空時自適應檢測(Space-time Adaptive Detection, STAD)是以空時聯合處理爲框架、以目標檢測爲目的的信號處理技術，與單純的時域或空域維處理相比，具有更強的目標檢測及幹擾抑制能力。

　　現有STAD技術離實際應用尚有不小的差距，主要有以下原因：一是在計算中需求解高維協方差矩陣的逆陣，計算量巨大；二是通常假設目標具有理想的采樣模型，不存在能量泄露，與實際情況嚴重不符；三是現有的研究一般都假設各向同性環境條件，很少考慮以部分各向同性環境 (partially homogeneous environment, PHE)爲代表的實際非各向同性環境條件。

　　爲解決上述問題，中科院水下航行器信息技術重點實驗室郝程鵬團隊與意大利同行開展合作研究，提出了三種適用于部分各向同性環境條件的參數化泄露空時自適應檢測方法，分別是改進的參數化廣義似然比檢測 (the modified parametric generalized likelihood ratio test for PHE, MP-GLRT-PHE)、改進的參數化自適應匹配濾波器 (the modified parametric adaptive matched filter for PHE, MP-AMF-PHE)和改進的Wald 檢測(the modified parametric Wald for PHE, MP-Wald-PHE)，可實現對背景幹擾結構化信息和目標能量泄漏信息的綜合利用，在有效減小計算量及泄露損失的同時，還能准確估計目標距離參數，將STAD技術的實用性向前推進了一大步。

　　相關研究成果在線發表于國際學術期刊 IEEE Transactions on Aerospace and Electronic Systems 。

　　设计檢測方法时，研究人员不仅考虑了邻近距离样本中的目标能量泄漏，而且将背景干扰建模为多通道自回归高斯过程。基于该框架，结合GLRT准則和Wald准則，提出了三種參數化泄露STAD方法。

　　研究結果顯示，MP-AMF-PHE和MP-Wald-PHE具有相同的檢測统计量，二者等价；所提出的MP-GLRT-PHE、MP-AMF-PHE比現有的改進自適應相關估計器 (modified adaptive coherence estimator, M-ACE)、歸一化參數AMF (normalized parametric AMF, NPAMF)和尺度不變參數化Rao (scale-invariant parametric Rao, SI-PRao)方法具有明顯的性能優勢（圖1、2），同時它們比M-ACE具有更小的距離估計誤差（圖3）。

　　　　

　　圖1 檢測概率曲线（图/中科院聲學所）

　　　

　　圖2 檢測概率曲线（图/中科院聲學所）

　　　　

　　圖3 均方根(root mean square, RMS)距離誤差曲線（圖/中科院聲學所）

　　下一步，研究人員將把所提方法進一步擴展應用到非高斯幹擾背景或考慮存在類噪聲有源幹擾情況。

　　本研究得到國家自然科學基金（No. 61571434，61971412）的資助。

　　關鍵詞：

　　部分各向同性环境条件；空时檢測；多通道自回归；距离估计

　　參考文獻：

　　YAN Linjie, HAO Chengpeng, Danilo Orlando, Alfonso Farina, HOU Chaohuan. Parametric Space-Time Detection and Range Estimation of Point-Like Targets in Partially Homogeneous Environment. IEEE Transactions on Aerospace and Electronic Systems, vol. 56, no. 2, pp. 1228-1242, April 2020. DOI: 10.1109/TAES.2019.2928672

　　論文鏈接：

　　https://ieeexplore.ieee.org/document/8762174