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.     

双基STAP雷达杂波非平稳特性消除的新方法

在单基侧视机载或星载雷达系统中,空时自适应处理是一种成熟可行的慢速移动目标检测方法。在双基雷达系统中,由于杂波的非平稳特性,空时自适应处理无法获得理想的性能。为了揭示双基雷达杂波的非平稳特性,文中推导出了方位-多普勒曲线,研究了一种基于AD曲线配准的杂波非平稳特性的消除方法,给出了此种方法的处理步骤和性能分析。通过仿真发现,该方法处理算法不太复杂且性能优良。     

Joint space-time interpolation for distorted linear and bistatic array geometries

This paper presents a new joint space-time interpolation technique (STINT) to improve the small sample support performance of space-time adaptive processing (STAP) with distorted linear monostatic arrays and linear bistatic array configurations. Brennan's rule for the space-time clutter covariance matrix rank is extended to monostatic linear arrays with arbitrary intersensor spacing, distorted linear arrays and bistatic geometries. It is shown that both distortion in the array geometry and bistatic operation increase the clutter rank and cause the space-time clutter covariance matrix to become range dependent. This results in lower output signal-to-interference-plus-noise ratio (SINR) for the same number of adaptive degrees of freedom and reduced available sample support. This motivates the development of the STINT technique aimed at compensating for the clutter rank inflation, while also making the clutter statistics appear more stationary across range. More specifically, a linear transformation is designed that maps the received clutter across space and time to that which would be received by a "virtual" monostatic side-looking ULA. By mapping the data to form a reduced rank clutter covariance matrix, fewer snapshots are needed for a statistically stable matrix inversion as required in STAP, thereby improving the short observation time performance. Simulation results for a typical airborne radar scenario indicate up to 10-dB SINR improvement can be obtained using STINT with limited sample support.     

地基相控阵雷达STAP应用研究

针对现代地基雷达传统方法抑制杂波不彻底的情况,根据空时二维信号处理技术（STAP）的特点和发展趋势,提出了将空时二维信号处理技术应用于地基二维相控阵雷达中的设想。根据地基雷达运动杂波的特点,在考虑误差情况下,对运动杂波二维耦合谱进行分析和仿真;初步构想了应用STAP的地基雷达无源干扰抑制结构,并对全空时自适应处理器抑制运动杂波进行仿真分析。结果表明,空时二维信号处理抑制运动杂波可以取得很好效果。     

机载雷达的预滤波直接数据域算法

空时自适应处理(STAP)作为一种地杂波环境下机载雷达自适应检测小目标的方法已得到广泛研究,干扰非一致性是当前的一个重要方面。由杂波脊外的强干扰(或目标)引起的分立非一致性是市区和尖峰状杂波环境下STAP性能下降的主要原因。利用级联算法得到的自适应权可用于STAP干扰的分立非一致性问题。该方法由一个直接数据域算法和一个统计自适应算法级联构成。该文提出一种带杂波衰减预滤波器的直接数据域算法来增强算法对分立非一致干扰的抑制,从而提高了STAP对付分立非一致干扰的性能。     

机载雷达杂波抑制的预条件多级维纳滤波器算法

在机载雷达抑制地杂波的应用中,降阶空时自适应处理是目前研究的重点,而在各种降阶算法中以Goldstein和Reed等人提出的多级维纳滤波器(MWF)算法最具代表性。本文首先将MWF算法由广义旁瓣对消结构推广到直接处理结构,在此基础之上引入预条件处理以改善杂波和噪声协方差矩阵的条件数,提出了预条件多级维纳滤波器(PMWF)算法,并给出了算法的预条件共轭梯度法实现。利用杂波和噪声协方差矩阵的分块Toeplitz结构,可使PMWF算法的计算量降低为O(NKlog_2NK)。仿真实验表明,PMWF算法与经典的MWF算法相比,当处理阶数相同时,其信杂噪比改善有明显的提高,且以主杂波附近的改善尤为显著。     

基于卷积神经网络的天基预警雷达杂波抑制方法

利用天基预警雷达实现动目标指示具有重要的军事应用价值。对于天基预警雷达,其平台高速运动及受地球自转影响导致杂波复杂非平稳性,更大的波束照射区域带来更严重的杂波非均匀性,从而导致适用于机载预警雷达的传统空时自适应处理(STAP)方法无法直接应用。针对上述问题,该文分析了天基预警雷达杂波分布特性,并构建了基于卷积神经网络(CNN)超分辨谱估计的STAP处理框架。首先,利用雷达系统和卫星轨道参数,仿真随机生成不同纬度、距离门、阵元误差、杂波起伏和地貌散射系数的回波数据集;然后,设计并调优了含5个权重层的二维CNN,实现由小样本所估低分辨杂波谱到高分辨谱的非线性映射;最后,基于高分辨空时谱构造空时滤波器实现杂波抑制和目标检测。仿真实验验证所提方法在小样本条件下可实现次最优杂波抑制性能,同时所需在线运算量远低于现有稀疏超分辨类方法,因此适用于天基预警雷达实际应用。      

Space-time adaptive processing for manoeuvring airborne radar

Space-time adaptive processing (STAP) techniques provide simultaneous rejection of jamming and clutter in airborne radar. The greatest benefits over conventional MTI (moving target indication) approaches are in terms of a capability to detect slow-moving targets which possess the same Doppler frequency as mainlobe clutter returns. This paper examines the effects of platform manoeuvre on STAP clutter and jamming rejection performance for a forward-facing array (i.e. where the array is orientated transversally to the direction of travel). It is shown that STAP slow-target detection performance is not sensitive to the radar platform orientation. It is also demonstrated that, under conditions of manoeuvre, STAP can provide better jammer rejection performance than architectures which cascade conventional clutter filtering and spatial adaptive beamforming     

双基地机载预警雷达空时自适应处理方法

本文在文献[1] 所建杂波模型的基础上,进一步研究空时自适应处理对双基地机载预警雷达杂波的抑制问题.深入分析了双基地机载预警雷达杂波距离多普勒特性,进而提出了一种基于距离多普勒补偿的空时二维自适应处理方法.理论分析与计算机仿真表明,该算法能有效实现工作于低重频时双基地机载预警雷达杂波抑制.     

机载相控阵雷达波束多普勒域部分自适应处理方法研究

本文研究了机载相控阵雷达波束-多普勒域部分自适应处理系统的几种降维处理方法,主要包括辅助通道法(ACR)、局域联合处理方法(JDL)和空时相邻多波束法(STMB),并从改善因子性能、自适应权、空时二维频响方面,讨论了几种可能有效的波束位置选择方案的合理性.理论分析与计算机仿真表明,空时相邻多波束法具有较低的系统自由度、优良的性能和很强的误差鲁棒性,是机载雷达非均匀杂波环境下一种可取的波束选取方案.     

知识辅助机载雷达杂波抑制方法研究进展

现有研究表明,有效利用先验知识可以较好地解决机载雷达自适应信号处理中的非均匀杂波问题.分析了当前知识辅助机载雷达杂波抑制方法研究的基本情况,从外信息源数据与雷达观测数据的关联、智能样本选取与滤波器选择两个方面分析了间接利用先验知识方法的研究进展,从先验协方差估计、预白化类空时自适应处理(STAP)算法以及贝叶斯滤波STAP算法三个方面分析了直接利用先验知识的方法的研究进展,分析了基于先验知识的CFAR处理方法以及高逼真度杂波建模与仿真的研究进展.建立在对现有研究分析的基础上,从对更多信息源的使用和更有效融合先验知识的STAP方法两个方面提出了一些值得进一步深入研究的问题.     

机载非正侧视阵知识辅助STAP方法

机载非正侧视阵的近程杂波具有严重的距离依赖性,在距离模糊条件下,现有的空时自适应处理(Space-Time Adap-tive Processing,STAP)算法难以对其进行有效抑制,为此提出了知识辅助的STAP处理方法。通过使用新的样本选择策略,以及改进的针对近程杂波的知识辅助协方差矩阵模型,该方法在处理非正侧视阵近程杂波时的性能接近最优,远高于一般的基于样本估计协方差矩阵的方法,并克服了缺少训练样本的问题。仿真结果证明了该方法的有效性。     

机载雷达三维空时自适应信号处理

空时二维自适应信号处理（STAP）技术已成为雷达领域的研究热点之一,是新一代高性能机载雷达的一项关键技术。然而目前的研究仅限于方位向-多普勒域的自适应处理,没有考虑俯仰向的信息,而在实际中杂波过程是与俯仰角有关的。因此,文中介绍了将2D-STAP扩展到3D-STAP的方法,即增加俯仰向的自适应处理,充分利用了俯仰向信息对杂波谱的影响。通过仿真试验证明,与二维自适应处理相比三维自适应处理具有更好的杂波抑制能力,并且可以明显地提高目标的检测性能。     

Improved Multistage Wiener Filters in Nonhomogeneous Clutter Environments

A new method combining space-time preprocessing with multistage Wiener filters（STPMWF）is proposed to improve the performance of space-time adaptive processing（STAP）in nonhomogeneous clutter scenario.The new scheme only requires the data from the primary range bin,thus it can suppress discrete interferers efficiently,without calculating the inverse of covariance matrix.Comparing to the original MWF approach,the proposed scheme can be regarded as practical solutions for robust and effective STAP of nonhomogeneous radar data.The theoretical analysis shows that our STPMWF is simple in implementation and fast in convergence.The numeric results by using simulated data exhibit a good agreement with the proposed theory.     

一种稳健的共形阵机载雷达杂波抑制方法

针对共形阵机载雷达的杂波抑制问题,提出了一种稳健的空时自适应处理(STAP)方法.该方法首先将待检测距离单元中所含的目标信息剔除,然后利用自回归(AR)模型来描述该单元杂波特性,最后通过求取AR模型系数得到待检测距离单元中杂波正交子空间来对消杂波.该方法不受雷达工作模式影响,适用于任意形状的阵列天线,且不存在干扰目标问...     

双基地机载预警雷达空时二维杂波建模及杂波特性分析

本文建立了双基地机载预警雷达空时二维杂波模型,其中考虑了双基地雷达的几何配置、雷达的系统参数、各种误差及距离模糊等实际因素对杂波谱的影响.基于该模型分析了杂波特性,并计算了杂波的空时二维似然谱,结果表明所建杂波模型是合理的.该模型是研究双基地机载预警雷达杂波抑制与空时自适应处理技术的基础.     

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.     

基于环境动态感知的空时自适应处理

在非均匀环境中,缺乏独立同分布的训练样本会使空时自适应处理(Space-Time Adaptive Processing, STAP)算法性能严重下降。针对这个问题,该文提出一种基于环境动态感知的空时自适应处理方法。该方法首先通过发射一组正交信号感知观测场景获取杂波信息;然后利用杂波信息结合平台参数及系统参数预测未来一段时间内杂波的协方差矩阵;最后将预测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。仿真结果表明,与传统的知识辅助类STAP算法相比,该方法在缺乏准确先验知识的情况下依然可以有效地抑制非均匀环境中的杂波。     

Fast reduced-rank STAP algorithm based on Gram–Schmidt orthogonalisation for airborne radar

In the reduced-rank space-time adaptive processing (STAP) methods, especially the principal component (PC) analysis STAP method, a set of dominant eigenvectors must be obtained by singular value decomposition of the space-time covariance matrix. Therefore, it is very difficult to be applied in practical system due to the intense computational complexity. In order to reduce the computational burden, a fast reduced-rank STAP algorithm based on Gram–Schmidt (GS) orthogonalisation is proposed in this article. In the proposed GS-PC STAP method, the clutter subspace is reconstructed by the GS orthogonalisation of training samples. Then, the STAP adaptive weight vector is calculated by orthogonally projecting the quiescent weight vector into clutter subspace, which can hold fast convergence measure of effectiveness (MOE) and require less computational complexity by compared with the conventional PC method. Based on the simulated data and multichannel airborne radar measurements data, the corresponding convergence MOE and the clutter suppression performances are verified in the article.     

一种非均匀环境下的MIMO雷达STAP算法

用来处理机载天线阵列所获数据的自适应技术被称作空时自适应处理技术。为了准确估计出检测距离单元杂波干扰的统计特性,传统的STAP算法要求训练样本和待检测样本中的杂波干扰应该是独立同分布（IID）的。但对于MIMO雷达体制和在雷达实际工作的非均匀杂波环境下很难做到这一点。本文将适用于均匀杂波环境的子空间算法推广到了非均匀环境下,仿真结果表明推广后的子空间算法在非均匀杂波环境下有着优秀的性能。