关于核化矩阵信息几何检测器在样本匮乏非均匀杂波中应用的学术研究报告
本报告旨在向学术界同仁介绍一项发表于《IEEE Transactions on Aerospace and Electronic Systems》期刊（2026年5月22日在线发表，2026年6月11日版本）的原创性研究成果。该研究题为“Kernelized MIG Detectors in Sample-Starved Nonhomogeneous Clutter”，由来自中国国防科技大学（NUDT）的Xiaoqiang Hua、Chuanfu Xu以及日本庆应义塾大学（Keio University）的Linyu Peng（IEEE会员）共同完成。本研究聚焦于雷达信号处理领域，特别是在复杂电磁环境下的小目标检测问题。
一、 研究背景与目标
在雷达、声纳及通信系统中，从未知干扰背景中检测出微弱的目标信号是一项基础性挑战。传统的自适应检测器（如Kelly检测器、自适应匹配滤波器AMF等）通常假设训练数据与测试数据所处的干扰环境是统计同质的。然而，在实际应用中，由于功率随距离变化、杂波离散体及异常值的存在，杂波环境往往呈现非均匀性，导致可用于精确估计干扰协方差矩阵（DCM）的、满足独立同分布条件的训练样本数量严重不足。这种“样本匮乏”情况会显著降低传统检测器的性能。
为了应对这一挑战，近年来基于矩阵信息几何（Matrix Information Geometry， MIG）的检测方法受到了关注。其核心思想是将观测数据样本表示为埃尔米特正定（Hermitian Positive-Definite， HPD）矩阵，并将信号检测问题转化为在HPD矩阵流形上区分两个不同点（目标+杂波 vs. 纯杂波）的问题。通过利用流形上的几何度量（如仿射不变黎曼度量Airm、对数欧几里得度量LEM等）来计算测试单元HPD矩阵与由训练样本估计的杂波DCM（通常为几何均值）之间的距离，并据此做出判决。然而，在低信杂比（SCR）和样本匮乏的极端非均匀杂波环境下，目标与杂波在原始或投影后的流形上可能线性不可分，导致MIG检测器性能下降。
因此，本研究旨在解决样本匮乏、高度非均匀杂波环境下的目标检测难题。其核心科学目标是：通过引入核方法（Kernel Method），将HPD矩阵流形映射到高维的再生核希尔伯特空间（Reproducing Kernel Hilbert Space， RKHS），从而增强目标信号与背景杂波之间的可分离性。研究计划设计并验证一系列基于不同核函数的核化MIG（Kernelized MIG， KMIG）检测器，以提升在恶劣条件下的检测性能。
二、 研究流程与方法详述
本研究遵循理论构建、算法设计、仿真验证、实测数据评估的完整流程。
第一步：理论框架构建与核函数定义。 研究首先在HPD矩阵流形上定义了三种核函数，将欧氏空间中的核技巧推广到矩阵流形上。具体定义了线性核（Linear Kernel）、多项式核（Polynomial Kernel）和径向基函数核（Radial Basis Function Kernel， 又称高斯核）。研究从理论上证明了线性核和多项式核在HPD流形上的正定性。对于RBF核，研究证明了其在与LEM和Jensen-Bregman LogDet Divergence（JBLD）结合时的正定性，并指出对于Airm和SKLD（对称Kullback-Leibler散度），RBF核的正定性条件是一个开放性问题，在实验中通过数值模拟谨慎选择参数σ以确保其适用性。这些核函数诱导了一个从HPD流形P(n，C)到高维RKHS的特征映射φ。该映射的核心优势在于，能够将原始流形上非线性不可分的问题，转化为RKHS中的线性可分问题，而无需显式构造高维特征空间。
第二步：KMIG检测器设计。 基于上述核函数，研究构建了三种KMIG检测器：线性核MIG（LK-MIG）检测器、多项式核MIG（PK-MIG）检测器和RBF核MIG（RBF-MIG）检测器。检测流程如下： 1. 数据表示：将待检测单元（CUT）的原始数据向量x和K个辅助数据向量{x_k}分别转换为HPD矩阵R_d和{R_k}（通过样本协方差估计，公式(3)(4)）。 2. DCM估计：在HPD流形上，使用四种不同的几何度量（Airm， LEM， JBLD， SKLD）计算辅助HPD矩阵集合{R_k}的几何均值R_g，作为杂波DCM的估计。每种度量对应不同的均值计算方式（见表I）。 3. 核空间映射与距离计算：将估计的DCM（R_g）和CUT的HPD矩阵（R_d）通过特征映射φ投射到RKHS中，得到φ(R_g)和φ(R_d)。在RKHS中，使用L2范数（即欧氏距离）来衡量两者的差异。利用核函数的性质，该距离可以完全通过核函数在原空间的值计算，无需知道φ的具体形式。例如，对于RBF核，距离计算公式简化为：‖φ(R_g) - φ(R_d)‖² = 2 - 2 exp(-d²(R_g， R_d)/(2σ²))，其中d(·， ·)是原始流形上的几何距离。 4. 检测判决：最终的检测统计量即为RKHS中的距离T_KMIG = ‖φ(R_g) - φ(R_d)‖²。通过将其与预设的检测门限γ比较，完成二元假设检验（H1: 有目标； H0: 无目标）。
第三步：仿真实验与性能评估。 研究使用蒙特卡洛方法在模拟的非均匀杂波环境中评估KMIG检测器的性能。 * 研究对象与样本：杂波数据采用复合高斯模型生成，包含服从伽马分布的纹理分量和服从复圆高斯分布的散斑分量。协方差矩阵具有高斯空间结构。在每个蒙特卡洛试验中，生成K个辅助样本向量和一个包含目标信号的测试样本向量（信杂比SCR可变）。所有样本向量被转换为HPD矩阵。主要评估了两种样本匮乏场景：辅助样本数量K等于数据维度n（K=n）和两倍数据维度（K=2n）。 * 实验设计：进行了大量独立试验（例如2000次用于估计检测概率Pd，100/Pfa次用于在纯杂波数据上估计检测门限γ以控制虚警概率Pfa=10⁻⁴）。对比算法包括传统的自适应归一化匹配滤波器（ANMF）、基于四种不同几何度量的原始MIG检测器以及新提出的三种KMIG检测器（共12种KMIG变体）。 * 数据分析流程：对于每个SCR值，计算各检测器的检测概率曲线（Pd vs. SCR）。同时，通过改变杂波纹理分布参数和辅助样本数量，分析了KMIG检测器对恒虚警率（CFAR）特性的保持能力。
第四步：实测雷达数据验证。 为了证明算法的实用性，研究在两种真实的雷达杂波数据集上进行了测试： 1. PhaseOne雷达地杂波数据：使用MIT林肯实验室的L波段陆地雷达数据，在VV极化通道注入模拟目标。 2. IPIX雷达海杂波数据：使用McMaster大学在安大略湖采集的X波段海杂波数据，在HH极化通道注入模拟目标。 * 处理方法：从数据中截取多组脉冲，构建n维样本向量（n=8或5）。利用相邻距离单元的样本作为辅助数据（K=n， 2n）来估计DCM。将数据集分为两部分：一部分用于通过蒙特卡洛仿真确定检测门限（控制Pfa），另一部分用于评估不同SCR下的检测概率。
三、 主要研究结果详述
仿真实验结果：在模拟的非均匀复合高斯杂波环境中，KMIG检测器展现出显著优势。 1. 性能层次：在所有测试的几何度量（Airm， LEM， JBLD， SKLD）下，均观察到一致的性能排序：KMIG检测器 > 对应的原始MIG检测器 > ANMF检测器。这一结果直接验证了核映射有效提升了HPD流形上特征的可分性。 2. 样本匮乏下的鲁棒性：当辅助样本数量极少（K=n）时，ANMF性能严重退化，因为样本协方差矩阵估计极不准确。而MIG和KMIG检测器由于采用了几何均值估计，对样本数量的依赖相对较低，仍能保持可用的检测性能。KMIG在此基础上进一步提升了性能。 3. 核函数比较：三种核函数均能带来性能增益。其中，RBF核和多项式核通常能提供比线性核更优的非线性映射能力，在多数情况下性能提升更为明显。例如，在基于Airm的检测器中，RBF-MIG和PK-MIG在低SCR区域的Pd显著高于LK-MIG和原始Airm-MIG。 4. CFAR特性分析：通过改变杂波纹理参数τ和辅助样本数K的数值实验表明，KMIG检测器的实际虚警概率（Pfa）围绕预设值（10⁻³）仅有微小波动，证明其在不同杂波功率起伏和训练样本量变化时，能够保持近似的恒虚警率性能。 5. RBF-JBLD的矩阵处理：由于RBF-JBLD核的正定性理论目前仅针对实对称正定（SPD）矩阵得到证明，实验中将复HPD矩阵取实部后使用。对比实验显示，使用复HPD矩阵的实部与使用其模值（近似处理）相比，性能仅有轻微下降，表明这种处理在实用中是可行的。
实测数据验证结果： 1. PhaseOne地杂波数据：在K=n和K=2n两种情况下，KMIG检测器在所有四种几何度量基础上均一致地超越了对应的原始MIG检测器。MIG检测器本身已优于ANMF，而KMIG进一步扩大了这种优势。这证实了核方法在真实非均匀地杂波环境中的有效性。 2. IPIX海杂波数据：在更为复杂的海杂波环境中，得到了与地杂波实验相同的结论。KMIG检测器相较于其对应的MIG检测器，在相同的SCR下获得了更高的检测概率，再次证明了所提方法对于不同类型非均匀杂波的普适性增强能力。
结果逻辑关系：仿真实验首先在可控的复合高斯模型下系统验证了KMIG检测器的理论优越性和对关键参数（SCR， K）的敏感性。实测数据实验则进一步将这种优越性延伸至真实、更复杂的杂波环境（地杂波和海杂波），完成了从理论模型到实际应用的验证闭环。所有结果共同支撑了核心结论：核化映射是提升MIG检测器在样本匮乏非均匀杂波中性能的有效途径。
四、 研究结论与价值
本研究成功提出并验证了一类基于核方法的矩阵信息几何检测器（KMIG）。主要结论如下：通过在线性核、多项式核和RBF核诱导的再生核希尔伯特空间中执行检测判决，能够显著增强目标与杂波在HPD矩阵流形特征上的可分性。在样本严重不足（K=n， 2n）的非均匀杂波环境下，KMIG检测器相较于传统的MIG检测器和经典的ANMF检测器，表现出更优异的检测性能。这一结论在模拟的复合高斯杂波以及真实的PhaseOne地杂波和IPIX海杂波数据上均得到了证实。
研究的科学价值在于将机器学习中的核技巧与信息几何理论深度融合，为雷达信号检测领域提供了一种新的、强大的特征增强与非线性分类框架。它扩展了MIG检测器的理论体系，为解决小样本、非平稳、非线性杂波背景下的目标检测问题开辟了新思路。
应用价值十分明确：KMIG检测器尤其适用于实际雷达系统中训练样本稀缺、杂波环境复杂多变的场景，例如机载/星载雷达对地观测、舰载雷达对海监视等。其相对稳健的性能有助于在恶劣条件下维持可靠的检测能力。
五、 研究亮点
六、 其他有价值内容
研究在讨论部分指出了未来的研究方向，例如：研究自适应策略以在实时雷达信号检测中选择最优核函数，从而提升KMIG检测器在不同操作条件和数据分布下的鲁棒性；对所用核函数在RKHS中对可分离性和性能影响的特性进行更深入的理论分析，以指导进一步的优化。这些方向对于推动该领域的发展具有重要参考意义。此外，文中对RBF核与不同几何度量结合时正定性问题的探讨，也指出了理论上有待完善的开放性问题，激励后续研究。