值向量的一阶近似表示，得出了 KAMF 检测器的近似虚警 概率，证明了 KAMF 检测器具有近似恒虚警率（CFAR：Constant False Alarm Rate） 特性；然后利用 Wishart 分布的性质推导出了 KAMF 检测器的近似检测概率；通 过计算机生成数据对 KAMF 检测器的 CFAR 特性、检测曲线等进行了仿真分析与 验证。 二．研究了 Krylov 子空间自适应匹配滤波器的输出 SINR 的统计特性。利用 CG 算法来求解 AMF 的权值向量，并通过 Lanczos 算法的三对角化性质，给出了 摘 要 KAMF 检测器的输出 SINR 的表示形式；当协方差矩阵为低秩校正阵时，给出了输 出 SINR 的近似形式，并通过矩阵分块以及 Wishart 分布的基本性质推导出了 KAMF 检测器的输出 SINR 的近似概率密度函数（PDF：Probability Density Function）； 最后通过仿真验证了该近似 PDF 的准确性。 本文介绍的 KAMF 检测器解决了经典的线性自适应检测过程中因矩阵求逆引 起的运算量大的问题，且具有良好的检测性能，极具实践意义，值得我们进行深 入研究。 关键词：Krylov 子空间，虚警概率，CFAR 特性，检测概率，信干噪比 ABSTRACT ABSTRACT The multi-channel signal detection system can identify the space-time characteristics of signal under clutter or interference background. Now it has been widely applied in the field of radar, sonar, medical detection. For classical linear multi-channel signal detection methods, the matched filter has the best detection performance, but it is not applicable in practice due to the unknown disturbance covariance matrix. Besides, Generalized Likelihood Ratio Test (GLRT) and Adaptive Matched Filter