本文档介绍了一项由国防科技大学、澳门科技大学、厦门大学、电子科技大学等多个机构的学者合作完成的研究。该研究题为《非高斯杂波中距离扩展雷达目标的判别式HPD流形投影与TBD-MIG检测器》，旨在解决非高斯杂波环境下距离扩展雷达目标的检测难题。该研究已提交至《IEEE Transactions on Aerospace and Electronic Systems》期刊，并已被接收待发表。

一、 研究背景与目标

雷达目标检测是信号处理领域的核心问题之一。传统检测方法，如广义似然比检验（Generalized Likelihood Ratio Test, GLRT），通常在假设杂波服从高斯分布的前提下设计。然而，在高分辨率雷达或海面等实际场景中，杂波往往呈现出重尾、纹理变化等非高斯特性，导致基于高斯假设的检测器性能严重下降。为此，研究者们提出了多种非高斯杂波模型（如复合高斯模型）及相应的检测器，但这些模型依赖参数化形式，当实际杂波统计特性偏离假设模型时，性能会急剧恶化。

近年来，矩阵信息几何（Matrix Information Geometry, MIG）方法为模型无关的检测提供了新思路。该方法将每个距离单元的样本数据表示为一个埃尔米特正定（Hermitian Positive Definite, HPD）矩阵，并将这些矩阵视为黎曼流形上的点。通过计算HPD矩阵之间的几何距离（如AIRM距离）来进行目标检测。然而，现有的MIG检测器主要针对点目标设计，难以直接推广到占据多个连续距离单元的距离扩展目标。此外，高维的HPD矩阵可能包含冗余信息，限制了检测器的判别能力。

为了克服这些局限，本研究提出了一种新的检测框架。其核心贡献在于：首先，设计了一个判别式的低维流形投影，将高维HPD矩阵映射到低维流形，以最大化类间距离并最小化类内方差，从而增强特征判别力。其次，将投影矩阵的学习问题建模为斯蒂弗尔（Stiefel）流形上的约束优化问题，并开发了一种基于黎曼BFGS（Riemannian Broyden Fletcher Goldfarb Shanno, RBFGS）的高效求解算法。最后，在投影后的低维流形上，基于总Bregman散度（Total Bregman Divergence, TBD）推导了三种针对距离扩展目标的MIG检测器。研究目标是在不依赖特定杂波分布模型的前提下，提升雷达在非高斯杂波中对距离扩展目标的检测性能。

二、 研究流程与方法

本研究主要包含三个核心部分：判别式HPD流形投影设计、基于RBFGS的投影矩阵优化算法、以及基于TBD的距离扩展目标检测器推导。

1. 判别式HPD流形投影设计： 研究首先定义了信号模型。考虑雷达发射N个脉冲，接收来自H个连续距离单元（若存在目标）的回波信号。每个距离单元h的接收信号是一个N维列向量。检测问题被表述为一个二元假设检验：H0假设下，所有信号仅为杂波；H1假设下，目标占据的H个单元信号包含目标分量和杂波。在MIG框架下，每个距离单元的数据被建模为一个N×N的HPD矩阵（通过样本协方差矩阵估计得到），这些矩阵构成了观测空间。

为了提升判别能力，研究者设计了一个正交投影，将高维（n维）HPD矩阵流形P(n, C)映射到低维（m维，m ≤ n）流形P(m, C)。投影定义为 f_W: R -> W^H R W，其中投影矩阵W属于复斯蒂弗尔流形St(m, C^n)，满足W^H W = I_m。投影的目标是使投影后同类HPD矩阵（纯杂波类、目标+杂波类）的方差最小化，同时使两类中心（几何均值）之间的距离最大化。为此，研究者构建了一个包含类内方差和类间距离的成本函数φ(W)，投影矩阵W的学习过程即转化为在斯蒂弗尔流形上最小化该成本函数的优化问题。

2. 基于RBFGS的投影矩阵优化算法： 成本函数φ(W)的优化是一个定义在黎曼流形（斯蒂弗尔流形）上的光滑无约束优化问题。研究者采用了黎曼优化方法，特别是黎曼BFGS（RBFGS）算法来高效求解。该算法是经典BFGS算法在流形上的推广。

• 算法流程：算法从初始猜测W_0开始迭代。在每次迭代中，首先在当前的切空间上求解一个拟牛顿方程，得到一个搜索方向u_k。然后，通过回溯线搜索确定步长αk，并利用QR收缩（一种特定的收缩映射）将更新后的点拉回（retract）到斯蒂弗尔流形上，得到新的迭代点W{k+1}。最后，利用当前迭代的信息更新对黎曼Hessian的近似B_{k+1}。
• 关键计算：算法的核心之一是计算成本函数φ(W)在三种不同TBD度量（总平方损失TSL、总冯·诺依曼散度TVN、总对数行列式散度TLD）下的黎曼梯度。研究者通过详细的推导，给出了这三种情况下成本函数关于投影矩阵W的欧几里得梯度公式（见论文命题3、4、5），进而通过正交投影得到黎曼梯度，供RBFGS算法使用。
• 收敛性分析：研究者进一步证明了所提出RBFGS算法在求解该特定优化问题时的全局收敛性，即算法生成的序列至少有一个聚点是成本函数的稳定点。

3. 基于TBD的距离扩展目标检测器推导： 在获得最优投影矩阵W后，原始的HPD矩阵（包括用于估计干扰协方差矩阵的辅助数据矩阵R_g和待检测单元的数据矩阵R_d,h）被投影到低维流形上。对于距离扩展目标，检测统计量被设计为H个被目标占据的距离单元上，投影后的待检测矩阵与投影后的干扰协方差矩阵估计（几何均值）之间的TBD距离之和。具体检测规则为：将距离之和与预设阈值γ比较，大于阈值则判定为目标存在（H1）。研究者基于三种不同的凸函数，推导了对应的TBD度量，从而得到了三种具体的检测器：自适应TSL-MIG (ATSL-MIG)、自适应TLD-MIG (ATLD-MIG)和自适应TVN-MIG (ATVN-MIG)。

三、 主要实验结果与发现

研究者通过仿真数据和真实雷达数据验证了所提检测器的性能。

1. 仿真实验： * 实验设置：杂波采用复合高斯模型，纹理分量服从伽马分布。比较了所提的三种ATBD-MIG检测器与未投影的TBD-MIG、AIRM-MIG、LDA-AIRM-MIG以及几种经典的GLRT检测器（GLRT、B1S-GLRT、TS-GLRT）的性能。性能指标为检测概率（Probability of Detection, PD）随信杂比（Signal-to-Clutter Ratio, SCR）的变化曲线，虚警概率固定为10^{-3}。样本数据维度n=8，投影后维度m=4。目标占据的距离单元数H分别取2和4。 * 结果分析： * 在所有测试场景下，所提出的三种ATBD-MIG检测器（ATSL-MIG, ATLD-MIG, ATVN-MIG）的性能均显著优于未进行流形投影的原始TBD-MIG检测器，也优于AIRM-MIG及其判别式版本LDA-AIRM-MIG。这证明了所设计的判别式投影在提升特征可分性方面的有效性。 * 与基于模型的GLRT系列检测器相比，当辅助数据量较少（K=m）时，GLRT性能因协方差矩阵估计不准而较差，而ATBD-MIG展现了优越的模型鲁棒性。当辅助数据量增加（K=1.5m）时，B1S-GLRT性能与AIRM-MIG相当，但仍不及ATBD-MIG。 * 接收者操作特征（ROC）曲线进一步证实，在相同SCR下，ATBD-MIG能获得更高的PD或更低的虚警。 * 敏感性分析表明：训练数据的SCR、训练标签的误标率对检测器性能影响较小；而目标实际占据的距离单元数H与训练假设不匹配时，性能会下降；样本维度n增大时，ATBD-MIG性能会恶化（这与AIRM-MIG的规律相反）；在存在异常值的情况下，采用求和聚合规则的检测器比采用最大聚合规则的检测器更稳健。

2. 真实IPIX雷达数据实验： * 实验设置：使用McMaster大学IPIX雷达采集的真实海杂波数据。将合成的目标信号注入到数据中，构建训练集和测试集。 * 结果分析：在真实海杂波环境下，ATBD-MIG检测器同样表现出色，其性能明显优于未投影的MIG检测器、LDA-AIRM-MIG以及各种GLRT检测器。这强有力地证明了该方法在实际非高斯、非均匀杂波环境中的有效性和实用性。

四、 研究结论与价值

本研究成功提出并验证了一种用于非高斯杂波中距离扩展目标检测的新型矩阵信息几何框架。主要结论如下： 1. 方法创新：通过引入一个判别式的低维HPD流形投影，有效提取了数据的判别性特征，抑制了冗余信息，从而显著提升了后续检测器的性能。 2. 算法有效：将投影矩阵学习问题转化为斯蒂弗尔流形上的优化问题，并采用RBFGS算法高效求解，且从理论上证明了算法的收敛性。 3. 检测器性能优越：基于投影后的低维流形和总Bregman散度，推导的三种ATBD-MIG检测器在仿真和真实数据实验中，均展现出优于传统模型依赖方法（GLRT）和现有非模型MIG方法的检测性能，尤其在辅助数据有限或杂波模型失配时优势明显。

本研究的科学价值在于：将流形学习与信息几何理论相结合，为雷达目标检测，特别是复杂杂波环境下的距离扩展目标检测，提供了一个不依赖于特定参数化杂波模型的新范式。它扩展了MIG方法的应用范围（从点目标到距离扩展目标），并通过引入监督学习的判别式投影，增强了方法的适应性和性能。

应用价值在于：所提检测器对杂波分布具有更强的鲁棒性，更适用于高分辨率雷达、海面监视等实际非高斯杂波场景，有望提升雷达系统在复杂环境下的目标探测能力。

五、 研究亮点

1. 问题新颖性：首次将判别式流形投影与TBD-MIG框架相结合，专门用于解决距离扩展目标在非高斯杂波中的检测问题，填补了现有MIG检测器主要针对点目标的空白。
2. 方法创新性：
   • 判别式投影设计：不同于简单的维度约简，该投影明确以最大化类间分离、最小化类内聚集为优化目标，具有明确的物理意义和数学美感。
   • 黎曼优化求解：将复杂的投影矩阵学习问题优雅地表述并求解于斯蒂弗尔流形上，利用了流形的几何结构，并提供了收敛性保证。
   • TBD度量应用：采用了具有尺度不变性等优良性质的总Bregman散度作为流形上的距离度量，增强了检测器的稳健性。
3. 验证全面性：研究不仅进行了详尽的蒙特卡洛仿真，涵盖了不同参数配置（H, K, n等），还使用了真实的IPIX雷达海杂波数据进行验证，充分证明了方法的有效性和实用性。
4. 理论严谨性：论文提供了完整的数学模型、详细的梯度推导、优化算法描述及收敛性分析，体现了工作的理论深度。

六、 其他有价值内容

论文还对所提算法的计算复杂度进行了分析，并与对比算法（AIRM-MIG, LDA-AIRM-MIG, GLRT等）的复杂度进行了比较，为实际应用中的计算资源评估提供了参考。此外，研究者指出了未来可能的研究方向，例如进一步优化低维流形的维度选择，以在计算复杂度和检测性能之间取得最佳平衡。