趙宜楠，姜智卓，唐晨亮，周志權(quán)

（1.哈爾濱工業(yè)大學(xué)（威海）信息與電氣工程學(xué)院，山東威海264209；2.北京遙感設(shè)備研究所，北京100854）

復(fù)合高斯雜波中極化MIMO雷達(dá)的自適應(yīng)檢測(cè)

趙宜楠1，姜智卓1，唐晨亮2，周志權(quán)1

（1.哈爾濱工業(yè)大學(xué)（威海）信息與電氣工程學(xué)院，山東威海264209；2.北京遙感設(shè)備研究所，北京100854）

基于復(fù)合高斯雜波紋理分量服從逆伽馬分布的假設(shè)和分布式極化多輸入多輸出（multiple-input multiple-output，MIMO）雷達(dá)陣元特點(diǎn)，建立了雷達(dá)極化信號(hào)模型，提出了一種基于最大后驗(yàn)概率（maximum a posteriori，MAP）估計(jì)和廣義似然比檢驗(yàn)（generalized likelihood ratio test，GLRT）的MIMO雷達(dá)極化檢測(cè)器（MAP-GLRT），該檢測(cè)器利用了輔助數(shù)據(jù)估計(jì)雜波協(xié)方差矩陣以實(shí)現(xiàn)自適應(yīng)性。通過推導(dǎo)檢測(cè)器的虛警概率表達(dá)式，表明其相對(duì)于雜波能量具有恒虛警特性。仿真結(jié)果表明，雜波形狀參數(shù)和雷達(dá)信道數(shù)量會(huì)對(duì)MAP-GLRT檢測(cè)器的檢測(cè)性能產(chǎn)生影響；相比于其他檢測(cè)器，MAP-GLRT檢測(cè)器在檢測(cè)性能上更有優(yōu)勢(shì)。

多輸入多輸出雷達(dá)；自適應(yīng)檢測(cè)；極化；復(fù)合高斯；逆伽馬

0 引 言

分布式多輸入多輸出（multiple-input multiple-output，MIMO）雷達(dá)也稱為統(tǒng)計(jì)MIMO雷達(dá)，發(fā)射陣元、接收陣元間隔分布且間距較大，可以利用空間分集，即目標(biāo)散射截面積（raclar cross section，RCS）的空間特性來提高目標(biāo)的檢測(cè)性能［13］。復(fù)雜雷達(dá)目標(biāo)的RCS是角度的快變函數(shù)，目標(biāo)閃爍會(huì)導(dǎo)致信號(hào)衰減，使雷達(dá)性能惡化，而當(dāng)多個(gè)發(fā)射陣元和接收陣元充分分離時(shí)，由于目標(biāo)散射的不相關(guān)性，每個(gè)通道的信號(hào)攜帶相互獨(dú)立的信息，所有信號(hào)均衰減的概率較低，減小了目標(biāo)閃爍的影響，進(jìn)而提高了雷達(dá)性能。極化分集技術(shù)是基于水平和垂直極化分量不相關(guān)提出的，是現(xiàn)代雷達(dá)研究的一個(gè)重要方向，將極化分集應(yīng)用到空間分集的分布式MIMO雷達(dá)系統(tǒng)中，必定可以進(jìn)一步提高雷達(dá)系統(tǒng)的檢測(cè)性能［3］。

文獻(xiàn)［4］首先推導(dǎo)了檢測(cè)概率及克拉美羅界的等價(jià)表達(dá)式，而后聯(lián)合最大化主旁瓣差約束，并對(duì)檢測(cè)概率、參數(shù)估計(jì)方差及旁瓣3個(gè)約束條件加權(quán)，提出一種提高M(jìn)IMO雷達(dá)檢測(cè)和參數(shù)估計(jì)性能的波形優(yōu)化方法；文獻(xiàn)［5- 8］在高斯雜波背景下，研究了分布式MIMO雷達(dá)利用空間分集增益克服目標(biāo)閃爍的問題，與相控陣?yán)走_(dá)、多輸入單輸出雷達(dá)等多種雷達(dá)系統(tǒng)進(jìn)行了比較，證明了分布式MIMO雷達(dá)檢測(cè)性能的優(yōu)越性；文獻(xiàn)［9］基于廣義似然比檢驗(yàn)，提出了一種復(fù)合高斯雜波中距離分布目標(biāo)的極化自適應(yīng)檢測(cè)器，推導(dǎo)了檢測(cè)器的虛警概率表達(dá)式，說明了其相對(duì)于復(fù)高斯雜波的協(xié)方差矩陣和紋理分量具有恒虛警特性；文獻(xiàn)［10］首先分析了對(duì)角加載自適應(yīng)匹配濾波器和對(duì)角加載自適應(yīng)相干估計(jì)器的檢測(cè)性能，然后推導(dǎo)了虛警概率和檢測(cè)概率的表達(dá)式，仿真驗(yàn)證了在訓(xùn)練樣本不足的情況下，二者檢測(cè)性能大為提高；文獻(xiàn)［11］將極化引入分布式MIMO雷達(dá)，推導(dǎo)了高斯雜波背景下的極化NP檢測(cè)器，仿真驗(yàn)證了相比于傳統(tǒng)分布式MIMO雷達(dá)，極化雷達(dá)系統(tǒng)在檢測(cè)性能上的優(yōu)勢(shì)；文獻(xiàn)［12］主要研究了協(xié)方差矩陣未知的復(fù)合高斯雜波下分散目標(biāo)的極化MIMO雷達(dá)檢測(cè)問題，文章基于廣義似然比檢驗(yàn)，通過引出3種估計(jì)雜波協(xié)方差矩陣的方法來設(shè)計(jì)自適應(yīng)檢測(cè)器，仿真驗(yàn)證了空間分集和極化分集可以大大提升雷達(dá)的檢測(cè)概率；文獻(xiàn)［13］研究了復(fù)合高斯雜波下分散目標(biāo)的極化MIMO雷達(dá)檢測(cè)問題，利用Rao檢驗(yàn)和Wald檢驗(yàn)準(zhǔn)則來設(shè)計(jì)自適應(yīng)檢測(cè)器，通過與廣義似然比檢驗(yàn)對(duì)比論證了Wald檢測(cè)器在處理尖峰雜波背景下的目標(biāo)時(shí)具有極好的性能，然而，在低掠角或高分辨力雷達(dá)背景下，復(fù)合高斯模型更加符合真實(shí)雜波信號(hào)的分布［14-15］；文獻(xiàn)［16- 17］研究了K分布雜波背景下MIMO雷達(dá)的信號(hào)檢測(cè)算法，提出了單元平均恒虛警（cell avarage-constant false alarm rate，CA-CFAR）檢測(cè)器，分析了檢測(cè)器的檢測(cè)性能。但是實(shí)測(cè)數(shù)據(jù)表明，對(duì)于嚴(yán)重拖尾的雜波，將復(fù)合高斯分布的紋理分量建模為逆伽馬分布更加恰當(dāng)［15］。

本文在紋理分量服從逆伽馬分布的復(fù)合高斯（inverse Γ-compound Gaussian，iΓ-CG）雜波背景下，研究了分布式MIMO雷達(dá)的自適應(yīng)極化檢測(cè)算法，提出了基于最大后驗(yàn)概率（maximum a posteriori，MAP）估計(jì)和廣義似然比檢驗(yàn)（generalized likelihood ratio test，GLRT）的自適應(yīng)極化檢測(cè)器（MAP-GLRT），并在此基礎(chǔ)上推導(dǎo)了該檢測(cè)器的虛警概率表達(dá)式，理論驗(yàn)證了其恒虛警特性；通過蒙特卡羅仿真，比較了不同形狀參數(shù)和信道數(shù)量下，該檢測(cè)器和協(xié)方差矩陣先驗(yàn)已知（knowledge-aided generalized likelihood ratio test，KL-GLRT）檢測(cè)器、非極化自適應(yīng)檢測(cè)器（Neyman Pearson-generatized likelihood ratio test，NP-GLRT）的檢測(cè)性能。

1 信號(hào)模型

假設(shè)目標(biāo)為靜止點(diǎn)目標(biāo)，且其散射矩陣依賴于觀測(cè)角度；雷達(dá)系統(tǒng)由M個(gè)發(fā)射陣元和N個(gè)接收陣元組成，收發(fā)陣元均間隔較遠(yuǎn)，如圖1所示。

圖1 分布式MIMO雷達(dá)系統(tǒng)模型

每個(gè)接收陣元利用M個(gè)匹配濾波器可以將來自不同發(fā)射陣元的發(fā)射信號(hào)分開，得到MN個(gè)信道對(duì)應(yīng)的MN個(gè)接收信號(hào)，表示為

將所有接收信號(hào)表示為2MN維列向量，可得

式中

式中，IN表示N維單位矩陣；?表示Kronecker積；blkdiag［·］表示塊對(duì)角矩陣。

假設(shè)雷達(dá)系統(tǒng)發(fā)射K個(gè)脈沖，在觀測(cè)時(shí)間內(nèi)目標(biāo)靜止，則

式中

利用iΓ-CG模型建模雜波，即

式中，u，χ（k）相互獨(dú)立，χ（k）為快變散斑分量，服從均值為0、協(xié)方差矩陣為Σ的高斯分布；u為慢變紋理分量，是非負(fù)隨機(jī)過程，并且1／u服從均值為1，形狀參數(shù)為v的伽馬分布，則紋理分量u的概率密度函數(shù)［1819］為

式中，Γ（·）表示伽馬函數(shù)。

2 檢測(cè)器設(shè)計(jì)

2.1 檢測(cè)問題描述

iΓ-CG雜波背景下點(diǎn)目標(biāo)的檢測(cè)問題可以表述為以下二元假設(shè)檢驗(yàn)問題：

式中，Y1稱為主數(shù)據(jù)，為可能存在目標(biāo)的檢測(cè)單元數(shù)據(jù)，選擇主數(shù)據(jù)相鄰的距離單元Y2，…，YL＋1作為輔助數(shù)據(jù)，其不存在目標(biāo)，但與主數(shù)據(jù)具有相同雜波散斑分量協(xié)方差矩陣。H0，H1假設(shè)下y（k）的條件分布分別表示為

式中，（·）H表示共軛轉(zhuǎn)置運(yùn)算；（·）－1表示矩陣求逆運(yùn)算；det（·）表示矩陣的行列式。

H1假設(shè)下y（k）的概率密度函數(shù)可以表示為

2.2 MAP-GLRT極化自適應(yīng)檢測(cè)器

在缺少信號(hào)傳播衰減和雜波分布完整知識(shí)的情況下，采用兩步法廣義似然比檢驗(yàn)（generalized likelihood ratio test，GLRT），即在似然比檢驗(yàn)（liklihood ratio test，LRT）中使用未知參數(shù)的估計(jì)值代替未知參數(shù)來解決問題，具體推導(dǎo)過程如下所示。

步驟1將MAP-GLRT檢測(cè)器的檢驗(yàn)統(tǒng)計(jì)量表示為

步驟2根據(jù)式（10），分別計(jì)算H0，H1假設(shè)下雜波紋理分量的最大后驗(yàn)概率（maximum a posteriori，MAP）估計(jì)值

經(jīng)過求導(dǎo)和化簡(jiǎn)式（11），可得

同理可得

步驟3將式（12）、式（13）代入到式（10）中，得到

將雜波參數(shù)和信號(hào)衰減向量的估計(jì)值代入到檢驗(yàn)統(tǒng)計(jì)量表達(dá)式中，經(jīng)過化簡(jiǎn)可以得到

式中

為新門限值。

步驟4為實(shí)現(xiàn)檢測(cè)器的自適應(yīng)，需要利用觀測(cè)得到的輔助數(shù)據(jù)對(duì)iΓ CG雜波散斑分量的協(xié)方差矩陣進(jìn)行估計(jì)。為消除雜波局部能量的影響，上式中的協(xié)方差矩陣Σ全部使用歸一化樣本協(xié)方差［20］矩陣估計(jì)值代替

進(jìn)而，檢驗(yàn)統(tǒng)計(jì)量的最終表達(dá)形式為

2.3 恒虛警概率分析

首先研究檢驗(yàn)統(tǒng)計(jì)量求和項(xiàng)中的任意一項(xiàng)，用Δ（y（k））表示，將y（k）替換為Σ1／2y′（k），經(jīng)過化簡(jiǎn)可得

式中

式（18）可以表示［21］為

式中，2η（y（k））和2ξ（y（k））分別服從自由度為2（L－2MN＋1）和4MN的中心χ2分布。則ζ（y（k））服從F分布，即ζ（y（k））～F［2（L－2MN＋1），4MN］，ζ（y（k））和Δ（y（k））的概率密度函數(shù)分別為

式中，n1＝2（L－2MN＋1）；n2＝4MN。

根據(jù)以上推導(dǎo)，檢驗(yàn)統(tǒng)計(jì)量可以表示為

當(dāng)i≠j，i，j∈｛1，2，…，K｝時(shí)，Δ（y（i））與Δ（y（j））相互獨(dú)立，因此在H0假設(shè)下可得

式中，Ka為PDF的歸一化常數(shù)；*為卷積運(yùn)算。由式（20）、式（21）和式（23）均不包含雜波分布相關(guān)參數(shù)可知，式（24）與雜波分布無關(guān)，理論驗(yàn)證了MAP-GLRT檢測(cè)器相對(duì)于雜波能量具有CFAR特性。

3 仿真分析

3.1 仿真參數(shù)設(shè)置

在以下數(shù)值實(shí)例中，假設(shè)分布式MIMO雷達(dá)系統(tǒng)由M個(gè)發(fā)射陣元和N個(gè)接收陣元組成，收發(fā)天線相隔較遠(yuǎn)；目標(biāo)為靜止的遠(yuǎn)場(chǎng)點(diǎn)目標(biāo)；對(duì)于每個(gè)發(fā)射信號(hào)，始終選擇發(fā)射陣元數(shù)量M＝2，發(fā)射脈沖串?dāng)?shù)K＝40；定義虛警概率Pfa＝10－3，則蒙特卡羅仿真次數(shù)由100／Pfa決定。由于水平和垂直極化通道不相關(guān)，且雷達(dá)系統(tǒng)收發(fā)陣元間距較遠(yuǎn)，不同收發(fā)陣元間的雜波具有低相關(guān)性，則散斑分量的空間協(xié)方差矩陣為塊對(duì)角形式［17］，即Σ＝blkdiag［I2?Σ1，…，I2?ΣM］，Σm（m＝1，2，…，M）為N×N維正定矩陣，其元素為Σm［i，j］＝0.01｜i－j｜（i，j＝1，2，…，N）；目標(biāo)極化散射矩陣元素符合零均值高斯分布，不同信號(hào)傳播通道極化散射矩陣元素對(duì)應(yīng)的高斯分布協(xié)方差矩陣為

式中，ε＝1＋j，j表示虛數(shù)單位；（·）*表示共軛運(yùn)算。假設(shè)兩個(gè)發(fā)射機(jī)的發(fā)射信號(hào)為

即

仿真時(shí)a的大小由信雜比（signal-to-clutter ratio，SCR）所確定，SCR定義如下：

3.2 檢測(cè)性能分析

圖2比較了MAP-GLRT自適應(yīng)極化檢測(cè)器和KLGLRT極化檢測(cè)器的檢測(cè)性能，形狀參數(shù)分別取v＝1，2，3，接收陣元數(shù)目取N＝2，輔助數(shù)據(jù)距離單元數(shù)L＝20。由圖可以得到以下結(jié)論：即使iΓ-CG雜波很強(qiáng)，即SCR很低時(shí)（SCR＝－1 dB），MAP-GLRT自適應(yīng)極化檢測(cè)器也能得到較高的檢測(cè)性能；形狀參數(shù)越大，雜波分布越接近于高斯分布，兩種檢測(cè)器的檢測(cè)性能越好；MAP-GLRT檢測(cè)器相比于KL-GLRT檢測(cè)器，檢測(cè)性能變差，這是由雜波協(xié)方差矩陣先驗(yàn)知識(shí)的缺失導(dǎo)致的。

圖3比較了MAP-GLRT自適應(yīng)極化檢測(cè)器和NP-GLRT檢測(cè)器的檢測(cè)性能，接收陣元數(shù)目分別取N＝2，3，4，形狀參數(shù)取v＝1，其他仿真參數(shù)設(shè)置同上。由圖可以看出，信道數(shù)量越大，兩種檢測(cè)器的檢測(cè)性能越好；由于NP-GLRT檢測(cè)器損失了正交極化通道中的能量，MAP-GLRT檢測(cè)器的檢測(cè)性能相比于NP-GLRT檢測(cè)器有大約3 dB的SCR改善。

圖2 不同形狀參數(shù)下MAP-GLRT和KL-GLRT的檢測(cè)性能曲線

圖3 不同接收陣元數(shù)量下MAP-GLRT和NP-GLRT的檢測(cè)性能曲線

圖4分析了不同輔助數(shù)據(jù)距離單元數(shù)下MAP-GLRT自適應(yīng)極化檢測(cè)器的檢測(cè)性能曲線，輔助數(shù)據(jù)距離單元數(shù)分別取L＝10，20，30，其他仿真參數(shù)設(shè)置同上，由圖可以看出，輔助數(shù)據(jù)距離單元數(shù)越多，對(duì)雜波的協(xié)方差矩陣估計(jì)的越精確，檢測(cè)器的檢測(cè)性能就越好。

圖4 不同輔助數(shù)據(jù)距離單元數(shù)下MAP-GLRT自適應(yīng)極化檢測(cè)器的檢測(cè)性能曲線

圖5分析了不同形狀參數(shù)對(duì)應(yīng)的MAP-GLRT檢測(cè)器虛警概率特性，假設(shè)取值不同的紋理分量均值E［u］代表雜波能量的起伏，形狀參數(shù)v分別取1、2、3，接收陣元數(shù)目取N＝2，其他仿真參數(shù)設(shè)置同上。由圖可知，不同形狀參數(shù)下MAP-GLRT檢測(cè)器相對(duì)于雜波能量都具有CFAR特性，與第3.3節(jié)的理論推導(dǎo)一致。

圖5 不同形狀參數(shù)下CFAR與紋理分量均值的關(guān)系

4 結(jié) 論

本文提出了一種iΓ-CG雜波背景下的極化MIMO雷達(dá)的自適應(yīng)檢測(cè)器（MAP-GLRT），該檢測(cè)器將極化分集與空間分集相結(jié)合進(jìn)一步提高了分布式MIMO雷達(dá)的檢測(cè)性能，理論分析驗(yàn)證了其相對(duì)于雜波能量具有CFAR特性。利用蒙特卡羅仿真，分析了形狀參數(shù)和信道數(shù)量對(duì)MAP-GLRT檢測(cè)器檢測(cè)性能產(chǎn)生的影響。通過比較MAP-GLRT檢測(cè)器與KL-GLRT檢測(cè)器的檢測(cè)性能，驗(yàn)證了雜波協(xié)方差矩陣先驗(yàn)知識(shí)的缺失使MAP-GLRT檢測(cè)器的檢測(cè)性能略有下降；又分析了不同輔助數(shù)據(jù)距離單元數(shù)下檢測(cè)性能的不同，指出輔助數(shù)據(jù)越多，對(duì)于雜波協(xié)方差矩陣的估計(jì)越精確，檢測(cè)性能就會(huì)越好；通過比較MAP-GLRT檢測(cè)器和NP-GLRT自適應(yīng)檢測(cè)器的檢測(cè)性能，證明了MAP-GLRT檢測(cè)器檢測(cè)性能的優(yōu)越性；通過分析不同形狀參數(shù)下雜波能量與虛警概率的關(guān)系，進(jìn)一步驗(yàn)證了MAP-GLRT檢測(cè)器的CFAR特性。

［1］Zhou S H，Liu H W.Scattering properties of spatial and frequency diversity of MIMO radar targets［J］.Journal of Electronics&Information Technology，2010，32（1）：39- 42.（周生華，劉宏偉.MIMO雷達(dá)目標(biāo)空間和頻率散射多樣性研究［J］.電子與信息學(xué)報(bào)，2010，32（1）：39- 42.）

［2］Haimovich A M，Blum R S，Cimini L J.MIMO radar with widely separated antennas［J］.IEEE Signal Processing Magazine，2008，25（1）：116- 129.

［3］Liao Y Y，He Z S.Study on stealth target detection performance of polarimetric MIMO radar［J］.Journal of Application Research of Computers，2012，29（2）：246- 249.（廖羽宇，何子述.極化MIMO雷達(dá)隱身目標(biāo)檢測(cè)性能研究［J］.計(jì)算機(jī)應(yīng)用研究，2012，29（2）：246- 249.）

［4］Zhang X Y，Liao G S，Xu J W，et al.Waveform design for MIMO radar to improve target detection and parameter estimation［J］.Systems Engineering and Electronics，2014，36（8）：1494- 1499.（張向陽，廖桂生，許京偉，等.提高M(jìn)IMO雷達(dá)檢測(cè)和參數(shù)估計(jì)性能的波形設(shè)計(jì)［J］.系統(tǒng)工程與電子技術(shù)，2014，36（8）：1494- 1499.）

［5］Wang F，Cao N，Liu W.Detection performance of MIMO radar with un-known parameters［C］∥Proc.of the 8th International Conference on Wireless Communications，Networking and Mobile Computing，2012：1- 4.

［6］Zhang T，Cui G，Kong L J，et al.Adaptive Bayesian detection using MIMO radar in spatially heterogeneous clutter［J］.IEEE Signal Processing Letters，2013，20（6）：547- 550.

［7］Ghobadzadeh A，Taban M R，Tadaion A A，et al.Invariant target detection of MIMO radar with unknown parameters［C］∥Proc.of the IEEE 5th International Workshop on Computational Advances in Multi-Sensor Adaptive Processing，2013：408- 411.

［8］Sui K K，Li H，Li X X.MIMO radar detection performance analysis in clutter and noisy environments［J］.Journal of Computer Systems&Applications，2013，22（9）：230- 234.（隋凱凱，李宏，李欣欣.雜波加噪聲環(huán)境下MIMO雷達(dá)檢測(cè)性能分析［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2013，22（9）：230- 234.）

［9］Wang W G，Zhao Y N，Qiao X L.Polarimetric adaptive detection for range-distributed targets in compound-Gaussian clutter［J］.Journal of Astronautics，2012，31（6）：1138- 1143.（王偉國(guó)，趙宜楠，喬曉林.復(fù)合高斯雜波中距離分布目標(biāo)的極化自適應(yīng)檢測(cè)［J］.宇航學(xué)報(bào)，2012，31（6）：1138- 1143.）

［10］Liu W J，Xie W C，Wang Y L.AMF and ACE detectors based on diagonal loading［J］.Systems Engineering and Electronics，2013，35（3）：463- 468.（劉維建，謝文沖，王永良.基于對(duì)角加載的自適應(yīng)匹配濾波器和自適應(yīng)相干估計(jì)器［J］.系統(tǒng)工程與電子技術(shù)，2013，35（3）：463- 468.）

［11］Gogineni S，Nehorai A.Polarimetric MIMO radar with distributed antennas for target detection［J］.IEEE Trans.on Signal Processing，2010，58（3）：1689- 1697.

［12］Cui G L，Kong L J，Yang X B，et al.Distributed target detection with polarimetric MIMO radar in compound-Gaussian clutter［J］.Digital Signal Processing，2012，22（3）：430- 438.

［13］Kong L J，Cui G L，Yang X B，et al.Rao and Wald tests design of polarimetric multiple-input multiple-output radar in compound-Gaussian clutter［J］.IET Signal Processing，2011，5（1）：85- 96.

［14］Mandal S K，Bhattacharya C.Validation of stochastic properties of high resolution clutter data from IPIX radar data［C］∥Proc.of the IEEE International Conference on Intelligent Systems and Signal Processing，2013：251- 255.

［15］Farina A，Gini F，Greco M V，et al.High resolution sea clutter data：statistical analysis of recorded live data［J］.IEE Radar，Sonar and Navigation，1997，144（3）：121- 130.

［16］Sammartino P F，Baker C J，Griffiths H D.MIMO radar performance in clutter environment［C］∥Proc.of the IEEE CIE International Conference on Radar，2006：1- 4.

［17］Sammartino P F，Baker C J，Griffiths H D.Adaptive MIMO radar system in clutter［C］∥Proc.of the IEEE Conference on Radar，2007：276- 281.

［18］Stinco P，Greco M，Gini F.Adaptive detection in compound-Gaussian clutter with inverse-Gamma texture［C］∥Proc.of the IEEE CIE International Conference on Radar，2011：434- 437.

［19］Wang J，Nehorai A.Adaptive polarimetry design for a target in compound-Gaussian clutter［J］.Signal Processing，2009，89（6）：1061- 1069.

［20］Gini F.Performance analysis of two structured covariance matrix estimator in compound-Gaussian clutter［J］.Signal Processing，2000，80（2）：365- 371.

［21］Park H R，Li J，Wang H.Polarization-space-time domain generalized likelihood ratio detection of radar targets［J］.Signal Processing，1995，41（2）：153- 164.

姜智卓（199-4- ），男，碩士研究生，主要研究方向?yàn)槔走_(dá)信號(hào)處理、波形設(shè)計(jì)。

E-mail：hrb_jzz＠163.com

唐晨亮（197-6- ），男，高級(jí)工程師，碩士，主要研究方向?yàn)閺椵d星載制導(dǎo)探測(cè)技術(shù)。

E-mail：tcl_duck7727＠sina.com

周志權(quán)（197-3- ），男，教授，博士，主要研究方向?yàn)樾盘?hào)與信息處理。

E-mail：zzq＠hitwh.edu.cn

Adaptive detection of polarimetric MIMO radar in compound-Gaussian clutter

ZHAO Yi-nan1，JIANG Zhi-zhuo1，TANG Chen-liang2，ZHOU Zhi-quan1
（1.School of Information and Electrical Engineering，Harbin Institute of Technology（Weihai），Weihai 264209，China；2.Beijing Institute of Remote Sensing Equipment，Beijing 100854，China）

The polarimetric signal model of multiple-input multiple-output（MIMO）radar is formulated，based on the assumption of inverse-Gamma distribution for the texture component of compound-Gaussian clutter.An adaptive polarimetric detector of MIMO radar based on maximum a posteriori estimation and the generalized likelihood ratio test（MAP-GLRT）is proposed.Firstly，the training data are exploited to estimate the covariance matrix of the clutter in the detector to realise the adaptability.Furthermore，the analytic expression of the false alarm probability is derived to prove constant with respect to the clutter energy.Simulation results show that the shape parameter of the clutter and the number of radar channels have an impact on the MAP-GLRT，and the performance of MAP-GLRT is better than its counterparts.

multiple-input multiple-output（MIMO）radar；adaptive detection；polarization；compound-Gaussian；inverse-Gamma

TN 957.51

A

10.3969／j.issn.1001-506X.2015.11.08

1001-506X（2015）11-2474-06

趙宜楠（1977- ），男，教授，博士，主要研究方向?yàn)槔走_(dá)信號(hào)處理、自適應(yīng)波束形成。

E-mail：hrbzyn＠163.com

2014- 09- 23；

2015- 04- 23；網(wǎng)絡(luò)優(yōu)先出版日期：2015- 07- 07。

網(wǎng)絡(luò)優(yōu)先出版地址：http：／／www.cnki.net／kcms／detail／11.2422.TN.20150707.1404.006.html

國(guó)家自然科學(xué)基金（61371181）；山東省自然科學(xué)基金（ZR2012FQ007）資助課題