Adaptive target detection with multipath exploitation in heterogeneous environments

Nokta benzeri hedeflerin uyarlamalı sezimiyle ilgili şimdiye kadar çeşitli çalışmalar yapılmıştır. Bu çalışmaların çoğunda hedeften yansıyan sinyalin radara geliş doğrultusunun bilindiği varsayılmaktadır. Bu varsayım, sinyalin yalnızca görüş hattı bileşenine sahip olduğu durumlarda doğru kabul edilebilir. Ancak, hedeften geri saçılan sinyal ortamla etkileşime girerek çoklu-yol bileşenlerine de sahip olmaktadır. Hedef sinyali çoklu-yol bileşenleri içerdiğinde, sinyalin geliş doğrultusunun bilindiği varsayılarak geliştirilen geleneksel uyarlamalı hedef sezimi algoritmaları ile hedef tespiti düzgün bir şekilde yapılamamaktadır. Hedef sinyalinin modellenmesi üzerine yapılan çalışmaların yanı sıra, gürültü sinyalinin modellenmesi üzerine de şimdiye kadar çeşitli çalışmalar yapılmıştır. Uyarlamalı hedef sezimi algoritmalarında gürültünün olasılık yoğunluk fonksiyonu olarak Gauss dağılımının kullanıldığı homojen ortam modeli yaygın olarak kullanılmaktadır; fakat yapılan teorik çalışmalar ve yüksek çözünürlüklü radarlar kullanıldığında elde edilen ölçümler gürültünün olasılık yoğunluk fonksiyonunun Gauss dağılımından saptığını ortaya koymaktadır. Bu tez çalışmasında, nokta benzeri hedeflerin uyarlamalı sezimi çoklu-yol etkisi altında kısmi-homojen ve heterojen ortam modelleri kullanılarak gerçekleştirilmektedir. Kısmi-homojen ortamlarda çalışacak uyarlamalı dedektörün tasarımında, test hücresine ait gürültü sinyalinin kovaryans matrisi ile ikincil veri kullanılarak kestirimi yapılan kovaryans matris arasındaki uyuşmazlığı temsil eden bilinmeyen bir gürültü ölçeklendirme faktörü kullanılmaktadır. Bu senaryoda, ikincil veri hücrelerinin her birinin aynı spektral özelliklere sahip olduğu varsayılmaktadır. Heterojen ortamlarda çalışacak uyarlamalı dedektörün tasarımında ise, test altındaki hücrenin kovaryans matrisinin kestirimi ikincil veri setine ait her elemanın gürültü ölçeklendirme faktörünün birbirinden farklı olduğu varsayılarak gerçekleştirilmektedir. Bununla birlikte, hedef sinyali görüş-hattı ve çok-yol bileşenlerinin üstdüşümü olarak modellenmektedir. Ayrıca, çoklu-yol bileşenlerinin pürüzlü bir yüzeye çarparak bir çok farklı yönde saçılan sinyaller olduğu varsayılarak tez kapsamında çoklu-yol sinyalleri Gauss dağılımlı rastgele vektör olarak ifade edilmektedir. Hedef tespit algoritması, bilinmeyen parametrelerin en yüksek olabilirlik kestirimi değerlerini bulmaya yönelik olan GLRT yöntemi kullanılarak oluşturulmaktadır. Algoritma oluşurulurken test altındaki hücrenin kovaryans matrisinin referans hücrelerden elde edilen kovaryans matrise gürültü ölçeklendirme faktörü ve çoklu-yol miktarı ile orantılı olarak benzediği varsayılmaktadır. Yapılan çalışmalar sonucu elde edilen sonuçlar, tasarlanan dedektörlerin homojen olmayan ortamlarda ve çoklu-yol etkisi altında geleneksel dedektörlerden daha iyi performans gösterdiğini ortaya koymaktadır.
Adaptive detection of point like targets have been studied in detail during last decades. Most of these studies assume that the target steering vector is perfectly known. This assumption may be acceptable when the signal reflected from a target has only line of sight component. However, interactions between the signal backscattered from the target and the environment causes the signal to have multipath components. In this case, the conventional adaptive detectors which assume that the target steering vector is perfectly known may not be able to detect the target properly. In addition to the studies about target signal modelling, various studies have been carried out so far about modeling the noise signal. In this respect, homogeneous model is widely used in adaptive target detection algorithms where Gaussian distribution is used as the probability density function of noise. However, the theoretical studies and the measurements with high-resolution radars show that the probability density function of the noise deviates from the Gaussian distribution. In this thesis, adaptive detection of point-like targets is considered in the presence of multipath effect under the assumption of partially homogeneous and heterogeneous environments. Therefore, in the design of an adaptive detector to operate in partially homogeneous environments, an unknown scaling factor is used to represent the mismatch between the noise covariance matrices of test and training signals. In this scenario, it is assumed that each member of the secondary data set have the same spectral properties. On the other hand, in the design of an adaptive detector to operate in heterogeneous environments, the estimation of the covariance matrix in the cell under test carried out assuming that every individual member of the secondary data set have different noise scaling factors. Besides, the target echo is modelled as the superposition of direct and multipath components where multipath echoes are thought of as scattered signals from a glistening surface. Hence, the total multipath return is represented as a Gaussian distributed random vector. Target detection algorithm is constructed with GLRT method which is used for finding the maximum likelihood estimates of unknown parameters. The algorithm assumes that the total primary data covariance structure, in the target present case, resembles to the covariance matrix obtained from secondary data up to a degree (related to noise scaling factor and multipath contribution). The results highlight that the new detectors copes well with severe multipath conditions in the presence of non-homogeneous environments.