本文属于类型a，即单一原创研究报告。以下是根据文档内容生成的学术报告。

本文的主要作者为Hao Wu、Yongqiang Cheng、Xixi Chen、Xiang Li以及Hongqiang Wang，他们均来自中国国防科技大学电子科学学院。该研究发表于IEEE Transactions on Signal Processing（《IEEE信号处理汇刊》）第70卷，2022年，论文的DOI为10.1109/TSP.2022.3189179。

从学术背景来看，这项研究属于雷达信号处理与信息几何的交叉领域。在雷达、通信和导航等应用中，目标检测长期面临杂波背景下的性能挑战。传统的恒虚警率（CFAR）检测方法依赖能量差异，在强杂波下性能严重退化；基于FFT的CFAR方法虽然利用多普勒信息积累目标能量，但需要足够长的脉冲序列，且短脉冲序列和有限杂波样本会导致性能下降。近年来，基于矩阵信息几何（MIG）的检测器因其在短脉冲和有限样本条件下的优异表现而受到关注。该类方法将目标回波和杂波的协方差矩阵视为Hermitian正定（HPD）流形上的点，并利用几何测度量化目标与杂波之间的差异。然而，现有的MIG检测器通常采用固定的几何测度，如Fisher度量下的黎曼距离或Kullback-Leibler散度，这些测度并未利用检测环境本身的统计特性，因此在环境变化时检测性能并不总是令人满意。针对这一问题，本文提出了具有局部度量张量的自适应矩阵信息几何检测器，目的是使检测器能够根据当前环境自适应地匹配最优的几何测度，从而提升检测性能。

在研究方法和工作流程上，本文的主要内容包括以下几个部分。首先，论文建立了信号模型。目标检测问题被表述为二元假设检验，其中H0假设下观测数据仅为杂波，H1假设下待检测单元的数据包含目标回波和杂波。协方差矩阵通过WSS随机过程的各态历经性进行估计，并由参考单元协方差矩阵的几何质心代表杂波背景。接着，论文提出了局部度量张量的MIG检测器模型。由于在低信杂比条件下，待检测矩阵与参考单元质心在HPD流形上距离较近，因此黎曼距离可以近似为局部区域内的二次型形式dξᵀg dξ，其中g为局部度量张量。通过对参考单元协方差矩阵进行白化处理，可以将度量张量固定于单位矩阵附近，从而得到形式为ξ̃ᵀgξ̃的检测统计量。基于这一形式，检测器设计问题被表述为Neyman-Pearson准则下的约束优化问题，目标是最小化漏警概率，同时满足虚警概率约束和度量张量半正定约束。

针对该优化问题，论文面临两个主要挑战：一是目标函数和约束函数因包含指示函数而不可微，二是该问题为约束优化。为了克服这些困难，作者引入Sigmoid函数替换指示函数，使目标函数和约束函数可微，并通过将约束条件转化为等式约束，进一步利用拉格朗日对偶性将原问题转化为无约束优化问题。论文给出了弱对偶定理和定理2，证明在样本量足够大且似然比满足一定条件时，该无约束优化问题与原约束优化问题等价。基于此，作者设计了两阶段梯度下降算法来求解最优局部度量张量和阈值。第一阶段采用指数损失函数进行粗略训练，以获得接近似然比形式的解；第二阶段则使用上述对偶优化目标进行精细调整。此外，论文还提出了针对雷达目标检测的数据增强方法。由于实际中标记数据量有限，作者提出通过从连续脉冲中抽取若干组连续脉冲片段来组合成新的相干处理单元，从而在保持脉冲间相关性的前提下显著扩充训练样本。在性能保证方面，论文从理论上证明了自适应MIG检测器在低信杂比条件下是所有满足特定条件的MIG检测器中的渐近最优检测器。

在实验部分，论文分别在模拟数据、实测海杂波数据和实测地杂波加无人机目标三种场景下验证了所提方法的性能。在模拟数据实验中，使用高斯杂波和K分布杂波生成数据，脉冲数n设为15，参考单元数k设为30，虚警概率设为10⁻³。结果显示，在高斯杂波下，自适应MIG检测器的检测性能接近理论最优的匹配滤波器；与基于KLD的MIG检测器相比，在检测概率为0.8时信杂比改善约4 dB，与基于黎曼距离的MIG检测器相比改善约9 dB。在K分布杂波下，所提方法优于渐近最优的自适应归一化匹配滤波器（ANMF），且相对于KLD和黎曼距离方法分别有约7 dB和11.5 dB的性能提升。在实测海杂波数据实验中，采用McMaster大学IPIX雷达采集的数据，脉冲数n设为9，参考单元k设为18。结果表明，自适应MIG检测器比ANMF有约5 dB的性能优势，并且当优化使用的脉冲数从8000增加到40000时，性能提升幅度已经很小，说明实际应用中并不需要过多的训练数据。在地杂波加无人机目标检测实验中，使用一部相干雷达采集的数据，脉冲数n设为15，参考单元k设为30。结果显示，自适应MIG检测器在ROC曲线上的表现优于SVM、MLP、ANMF、Wald检验、匹配滤波器、FFT-CFAR以及基于KLD和黎曼距离的MIG检测器。此外，利用数据增强方法，仅需15毫秒量级的雷达数据即可获得接近于使用100毫秒数据训练的检测器的性能，验证了数据增强方法的有效性。

论文的结论指出，自适应MIG检测器通过优化局部度量张量，能够根据当前检测环境自适应地调整几何测度，从而在多种检测场景下均取得最优或接近最优的检测性能。其科学价值在于将度量学习的思想引入矩阵信息几何检测器设计，为MIG检测器的性能提升提供了新的理论框架和优化方法。在应用价值上，所提方法对短脉冲序列和有限杂波样本条件下的雷达目标检测具有明显的优势，并且数据增强方法使得训练数据需求大幅降低，为实际雷达系统的实时更新提供了可能。此外，该方法的渐近最优性理论证明也为后续研究提供了坚实的数学基础。

本文的主要亮点包括：第一，首次提出了自适应局部度量张量的概念，使MIG检测器能够根据检测环境动态优化几何测度，突破了传统固定度量测度的局限；第二，通过拉格朗日对偶性将非凸约束优化问题转化为无约束优化问题，并给出了等价性的理论证明，这为后续算法设计提供了依据；第三，提出了两阶段优化策略和数据增强方法，既提高了收敛速度，又显著降低了对训练数据量的需求；第四，通过理论分析证明了所提检测器在低信杂比条件下的渐近最优性，并在多个实测场景中验证了其性能优势。这些方面共同构成了该研究在理论创新和实际应用中的重要贡献。