雷达信号检测问题与奈曼-皮尔逊准则

雷达信号检测问题与奈曼-皮尔逊准则

​ 雷达信号检测问题属于一个二元检测问题，即或者为目标加噪声情况，或者为仅含有噪声情况。对观察信号空间$D$的划分问题，即将$D$空间划分为$D_1$ (有信号）和$D_0$ (无信号）两个子空间，并满足$D=D_0\cup D_1$，$D_0\cap D_1=\varnothing$。子空间$D_0$和$D_1$称为判决域。若某个观测量$(x|H_i)(i=0,1)$落入$D_1$域，就判决假设$H_1$成立，否则就判决假设$H_0$成立。

​ 在不考虑杂波与干扰的问题下，认为接收回波中仅可能存在信号加噪声或纯噪声这两种情况。将仅含有噪声的情况设为$H_0$假设，含有信号加噪声的情况为$H_1$假设，有
$$\{\begin{array}{rl}& H_0:x(t)=n(t)\\ & H_1:x(t)=s(t)+n(t)\end{array}$$
其中$n(t)$为均值为0，方差为${\sigma }_n^2$的高斯白噪声，$s(t)$为确知信号。对二元检测问题，存在两种正确判决和两种错误判决：
$$\begin{array}{rl}& P_d=P(H_1|H_1)\\ & P_n=P(H_0|H_0)\\ & P_m=P(H_0|H_1)\\ & P_{fa}=P(H_0|H_0)\end{array}$$
其中，$P_d$为检测概率，$P_n$为正确不发现概率，$P_m$为漏警概率，$P_{fa}$为虚警概率。

​ 检测概率与漏警概率的关系为：
$$P_d+P_m=P(H_1|H_1)+P(H_0|H_1)=1$$
​ 正确不发现概率与虚警概率的关系为：
$$P_n+P_{fa}=P(H_0|H_0)+P(H_1|H_0)=1$$
​ 假设$H_0$出现的先验概率为$P(H_0)$，$H_1$出现的先验概率为$P(H_1)$，观测信号$x(t)$在$H_1$假设下的条件概率密度函数为：
$$p(x|H_0)=\frac{1}{\sqrt{(2\pi )}{\sigma }_n}{e}^{-\frac{x^2}{2{\sigma }_n^2}}$$
$x(t)$在$H_0$假设下的条件概率密度函数为：
$$p(x|H_1)=\frac{1}{\sqrt{(2\pi )}{\sigma }_n}{e}^{-\frac{{(x-s)}^2}{2{\sigma }_n^2}}$$
​ 设定判决门限$V_T$，若输入信号的包络超过了该门限，则认为有目标，否则认为没有目标。故根据$H_1$假设下的条件概率密度函数可得检测概率为：
$$P_d={\int }_{V_T}^{\infty }p(x|H_1)dx$$
根据$H_0$假设下的条件概率密度函数可得虚警概率为：
$$P_{fa}={\int }_{V_T}^{\infty }p(x|H_0)dx$$
​ 判决门限$V_T$的选择与所采用的最佳检测检测准则有关。常用的最佳检测准则有最大后验概率准则、贝叶斯准则、极小极大化准则、最小错误概率准则、奈曼-皮尔逊准则等。在雷达信号检测领域，由于预先未知目标出现的概率，很难确定一次漏警所造成的损失。在一定的虚警概率下，使漏警概率最小或使检测概率最大，为奈曼-皮尔逊准则。

​ 数学上，用如下表达式来描述奈曼-皮尔逊准则：
$$P_e=P_m+{\lambda }_0{P}_{fa}=P(H_0|H_1)+{\lambda }_{0}P(H_1|H_0)$$
​ 由于检测概率与漏警概率之间满足$P_d+P_m=1$，有
$$P_e=1-P_d+{\lambda }_0{P}_{fa}=1-P(H_1|H_1)+{\lambda }_{0}P(H_1|H_0)$$
​ 为提高判决质量，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采样，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
$$\mathbf{x}={[x_1,x_2,...,x_N]}^{\text{T}}$$
​ 当输入为$x(t)=s(t)+n(t)$时，$N$个取样点的联合概率分布密度函数为$p(x_1,x_2,\cdots ,x_N|H_1)$，当输入为$x(t)=n(t)$时，其联合概率分布密度函数为$p(x_1,x_2,\cdots ,x_N|H_0)$，检测概率和虚警概率分别为
$$P_d={\iint }_{D_1}\cdot \cdot \cdot \int p(x_1\text{,}{x}_2\text{,}\cdot \cdot \cdot \cdot x_N\mid H_1)\text{d}{x}_1\text{d}{x}_2\cdot \cdot \cdot \text{d}{x}_N$$

$$P_{fa}={\iint }_{D_1}\cdot \cdot \cdot \int p(x_1\text{,}{x}_2\text{,}\cdot \cdot \cdot x_N\mid H_0)\text{d}{x}_1\text{d}{x}_2\cdot \cdot \cdot \text{d}{x}_N$$

则总错误概率与联合概率分布密度函数的关系为
$$P_{\text{e}}=1-{\iint }_{D_1}\cdot \cdot \cdot \int \left[p\left(x_1,x_2,\cdot \cdot \cdot ,x_N\mid H_1\right)-{\lambda }_{0}p\left(x_1,x_2,\cdot \cdot \cdot x_N\mid H_0\right)\right]\text{d}{x}_1\text{d}{x}_2\cdot \cdot \cdot \text{d}{x}_N$$
观察空间的划分应保证总错误概率$P_{\text{e}}$最小，即后面的积分值最大。因此有
$$p\left(x_1,x_2,\cdot \cdot \cdot ,x_N\mid H_1\right)-{\lambda }_{0}p\left(x_1,x_2,\cdot \cdot \cdot x_N\mid H_0\right)\ge 0$$
的点判定为有信号，否则判定为无信号。即
$$\frac{p(x_1\text{,}{x}_2\dots x_N\mid H_1)}{p(x_1\text{,}{x}_2\dots x_N\mid H_0)}\{\begin{array}{rl}& \ge {\lambda }_0\\ & <{\lambda }_0\end{array}$$
参考文献：

[1] 陈伯孝等. 现代雷达系统分析与设计[M]. 陕西：西安电子科技大学出版社. 2012.