一种功率修正的多频空时数据自适应处理方法

针对空时自适应处理(STAP)中样本不足导致动目标检测性能下降的问题,该文提出在多频多通道系统下综合利用空-时-频数据的自适应处理方法。该方法在分析不同频率杂波特性差异的基础上,采用杂波协方差矩阵重构以达到自适应修正不同频率下杂波功率的目的,最后通过融合不同频率数据的空时采样协方差矩阵获得高精度的杂波子空间估计效果。仿真结果显示,在样本数较少的情况下,该方法具有良好的动目标检测效果。     

机载雷达极化空时联合域杂波抑制性能分析

针对当前机载雷达面临强杂波抑制和微弱目标检测等难点问题,提出了一种极化空时联合处理新方法.该方法充分利用了目标与杂波在极化域、空域和时域(Doppler域)的特征差异,提高了抑制杂波、增强目标的能力.本文首先建立了机载极化阵列雷达接收信号模型和滤波算法模型.其次,利用分辨格思想及特征值、特征向量和功率谱的关系,构建了完全极化情况下杂波协方差矩阵新的等价关系.在此基础上,详细推导了新方法的杂波抑制性能,得到了输出信干噪比(SINR)与空间匹配系数,Doppler匹配系数,极化匹配系数,杂波脊斜率,信噪比(SNR),杂噪比(CNR)等的定量解析表达式.并与空时自适应处理(STAP)进行比较,从理论上分析得到了极化空时处理性能优于空时处理.特别在检测慢速运动目标时,新方法具有较强的稳健性.最后,仿真算例验证了模型的正确性.     

机载预警雷达KA-STAP杂波抑制方法研究

提出了一种机载预警雷达杂波抑制方法。该方法针对非均匀环境空时样本不足导致空时二维自适应信号处理（STAP）性能受限的问题,采用同一平台获取的相同频段、分布近似的历史数据,参与构建了空时二维自适应信号处理（STAP）的协方差矩阵,开展杂波抑制效果评估。基于实际数据的杂波抑制结果表明,可以有效提高杂波背景下目标信杂噪比,在强杂波区的杂波抑制得益明显,在弱杂波区杂波抑制性能不恶化。最后,针对该方法的工程应用提出了系统设计考虑,为机载预警雷达反杂波提供了新的思路。     

基于多帧观测联合感知的空时自适应处理

在机载雷达体制中,空时自适应处理STAP(Space-Time Adaptive Processing)可有效抑制杂波并显著提高雷达对慢动目标的检测性能.但是在非均匀环境中,缺乏独立同分布的训练样本会使STAP性能严重下降.针对这个问题,本文提出一种基于多帧观测联合感知的空时自适应处理方法.该方法交替发射正交信号和普通的相控阵信号.检测前,通过当前及先前的环境回波感知观测场景获取杂波信息;检测时,先利用杂波信息结合平台参数及系统参数估计杂波协方差矩阵,再将估计的协方差矩阵与样本协方差矩阵进行组合以构造空时滤波器,抑制杂波,提高输出信杂比.仿真结果表明,与现有的知识辅助类STAP算法和降维算法相比,该方法在缺乏准确先验知识的情况下,可以有效地抑制非均匀杂波.     

基于CUT自身先验知识的STAP

在空时自适应处理（STAP）中,通常使用训练样本来估计杂波协方差矩阵（CCM）。在本文中训练样本仅用来估计部分杂波协方差矩阵,大部分杂波协方差矩阵由待检测单元（CUT）计算。注意到CUT具有先验知识：只有待检测的频率通道可能包含目标信号,而其他频率通道只有杂波。因此,提出了一种基于CUT先验知识的STAP方法。这种方法将待检测单元的杂波分为两部分来重建：第一部分是待检测频率通道的杂波成分,该部分可能混有目标信号,因此通过训练样本来估计;第二部分是其他频率通道中的杂波,这部分可直接从CUT中提取,不需要估计。     

基于杂波谱稀疏恢复的空时自适应处理

在机载雷达体制中,空时自适应处理(STAP)可有效抑制杂波并完成动目标检测.但在实际杂波环境中,由于缺乏独立同分布的训练样本,传统STAP算法性能下降严重.针对这一问题,我们利用STAP体制下杂波在角度-多普勒域上的稀疏性,提出基于稀疏恢复的SR-STAP方法,可在少量训练样本下实现高分辨空时杂波谱及相应杂波协方差矩阵...     

通道失配对空时自适应处理性能的影响分析

通道失配严重影响着空时自适应处理(STAP)的性能,定量地分析通道失配对STAP性能的影响对于STAP算法的工程应用具有重要意义。文中根据通道失配是否依赖于到达角、信号带宽是否为窄带等方面,从理论上推导了存在通道失配时的杂波协方差矩阵,并仿真分析了通道失配对STAP性能的影响,为STAP算法理论建模、STAP系统设计提供理论依据。     

稳健的基于参数化协方差矩阵估计的空时自适应处理方法

参数化协方差矩阵估计（Parametric Covariance Matrix Estimation,PCE）方法利用雷达系统参数估计杂波协方差矩阵（Clutter Covariance Matrix,CCM）,显著提升非均匀环境下空时自适应处理（Space-Time Adaptive Processing,STAP）的性能;但是在系统参数和杂波分布存在误差情况下,性能下降严重.本文提出一种稳健的基于PCE方法的STAP杂波抑制方法.首先利用稀疏恢复方法与Radon变换估计杂波分布,然后提出一种归一化广义内积统计量修正杂波的分布,最后利用PCE方法估计CCM并进行STAP杂波抑制.通过分析舰载高频地波雷达仿真和实测数据处理结果表明：所提方法的稳健性大幅提升,相比稀疏恢复STAP方法和前后向空时平滑STAP方法滤波器凹口更加准确且更深,在有效抑制杂波的同时更利于慢速目标的检测.     

直接数据域的自适应匹配滤波方法

 研究机载预警雷达非平稳杂波抑制问题. 在获得单个距离门回波数据的最小均方谱分布基础上,利用最小二乘方法和clearing技术拟合杂波谱分布特性并重构无空时孔径损失的杂波子空间,采用自适应匹配滤波方法检测运动目标. 能有效解决传统直接数据域方法存在的空时孔径损失和传统统计空时自适应处理（STAP）方法在非平稳杂波环境存在的性能严重下降,仿真结果表明本文方法能获得良好的动目标检测性能.     

基于稀疏重构的机载雷达KA-STAP杂波抑制算法

机载雷达非均匀杂波环境下的空时自适应处理（STAP）算法会因杂波协方差矩阵估计不准导致其杂波抑制性能下降。传统知识辅助 STAP (KA-STAP)算法性能依赖于先验知识的准确程度以及配准精度,先验信息的失配可能会导致算法性能恶化。本文提出一种基于稀疏恢复技术构造杂波加噪声协方差矩阵的KA-STAP算法。该算法不依赖于先验信息,首先利用稀疏贝叶斯学习技术通过少量回波样本估计出稳健的辅助协方差矩阵,然后结合采样协方差矩阵进行空时处理。在小样本非均匀杂波场景下,该算法的输出性能优于传统KA-STAP算法。仿真结果表明了本文方法的有效性。