For moving target detection (MTD) in rader signal processing, adaptive signal processing techniques are gradually replacing the conventional MTD lagorithms because their detection performances are superior to those of the conventional MTD algorithms. Furthermore, recent device and digital signal processing technology make it possible to process radar signal in real time using the adaptive radar signal processing algorithms.
Good performance results are obtained by using conventional MTD algorithms when the clutter signal has Gaussian spectral distribution characteristics, such as that in ground clutter environments. However, abrupt changes of clutter signal in weather clutter environments can cause the clutter power spectrum to deviate significantly from the Gaussian power spectrum. In such environments, the detection performance of conventional MTD degrades rapidly.
In this thesis, the performance of an adaptive radar detection algorithm for MTD are obtained, known as the innovation-based detection algorithm (IBDA). IBDA is an adaptive MTD algorithm proposed by Metford and Haykin based on innovations theory developed by Kailath and the model-dependent work on the clutter signal.
In IBDA, moving targets are detected by performing the likelihood ratio test for the sequence of two innovation processes. The innovation processes are obtained by whitening the received radar signal with two adaptive prediction error filters (PEF) designed under the two hypotheses, $H_1$ and $H_2$ which correspond to environments with no targets and with targets, respectively. Filter coefficients of the two PEF's are obtained adaptively sample-by-sample based on the autoregressive modeling of received radar signal. We used both simulated and real radar data to obtain the performance of IBDA algorithms, i.e. the Kalman algorithm (IBDA-Kalman), the adaptive lattice algorithm (IBDA-lattice), and the square root Kalman (IBDA-SRK).
Simulation results show that IBDA_SRK yields the best performance in almost all of the cases. In stationary clutter environments whose input SCNR Is-20 dB, all the three adaptation algorithm yield output SCNR of over 15 dB in most cases. Particularly, both IBDA-Kalman and IBDA-lattice result in output SCNR of over 35 dB. In nonstationary clutter environments, IBDA-Kalman and IBDA-SRK perform well, but the performance of IBDA-lattice degrades. As the Doppler frequency of the moving target becomes close to that of clutter spectrum, the better performance results are obtained IBDA SRK than those of other IBDA's. Also, the performance improvement by IBDA SRK over IBDA-Kalman is about 5 dB in output SCNR in weather clutter environments.
Radar 신호처리 분야에서 moving target detection 기능을 수행하기 위한 algorithm의 추세는 전통적으로 사용되어 온 MTD algorithm에서 점차 성능이 우수한 적응 신호처리 기법으로 대체되고 있다. 이러한 이유는 최근들어 반도체및 디지탈 신호처리 기술의 눈부신 발전에 힘입어 radar signal을 real time으로 처리할 수 있게 되었기 때문이다. Ground clutter의 경우와 같이 clutter signal이 Gaussian spectrum 분포 특성을 갖는 경우에는 전통적인 MTD algorithm도 우수한 target 검출 능력을 갖는다. 그러나 weather clutter등과 같이 clutter의 spectrum이 nonGaussian인 경우에는 MTD algorithm의 성능이 현저히 나빠진다.
본 논문에서는 moving target detection 기능을 수행하기 위하여 IBDA로 알려진 adaptive moving target detection algorithm들을 기술하고, 사용된 각각의 알고리즘에 대한 성능을 비교 검토한다. IBDA는 Kailath의 innovations theory와 clutter signal에 대한 model-dependent work를 기초로 Metford와 Haykin이 개발하였다.
IBDA에서는 moving target이 2 개의 innovation process의 sequence에 대한 likelihood ratio test를 수행함으로써 검출된다. Innovation process는 수신된 radar signal을 2 개의 adaptive prediction error filter로 whitening을 함으로써 얻는다. 여기에서 hypothesis $H_1$는 target이 존재하지 않는 경우의 hypothesis이고, hypothesis $H_2$는 target이 존재하는 경우의 hypothesis이다. 수신된 radar signal이 autoregressive process로 modeling되기 때문에 2 개의 PEF는 FIR filter로 구성되고, filter coefficient는 sample-by-sample로 recursive하게 구한다. IBDA의 성능을 측정하기 위하여 simulated data와 real radar data를 사용하였다. PEF coefficient를 update시키는데 Kalman algorithm(IBDA-Kalman), adaptive lattice algorithm(IBDA-lattice), 및 square root Kalman algorithm(IBDA-SRK)등 3 가지 알고리즘을 사용하였다.
Simulation 결과 IBDA-SRK가 대부분의 경우 가장 우수한 성능을 갖는다. Stationary clutter 환경에서는 모든 알고리즘의 성능이 대부분의 경우 output SCNR이 15 dB 이상이었다. 특히 IBDA-SRK와 IBDA-lattice의 output SCNR은 대부분 35 dB 이상으로 매우 높았다. Nonstationary clutter 환경의 경우에는 IBDA-SRK와 IBDA-Kalman algorithm은 우수한 성능을 나타냈지만, IBDA-lattice algorithm은 성능이 좋지 않았다. 특히 moving target의 Doppler frequency가 clutter spectrum의 Doppler frequency에 접근할수록 IBDA-SRK의 성능이 다른 알고리즘의 성능보다 더욱 좋아졌다. 또한 weather clutter 환경에서 IBDA-SRK의 성능이 IBDA-Kalman보다 평균 약 5 dB정도 개선되었다.
