適用于水下高速機(jī)動(dòng)目標(biāo)的自適應(yīng)檢測方法

孫葦軒，閆 晟，郝程鵬

（1.中國科學(xué)院聲學(xué)研究所,北京 100190；2.中國科學(xué)院大學(xué)電子電氣與通信工程學(xué)院,北京 100049）

1 引 言

近幾十年來，隨著人們對(duì)海洋資源的開發(fā)及安全維護(hù)，大力發(fā)展水下目標(biāo)檢測技術(shù)逐步成為水聲領(lǐng)域的研究重點(diǎn)[1-3]。水下目標(biāo)檢測技術(shù)可分為主動(dòng)聲吶和被動(dòng)聲吶檢測技術(shù)。對(duì)于主動(dòng)聲吶檢測，混響是干擾主動(dòng)聲吶檢測性能的主要因素之一[4]。從統(tǒng)計(jì)信號(hào)處理角度出發(fā)，提出一種主動(dòng)聲吶檢測技術(shù)的重要類型：水下目標(biāo)自適應(yīng)檢測技術(shù)，簡易流程圖如圖1所示。由圖中可以看到，其核心為檢測方法設(shè)計(jì)，該部分工作基于輔助數(shù)據(jù)和待檢測數(shù)據(jù)即可完成，在檢測方法設(shè)計(jì)過程中可通過干擾協(xié)方差矩陣白化以達(dá)到混響抑制目的，同時(shí)獲得自適應(yīng)檢測統(tǒng)計(jì)量，而后通過預(yù)設(shè)虛警概率（Probability of False Alarm,Pfa）求得檢測閾值，經(jīng)過檢測判決實(shí)現(xiàn)最終的目標(biāo)檢測。該方法通過檢測閾值的自適應(yīng)調(diào)整使Pfa保持穩(wěn)定，不受背景干擾影響，從而能夠保證CFAR性能[5-6]。

圖1 水下目標(biāo)自適應(yīng)檢測示意圖Fig.1 Underwater target adaptive detection schematic

淺海探測環(huán)境中，水下目標(biāo)自適應(yīng)檢測技術(shù)在實(shí)際應(yīng)用時(shí)會(huì)面臨一些問題。例如，淺海環(huán)境復(fù)雜多變[7-8]，常常為非平穩(wěn)非均勻等不理想的環(huán)境，導(dǎo)致輔助數(shù)據(jù)難以獲取，想要達(dá)到RMB 準(zhǔn)則[9]中兩倍以上系統(tǒng)維度的輔助數(shù)據(jù)量非常困難。為了解決這一問題，國內(nèi)外學(xué)者們利用先驗(yàn)知識(shí)來降低自適應(yīng)檢測方法對(duì)輔助數(shù)據(jù)的依賴性，包括采用干擾協(xié)方差的斜對(duì)稱特性、背景干擾功率譜對(duì)稱性或者結(jié)合貝葉斯思想等[10-17]，提出了一系列可以有效降低輔助數(shù)據(jù)量的自適應(yīng)檢測方法，如：均勻環(huán)境下的斜對(duì)稱修正GLRT、均勻環(huán)境下的斜對(duì)稱修正AMF 等檢測方法。

另一個(gè)需要重點(diǎn)關(guān)注的問題是目標(biāo)高速運(yùn)動(dòng)導(dǎo)致的RCM 現(xiàn)象。簡單來說，就是目標(biāo)在高速運(yùn)動(dòng)的情況下，可能在主動(dòng)聲吶發(fā)射信號(hào)結(jié)束前已經(jīng)離開觀測區(qū)域，導(dǎo)致一個(gè)距離單元內(nèi)不全部包含目標(biāo)回波，如圖2所示。圖中，淺藍(lán)色色塊代表包含目標(biāo)回波的采樣點(diǎn)。此時(shí)，高速機(jī)動(dòng)目標(biāo)回波分布可能會(huì)有圖中4 種情況。該現(xiàn)象導(dǎo)致目標(biāo)回波能量不能有效積累，從而引起目標(biāo)檢測性能下降[18]。針對(duì)這一問題，在雷達(dá)領(lǐng)域中，已有Hough 變換[19-20]和Keystone 變換[21-22]相關(guān)算法能夠補(bǔ)償RCM 現(xiàn)象。其中，Hough 變換將接收數(shù)據(jù)進(jìn)行脈沖壓縮后構(gòu)造霍夫變換矩陣，重新累加轉(zhuǎn)移到其他距離單元的目標(biāo)回波能量，實(shí)現(xiàn)RCM 現(xiàn)象的補(bǔ)償。而Keystone 變換通過數(shù)據(jù)坐標(biāo)系的尺度變換來補(bǔ)償RCM 現(xiàn)象，從而減少目標(biāo)高速運(yùn)動(dòng)導(dǎo)致的能量損失。這兩種補(bǔ)償RCM現(xiàn)象的方法皆存在脈沖壓縮步驟，而聲吶采用單脈沖工作形式[23]，不存在該步驟，因此Hough 變換和Keystone 變換在水下目標(biāo)自適應(yīng)檢測中不再適用。針對(duì)這一問題，文獻(xiàn)[24]改進(jìn)水下空時(shí)模型[25]，建立水下高速機(jī)動(dòng)目標(biāo)的多元假設(shè)檢驗(yàn)?zāi)Ｐ停Y(jié)合MOS 方法，無需考慮目標(biāo)運(yùn)動(dòng)的先驗(yàn)信息，提出一種斜對(duì)稱廣義信息準(zhǔn)則自適應(yīng)匹配濾波（Persymmetric Generalized Information Criterion Adaptive Matched Filter,PG-AMF）方法。該方法提高了對(duì)目標(biāo)回波的能量積累，提高目標(biāo)檢測性能。但該方法僅使用待檢測數(shù)據(jù)估計(jì)未知參數(shù)，未能聯(lián)合使用待檢測數(shù)據(jù)和輔助數(shù)據(jù)，降低了所得未知參數(shù)MLE 的準(zhǔn)確度，回波數(shù)據(jù)不能被有效利用，影響了目標(biāo)檢測性能。

圖2 高速機(jī)動(dòng)目標(biāo)回波分布Fig.2 High-speed maneuvering target echo distribution

針對(duì)上述問題，本文基于GLRT 準(zhǔn)則提出一種適用于水下高速機(jī)動(dòng)目標(biāo)的斜對(duì)稱廣義信息準(zhǔn)則一步GLRT（Persymmetric Generalized Information Criterion One Step GLRT,PGOS-GLRT）檢測方法。首先引用文獻(xiàn)[24]的水下高速機(jī)動(dòng)目標(biāo)多元假設(shè)檢驗(yàn)?zāi)Ｐ?，將目?biāo)回波位置準(zhǔn)確表示，利用MOS 方法[26]中的廣義信息準(zhǔn)則（Generalized Information Criterion,GIC）實(shí)現(xiàn)對(duì)目標(biāo)回波位置的估計(jì)，并結(jié)合背景干擾協(xié)方差的斜對(duì)稱特性，減少檢測方法對(duì)輔助數(shù)據(jù)的需求量。接下來基于一步GLRT 準(zhǔn)則，聯(lián)合使用待檢測數(shù)據(jù)和輔助數(shù)據(jù)來實(shí)現(xiàn)未知參數(shù)的 MLE，相比于已有的PG-AMF 檢測方法中僅使用待檢測數(shù)據(jù)的次優(yōu)估計(jì)，大大提高了回波數(shù)據(jù)的利用率，最后將求得的各個(gè)未知參數(shù)的MLE 代入GLRT 檢測統(tǒng)計(jì)量中，得到最終的PGOS-GLRT 檢測方法。仿真結(jié)果表明，所提檢測方法的Pfa保持穩(wěn)定，不受背景干擾的影響，具有CFAR 特性。此外，PGOS-GLRT檢測方法相比于其他同類檢測方法性能得到顯著提升，有著較為明顯的目標(biāo)檢測性能優(yōu)勢，同時(shí)對(duì)目標(biāo)回波分布情況估計(jì)的精確度更高。

2 系統(tǒng)模型

2.1 接收信號(hào)模型

首先對(duì)接收回波的信號(hào)模型進(jìn)行介紹。對(duì)于高速機(jī)動(dòng)目標(biāo)，其回波分布參考水下空時(shí)模型，在一個(gè)探測周期發(fā)射信號(hào)脈寬為PT，接收陣元接收連續(xù)回波后進(jìn)行連續(xù)時(shí)間采樣，以PT長度為單位將采樣數(shù)據(jù)分為若干距離單元，忽略時(shí)域相關(guān)性，將每個(gè)采樣點(diǎn)數(shù)據(jù)分開表示，如圖3所示。

圖3 接收數(shù)據(jù)采樣Fig.3 Received data sampling

假設(shè)使用一個(gè)陣元數(shù)為N，陣元間距為d的均勻線陣對(duì)目標(biāo)回波進(jìn)行接收，取陣元間距為d=λ/2，其中λ為發(fā)射信號(hào)波長，各個(gè)陣元之間的增益均等、互耦不計(jì)。對(duì)接收回波信號(hào)進(jìn)行一系列信號(hào)處理之后，假設(shè)采樣頻率為fs，發(fā)射脈沖信號(hào)為

式中，Re{ }· 表示取實(shí)部信號(hào)，tA表示幅值因子，s～(t) 為矩形脈沖包絡(luò)，fc為載波頻率，ψ為系統(tǒng)初始相位。

則第n個(gè)陣元接收到的目標(biāo)回波的第m個(gè)采樣點(diǎn)可表示為

式中，A為包含信號(hào)幅度的系數(shù)；vd=fd/fs為時(shí)域頻率；vs=dsinδ/λ為空域頻率；δ為目標(biāo)方位角；fd=(2v/c)fc為信號(hào)多普勒頻率，其中v為平臺(tái)與目標(biāo)相對(duì)徑向速度，c=1500 m/s為水下聲速；β=1+2v/c為信號(hào)拉伸或壓縮系數(shù)。

2.2 假設(shè)檢驗(yàn)構(gòu)建

為解決RCM 現(xiàn)象導(dǎo)致的檢測性能下降問題，本文采用文獻(xiàn)[20]的多元假設(shè)檢驗(yàn)?zāi)Ｐ?，引入?yún)?shù)l,h準(zhǔn)確描述采樣點(diǎn)包含的目標(biāo)回波位置，如式(3)所示，定義采樣點(diǎn)幅值為α=Aexp(j2πmvd)。

式中，R=[r1…rK]為輔助數(shù)據(jù)，Z=[z1…zNp]為待檢測數(shù)據(jù)，且有R∈CN×K，Z∈CN×Np，其中K表示輔助數(shù)據(jù)個(gè)數(shù)，Np表示待檢測單元內(nèi)的采樣點(diǎn)個(gè)數(shù)。同時(shí)，為保證干擾協(xié)方差矩陣的非奇異性，需滿足K≥N；ni,mk～CNN（0,M）為獨(dú)立同分布的背景干擾，服從零均值多元復(fù)高斯分布，干擾協(xié)方差矩陣表示為M；l,…,l+h表示包含目標(biāo)回波的采樣點(diǎn)，有1≤l≤Np，0≤h≤Np-1，且l+h≤Np，αi表示第i個(gè)采樣點(diǎn)的幅度，i=l,···,l+h；v為導(dǎo)向矢量：

為了有效降低檢測方法對(duì)輔助數(shù)據(jù)的依賴性，這里采用干擾協(xié)方差矩陣的斜對(duì)稱特性，即滿足M=J NM *JN，v=J Nv*。其中，(·)*表示共軛運(yùn)算。JN如式(5)所示為N維置換矩陣。

此時(shí)，可以將適用于高速機(jī)動(dòng)目標(biāo)的多元假設(shè)檢驗(yàn)問題改寫為

式中，IN表示階數(shù)為N的單位矩陣。

3 檢測方法設(shè)計(jì)

為求解式(6)中的假設(shè)檢驗(yàn)問題，下面采用一步GLRT 準(zhǔn)則設(shè)計(jì)高速機(jī)動(dòng)目標(biāo)模型下的自適應(yīng)檢測方法PGOS-GLRT。PG-AMF 方法單獨(dú)使用待檢測數(shù)據(jù)估計(jì)未知參數(shù)，得到的參數(shù)估計(jì)精度有限，限制了該方法的檢測性能。為進(jìn)一步提升輔助數(shù)據(jù)數(shù)量受限情況下的目標(biāo)檢測性能，本文首先聯(lián)合待檢測數(shù)據(jù)和輔助數(shù)據(jù)實(shí)現(xiàn)檢測統(tǒng)計(jì)量的推導(dǎo)和未知參數(shù)MP和α的MLE，然后結(jié)合MOS 方法對(duì)l，h的值進(jìn)行估計(jì)，估計(jì)值記為、，以獲得更高的檢測性能。

式中，η表示一定Pfa下的檢測閾值，f l,h(Zp;α,Mp)表示在Hl,h假設(shè)下聯(lián)合數(shù)據(jù)矩陣Zp=[Z IpZKp]的概率密度函數(shù)（probability density function，PDF），f0(Zp;Mp)表示在H0假設(shè)下聯(lián)合數(shù)據(jù)矩陣Zp=[Z IpRKp]的PDF，表達(dá)式分別為

式中，f l,h(ZIp;α,Mp)和f0(Z Ip;Mp)分別表示在Hl,h和H0假設(shè)下待檢測數(shù)據(jù)ZIp的 PDF，f(RKp;Mp)表示輔助數(shù)據(jù)的 PDF，其表達(dá)式分別為

式中，det(·) 表示行列式運(yùn)算，tr[·]表示求跡運(yùn)算，(·)-1表示求逆運(yùn)算，(·)H表示共軛轉(zhuǎn)置運(yùn)算，且有

式中，Ωl,h={l,…,l+h}，ΩΩl,h為Ωl,h對(duì)Ω的補(bǔ)集。

將式(11)、(13)及(14)代入式(9)，式(12)和(13)代入式(10)中，分別得到

使用MLE 方法對(duì)Hl,h、H0假設(shè)下的Mp進(jìn)行估計(jì)：

對(duì) PDF 取對(duì)數(shù)后，分別求對(duì)數(shù)函數(shù)ln[f l,h(Zp;α,Mp)]和 ln[f0(Zp;Mp)]關(guān)于Mp的導(dǎo)數(shù)并置0，得到如下估計(jì)結(jié)果

將式(16)、(17)、(20)、(21)代入式(8)，則檢測表達(dá)式可重新整理為

在Hl,h假設(shè)條件下，計(jì)算α的估計(jì)值，基于式(22)，對(duì)α的MIL 等價(jià)于

得到估計(jì)結(jié)果為

將式(24)代入(22)中，檢測表達(dá)式等價(jià)于

接下來，使用MOS 方法對(duì)目標(biāo)回波位置進(jìn)行估計(jì)，由文獻(xiàn)[24]可知，在各類準(zhǔn)則中，GIC準(zhǔn)則表現(xiàn)最優(yōu)。因此，本文采用GIC 準(zhǔn)則進(jìn)行對(duì)l、h的估計(jì)，對(duì)應(yīng)的模型維度為q=2(h+1)+N2，則對(duì)l、h進(jìn)行估計(jì)的表達(dá)式為

式中，ρ＞1表示經(jīng)驗(yàn)常數(shù)，需根據(jù)實(shí)際應(yīng)用情況進(jìn)行合理設(shè)置[24]。將各個(gè)參數(shù)的估計(jì)值代入式(26)，得到、的表達(dá)式為

最后，利用、，將式(27)代入式(25)，得到PGOS-GLRT 檢測方法最終表達(dá)式為

4 仿真結(jié)果及分析

接下來采用蒙特卡洛仿真實(shí)驗(yàn)對(duì)所提PGOS-GLRT 檢測方法的CFAR 特性以及目標(biāo)檢測性能進(jìn)行仿真分析。假設(shè)系統(tǒng)采用半波長等間距的均勻線陣，陣元數(shù)Nα=10，采樣點(diǎn)個(gè)數(shù)Np=20，目標(biāo)方位角δ=0°，GIC 準(zhǔn)則參數(shù)為ρ=5，干擾協(xié)方差矩陣建模為M=IN+pcMc，其中IN為N維單位矩陣，pc為混響功率，Mc(i,j)=為基于指數(shù)相關(guān)復(fù)高斯模型的混響差矩陣，ρc為一步滯后相關(guān)系數(shù)。l、h值分別均勻分布于[0,Np-1]和[1,Np-l]。最后，為觀測算法的檢測性能，定義信混噪比(Signal to Reverberation plus Noise Ratio,SRNR)SRNR=,混 響 噪 聲 比(Reverberation to Noise Ratio,RNR)RNR=pc/σN2。

4.1 C FAR 特性

首先驗(yàn)證PGOS-GLRT 檢測方法的CFAR 特性，預(yù)設(shè)Pfa=10-4，蒙特卡洛仿真次數(shù)L=100/Pfa，取SRNR=25 dB，K=20,ρc=0.9。

圖4給出了PGOS-GLRT 檢測方法的Pfa隨RNR 的變化曲線，可以看到，RNR 從10 dB 變化至20 dB，Pfa一直穩(wěn)定在 10-4左右，不受背景干擾影響，即所提檢測方法關(guān)于RNR 是CFAR 的。

圖4 PGOS-GLRT 的Pfa 隨RNR 的變化曲線Fig.4 Pfa versus RNR for the PGOS-GLRT

接下來觀測PGOS-GLRT 檢測方法的Pfa隨混響隨協(xié)方差矩陣Mc中參數(shù)ρc的變化曲線，保持其他參數(shù)不變，設(shè)RNR=20 dB。由圖5表明，當(dāng)ρc從0.5 增大至1 時(shí)，PGOS-GLRT 檢測方法的Pfa始終穩(wěn)定在 10-4左右，即所提檢測方法關(guān)于ρc是CFAR 的。

圖5 PGOS-GLRT 的Pfa 隨ρc 的變化曲線Fig.5 Pfa versus ρc for the PGOS-GLRT

4.2 目標(biāo)檢測性能

接下來仿真驗(yàn)證驗(yàn)證所提檢測方法的檢測性能，針對(duì)高速機(jī)動(dòng)目標(biāo)可能出現(xiàn)的回波分布情況，主要從目標(biāo)檢測概率（Detection Probability,Pd）和對(duì)目標(biāo)回波位置l、h估計(jì)的均方根誤差（Root Mean Square Error,RMSE）對(duì)PGOS-GLRT 檢測方法進(jìn)行檢測性能評(píng)估。其中，RMSE 的計(jì)算公式為τl為待 估計(jì) 參數(shù)。為了更好地對(duì)所提檢測方法進(jìn)行分析，分別在輔助數(shù)據(jù)量受限和輔助數(shù)據(jù)量充足兩種仿真背景下，將所提PGOS-GLRT 檢測方法、已有的PG-AMF 檢測方法、廣義匹配濾波方法（Generalized Adaptive Matched Filter,GAMF）以及未采用斜對(duì)稱特性的廣義信息準(zhǔn)則一步GLRT（ Generalized Information Criterion One Step GLRT,GOS-GLRT）檢測方法一同仿真。兩種仿真背景下均取Pfa=10-4，L=10000，ρc=0.9，RNR=25 dB。需要注意的是，因?yàn)镚AMF 方法不包含目標(biāo)回波位置估計(jì)過程，這里只對(duì)GAMF方法的目標(biāo)檢測性能進(jìn)行仿真分析。

首先考慮輔助數(shù)據(jù)量受限(K=Nα+1)的情況，即設(shè)K=11，圖6(a)給出上述四種檢測方法的Pd隨SRNR變化的曲線。結(jié)果表明，所提檢測方法有著最高的Pd，且所有檢測方法的Pd隨SRNR 的增大而逐漸提高。由圖中可以看到，在Pd=0.4時(shí)，PGOS-GLRT 檢測方法相較于 PGAMF 和GOS-GLRT 檢測方法分別有著5.5dB 和16dB 左右的性能增益，此時(shí)GAMF 檢測方法失效。圖6(b)和圖6(c)給出考慮了目標(biāo)回波分布情況的PGOS-GLRT、PG-AMF 以及GOS-GLRT 三種檢測方法對(duì)l、h估計(jì)的精確度隨SRNR 變化的曲線。結(jié)果顯示，所提檢測方法在SRNR 較高時(shí)有著最好的估計(jì)性能，同時(shí)，斜對(duì)稱的使用極大地提高了檢測方法對(duì)目標(biāo)回波分布情況的估計(jì)精度。以上結(jié)果證明，在輔助數(shù)據(jù)量受限的情況下，PGOS-GLRT 檢測方法的目標(biāo)檢測性能和目標(biāo)回波分布位置估計(jì)相比于其他現(xiàn)有同類型檢測方法有著較為明顯的性能優(yōu)勢。

圖6 輔助數(shù)據(jù)量受限時(shí)各算法檢測性能Fig.6 Detection performance with small number of auxiliary samples

保持其他參數(shù)不變，改變輔助數(shù)據(jù)量為K=24，即K≥2Nα，觀測輔助數(shù)據(jù)量充足時(shí)各檢測方法的檢測性能。由圖7(a)可以看到，4 種檢測方法的Pd相較于輔助數(shù)據(jù)量受限時(shí)均有所提升，且各方法之間的目標(biāo)檢測性能差距有所減小。但此時(shí)PGOS-GLRT 檢測方法仍有著最高的目標(biāo)檢測性能。例如，在Pd=0.6時(shí)，PGOS-GLRT檢測方法相較于 PG-AMF、GOS-GLRT 以及GAMF 檢測方法分別有著1.8dB、3dB 和4dB 左右的性能增益。圖7(b)和圖7(c)結(jié)果說明，在輔助數(shù)據(jù)量充足的情況下，考慮目標(biāo)回波分布情況的三種檢測方法對(duì)l、h估計(jì)的準(zhǔn)確度相近，此時(shí)斜對(duì)稱的使用對(duì)檢測方法估計(jì)目標(biāo)回波位置時(shí)的精確度影響不大。最終結(jié)果表明，輔助數(shù)據(jù)量充足時(shí)，PGOS-GLRT 的檢測性能優(yōu)勢減弱，但相比于其他同類型檢測方法仍有最好的檢測性能表現(xiàn)。

圖7 輔助數(shù)據(jù)量充足時(shí)各算法檢測性能Fig.7 Detection performance with sufficient number of auxiliary samples

為了進(jìn)一步驗(yàn)證PGOS-GLRT 檢測方法的檢測性能，下面在未發(fā)生RCM 現(xiàn)象的情況下對(duì)上述4 種檢測方法進(jìn)行仿真分析，由于此時(shí)目標(biāo)高速運(yùn)動(dòng)未引起RCM 現(xiàn)象，目標(biāo)回波充滿整個(gè)檢測單元，這里只需觀測各檢測方法的dP變化。

對(duì)于輔助數(shù)據(jù)量受限條件下，仿真參數(shù)保持不變，設(shè)K=11，RMSE 由-5 dB 變化至25 dB。如圖8所示，PGOS-GLRT 檢測方法仍有最好的目標(biāo)檢測性能，在Pd=0.6時(shí)，PGOS-GLRT 較于PG-AMF 有超過10 dB 的性能增益。此時(shí)，未采用斜對(duì)稱結(jié)構(gòu)的GOS-GLRT 和GAMF 檢測方法失效。

圖8 輔助數(shù)據(jù)受限且未發(fā)生RCM 現(xiàn)象時(shí)Pd 隨SRNR 的變化曲線Fig.8 Pd versus SRNR without RCM when auxiliary data is limited

接下來考慮輔助數(shù)據(jù)量充足的情況，保持其他參數(shù)不變，改變輔助數(shù)據(jù)量為K=24，觀測各檢測方法dP變化曲線。如圖9所示，4 種檢測方法目標(biāo)檢測性能皆提升，各檢測方法之間性能差距減小，PGOS-GLRT 在這4 種檢測方法中仍有最優(yōu)越的檢測性能表現(xiàn)。

圖9 輔助數(shù)據(jù)充足且未發(fā)生RCM 現(xiàn)象時(shí)Pd 隨SRNR 的變化曲線Fig.9 Pd versus SRNR without RCM when auxiliary data is sufficient

仿真結(jié)果說明，PGOS-GLRT 檢測方法在高速機(jī)動(dòng)目標(biāo)未發(fā)生RCM 現(xiàn)象時(shí)，相較于其他已有同類型檢測方法仍有較明顯的目標(biāo)檢測性能提升，并且在輔助數(shù)據(jù)量受限時(shí)有著更加明顯的性能優(yōu)勢，有效降低了檢測方法對(duì)輔助數(shù)據(jù)的依賴性。

5 結(jié) 論

本文針對(duì)高速機(jī)動(dòng)目標(biāo)引起的RCM 現(xiàn)象以及水下目標(biāo)自適應(yīng)檢測方法在應(yīng)用時(shí)常見的輔助數(shù)據(jù)不足問題，提出一種適用于高速機(jī)動(dòng)目標(biāo)的斜對(duì)稱廣義似然比檢測方法。考慮到目標(biāo)高速運(yùn)動(dòng)引起的RCM 現(xiàn)象，采用多元假設(shè)檢驗(yàn)?zāi)Ｐ停瑴?zhǔn)確描述目標(biāo)回波位置，同時(shí)采用干擾協(xié)方差的斜對(duì)稱特性降低輔助數(shù)據(jù)需求量。最后，基于一步GLRT 準(zhǔn)則，聯(lián)合使用待檢測數(shù)據(jù)和輔助數(shù)據(jù)估計(jì)所有未知參數(shù)并推導(dǎo)得到PGOS-GLRT 檢測方法的檢測統(tǒng)計(jì)量。仿真結(jié)果表明，該檢測方法具有CFAR 特性，且所提檢測方法在檢測高速機(jī)動(dòng)目標(biāo)時(shí)，相比于已有的PG-AMF、GAMF 檢測方法有著顯著的性能優(yōu)勢，尤其在輔助數(shù)據(jù)受限這種非理想情況下，性能優(yōu)勢更為明顯。未來的研究擬將所提出的檢測方法框架擴(kuò)展到背景環(huán)境非均勻或背景干擾非高斯的情況。