雷达原理与系统-雷达信号检测.pptxVIP

1 雷达信号检测雷达原理与系统 2本章教学内容： 介绍信号检测的概念 介绍基本检测过程 雷达信号的最佳检测 脉冲积累的检测性能 自动检测 推导不同情况下的检测概率的计算公式 36.1 基本检测过程 雷达的检测问题，首先是判断输入端是否有信号。输入到检测系统的x(t)有两种可能： 检测系统的任务是对输入x(t)进行必要的处理，然后根据检测系统的输出来判断输入是否有信号。 (1) 信号加噪声，即 x(t) = s(t) + n(t) (2) 只有噪声， 即 x(t) = n(t)图6.1 雷达信号检测模型检测门限雷达的检测过程可以用门限检测来描述，即以接收机的接收信号经处理后的输出信号（本书中称为检测前输入信号）与某个门限电平进行比较。如果检测前输入信号的包络超过了某一预置门限，就认为有目标（信号）。 46.1：基本检测过程 由于输入噪声和干扰的随机性，信号检测问题要用数理统计的方法来解决。 雷达信号检测属于二元检测问题，即要么有目标，要么无目标。当接收机只有噪声输入时，为H0假设；当输入包括信号加噪声时，为H1假设，即： 二元检测问题实际上是对观察信号空间D的划分问题，即划分为D1（有信号）和D0（无信号）两个子空间。子空间D1和D0称为判决域。如果某个观测量(x|Hi) (i=0,1)落入D0域，就判决假设H0成立，否则就判决假设H1成立。 56.1：基本检测过程对于二元检测来说，有两种正确的判决和两种错误的判决 表示在H1 假设下做出无信号的判决(即H0 为真)的概率信号s(t)判决结果概 率判决属性存在有信号检测概率，用Pd表示正确判决不存在无信号正确不发现概率，用Pn表示不存在有信号虚警概率，用Pfa表示错误判决存在无信号漏警概率，用Pm表示 6雷达信号处理 重点实验室 陈伯孝 029警概率Pfa 和 检测概率 Pd 为： 假定判决门限为VT， 假设H1出现的先验概率为P(H1)， H0出现的先验概率为P(H0)，且P(H1 )=1-P(H0)。假设噪声n(t)为零均值、方差为 ?n 的高斯分布，则观测信号x(t)的两种条件概率密度函数为：6.1：基本检测过程在VT右侧的曲线下方的面积为检测概率在VT右侧的曲线下方的面积为虚警概率 7贝叶斯准则最小错误概率准则最大后验概率准则 (要求后验概率P(H1|x)和P(H0|x)已知)极小极大化准则奈曼－皮尔逊(Neyman—Pearson)准则 在雷达信号检测中，通常采用的准则是在一定的虚警概率下，使漏警概率最小或使正确检测概率达到最大，这就是奈曼－皮尔逊准则。 在数学上，奈曼－皮尔逊准则可表示为：在Pfa=P(H1|H0) = α(常数)的条件下，使检测概率Pd =P(H1|H1)达到最大，或使漏警概率Pm =P(H0|H1)=1-Pd达到最小。其解的必要条件是应使式(6.1.6)的目标函数达到极小。判决门限VT的确定与采用的最佳准则有关。常用的最佳准则有：6.1：基本检测过程 8 当输入为x(t)=s(t)+n(t)时，其N个取样点的联合概率分布密度函数为 而当输入为x(t)= n(t)时，其联合概率分布密度函数为 (6.1.6) 式中： 为拉格朗日乘子，是待定系数；Pe 表示两种错误概率的加权和，称为总错误概率。 为了提高判决的质量，减小噪声干扰随机性的影响，一般需要对接收信号进行多次观测或多次取样。例如，对于N次独立取样，输入信号为N维空间，接收样本矢量表示为6.1：基本检测过程 9得到总错误概率与联合概率分布密度函数的关系为观察空间的划分应保证总错误概率Pe最小，即后面的积分值最大。因此，满足的所有点均划在D1 范围，判为有信号；而将其它的点，即满足的所有点划在D0 范围，判为无信号。 (6.1.7) (6.1.8) (6.1.9) (6.1.10) (6.1.11)根据观察空间D的划分，虚警概率和检测概率可分别表示为6.1：基本检测过程 10式(6.1.10)和式(6.1.11)可改写为定义有信号时的概率密度函数和只有噪声时的概率密度函数之比 为 似然比 ，即似然比 是取决于输入x(t)的一个随机变量，它表征输入x(t)是由信号加噪声还是只有噪声的似然程度。当似然比足够大时，有充分理由判断确有信号存在。式(6.1.9)中拉格朗日乘子 Λ0 的值应根据约束条件 Pfa= α 来确定。 (6.1.13)6.1：基本检测过程 11 信号的最佳检测系统（最佳接收系统）是由一个似然比计算器和一个门限判决器组成，如图6.4所