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。     

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。     

一种基于拟合优度检验的恒虚警检测方法

针对传统的基于滑窗自适应门限恒虚警检测方法在非高斯环境下和多目标干扰环境下,性能下降的问题,提出了一种基于拟合优度检验的恒虚警检测方案,该方法利用了目标回波与背景杂波统计特性的差异,通过检验待检单元的回波样本是否服从背景分布来检测目标:如果待检单元样本服从背景分布,则有理由相信待检单元回波源于背景杂波,从而判断没有目标存在;否则,将判断有目标存在.和传统的基于自适应门限的检测方法相比,该方法受背景分布特性和干扰目标的影响很小.仿真实验表明,在尖锐的非高斯杂波环境下以及多目标干扰环境下,都能保持更优的检测性能.     

机载双通道雷达空时自适应处理中的样本去污

提出一种在不损失训练样本数目的情况下,滤除样本中污染点(即强反射动目标或杂波孤立点)信息的方法,从而改善杂波协方差矩阵的估计效果,并进一步提高空时自适应处理对弱反射动目标的检测能力.通过理论分析和对机载双通道雷达实测数据的处理,验证了该方法的正确性和有效性.     

任意线阵的直接数据域空时自适应处理方法

研究机载预警雷达在前视任意线阵构形下的地杂波和干扰抑制问题.在采用迭代法获得单个距离门回波数据的空时二维谱基础上,结合图像特征分析提取杂波和干扰分布特性曲线,通过将待检测单元数据向重构的杂波和干扰子空间正交投影检测动目标.能避免直接数据域方法存在的空时孔径损失和克服传统统计空时自适应处理(STAP)方法在非平稳环境性能...     

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。     

基于自适应局域变换的离散干扰抑制算法

在非均匀杂波环境中,针对待检测距离单元的离散干扰严重影响统计空时自适应处理(STAP)杂波抑制性能的问题,提出了基于自适应局域变换的离散干扰抑制算法。该方法利用自适应局域变换矩阵具有局域变换和自适应滤波的双重特性,在较低计算复杂度条件下有效消除离散干扰对统计STAP方法的影响。仿真数据和MCARM实测数据分析表明,该方法能有效抑制待检测距离单元中的离散干扰和均匀杂波,显著改善STAP在非均匀杂波中的性能。     

非均匀杂波环境3D-STAP方法研究

 传统二维空时自适应处理(2D-STAP)利用与待检测单元相邻单元的独立同分布杂波样本估计待检测单元的杂波特性.而许多实际应用情况中(如前向阵),杂波谱分布随距离(俯仰角)变化而变化,杂波统计特性与距离(俯仰角)相关,呈现非均匀性,2D-STAP方法性能严重下降.本文首先对非正侧面阵配置所产生的与俯仰角相关的杂波分布规律进行了分析,然后对3D-STAP方法能有效解决与俯仰角相关的杂波非均匀问题的本质机理进行了研究,最后通过仿真实验从杂波抑制性能和运算量两个方面,论证了非均匀杂波环境下3D-STAP方法的综合性能.     

对机载雷达STAP的调频转发干扰研究

针对空时自适应处理（STAP）过程中,训练样本内包含干扰目标时,自适应处理器会在该干扰目标所在方位?多普勒频率处产生零点这一特性,提出一种调频转发干扰方法。该方法通过对干扰机接收信号加以频率调制,在目标周围生成多个距离分布可控的假目标,破坏训练样本独立同分布条件,导致从训练样本中估计得到的样本协方差矩阵与真实的协方差矩阵偏差加大,从而影响自适应处理器检测目标结果。仿真结果表明,该方法产生的假目标既可有效降低空时自适应处理系统的目标检测性能,也可构成对空时自适应系统的欺骗干扰。     

一种稳健的机载面阵雷达非均匀杂波抑制方法

在非均匀杂波和密集目标环境下,由于没有足够的独立同分布(IID)训练样本,传统空时自适应处理(STAP)方法的杂波抑制性能严重下降。针对以上问题,该文提出一种对阵元误差稳健的机载面阵雷达非均匀杂波抑制方法。该方法首先根据雷达系统参数先验知识构造杂波表示基矩阵。然后在考虑阵元误差的情况下,基于最小二乘准则迭代地估计杂波表示系数和阵元误差,最后利用估计得到的最优杂波表示系数和阵元误差直接在阵元脉冲域进行杂波对消。该方法无须估计待检测单元统计特性;没有孔径损失;不需要训练样本;即使在距离模糊情况下也能有效地抑制密集目标环境下机载面阵雷达回波数据中的非均匀杂波。仿真结果验证了该文方法的有效性。     

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.     

多极化数据空时协方差矩阵融合方法

空时自适应处理(STAP)方法具有良好的地面动目标检测性能,然而在非均匀场景下,STAP常由于训练样本数不足而存在性能损失。建立了极化空时三维信号模型,指出不同极化通道间杂波功率存在差异而空时二维结构在理论上一致,并在此基础上提出最大似然参数估计的多极化杂波协方差矩阵融合方法以改善样本数不足导致的协方差矩阵估计精度较差问题;对杂噪比较大且各极化通道间的空时协方差矩阵结构误差较小的特殊情况,通过对杂波协方差矩阵以及信杂噪比损失的分析指出平均融合即具有良好的检测效果。仿真结果验证了所提方法的有效性。     

机载雷达空时自适应检测方法研究进展

与空时自适应处理(STAP)相比,机载雷达空时自适应检测(STAD)方法利用待检测单元及训练样本的数据形成合理的检测统计量,直接判定目标的有无,而不用先进行杂波抑制,然后再检测。STAD 方法具有处理流程简洁、设计灵活等特点,而且其相应的检测统计量通常具有恒虚警率(CFAR)特性,因而不需要进行专门的CFAR处理。更为重要的是,STAD 往往比杂波抑制后检测的传统方法具有更好的检测性能。该文首先对STAD 的技术要点进行简要地概括,然后对现有的STAD 方法进行分类介绍,最后对STAD 的下一步研究进行展望。      

极化-空域联合抗机载雷达欺骗式主瓣干扰

机载雷达欺骗式主瓣干扰不仅会引起大量虚警,还会污染空时自适应处理(STAP)器的训练样本,引起自适应方向图畸变,导致期望信号相消和杂波抑制性能下降。针对此问题,利用目标信号与干扰信号极化特性的差异,该文提出一种极化-空域联合自适应波束形成的方法来抑制欺骗式主瓣干扰。该方法首先在多普勒清晰区挑选干扰样本,并采用特征融合技术估计干扰协方差矩阵,然后采用重叠滑窗的子阵合成方式进行极化-空域联合自适应波束形成,在抑制主瓣干扰的同时为后续杂波抑制保留了空域自由度,最后通过STAP抑制剩余的杂波。该算法可以有效滤除密集欺骗式干扰,减少由其引起的虚警,改善机载STAP雷达的杂波抑制性能。仿真结果验证了该方法的有效性。     

一种利用双先验知识的稳健STAP算法

空时自适应信号处理（Space-Time Adaptive Processing, STAP）技术在空域和时域上联合地自适应抑制杂波,以实现对动目标检测。稀疏恢复空时自适应处理方法（Sparse Recovery STAP, SR-STAP）由于利用了杂波谱的稀疏性先验知识,可以缓解在机载雷达在非均匀环境下训练数据不足时,杂波抑制效果性能显著下降的问题。尽管SR-STAP只需要少量样本即可恢复出杂波谱并重构杂波协方差矩阵（Clutter Covariance Matrix, CCM）,其重构性能仍然受到训练样本数量的制约,当增加训练样本数量时,杂波谱恢复精度具有进一步提升的潜力。另一方面,当机载雷达的接收阵列为等间隔均匀线阵并且系统在一个相干处理间隔中脉冲重复频率恒定时,CCM可具有斜对称特性。该先验知识若被充分利用,可以将等效训练样本数量扩展为原来的两倍。本文将CCM的斜对称特性结合入SR-STAP的框架中,提出了一种稳健的SR-STAP算法,该算法同时利用CCM的斜对称特性和杂波谱稀疏性两种先验知识,能够在相同训练样本量下进一步提升杂波谱的恢复精度和CCM的估计精度。算法首先利用斜对称变换矩阵对从待检测单元中的数据和训练样本进行预处理,将等效训练样本数量扩展至原来的两倍;随后结合预处理后训练样本和一种协方差稀疏迭代算法,实现对CCM的准确重构并设计相应STAP滤波器。算法无需设置超参数,实际应用中易于操作。仿真结果表明,新算法能够有效提升杂波谱恢复的准确度,具有较好的杂波抑制性能。      

基于相似性度量的非正侧阵杂波谱补偿方法

在非正侧阵雷达中的杂波谱随距离发生变化,造成杂波统计特性估计不准确,空时二维自适应处理中滤波器的杂波凹口变宽.为了克服这个难题,根据杂波模型提出了一种基于相似性度量的谱补偿方法.该方法首先将待检单元的导向矢量与相邻单元的导向矢量进行内积,作为谱结构相似性的度量,然后依此度量值,对接收数据的杂波协方差矩阵进行加权处理,最后用传统的空时自适应算法进行杂波抑制.仿真证明了该方法可以有效地消除杂波谱的非平稳性,提高雷达抑制杂波的性能.     

非均匀环境下利用杂波脊信息的杂波滤除方法研究

该文针对空时自适应检测训练样本中含有干扰目标会导致目标检测性能下降的问题,提出一种利用杂波脊先验信息滤除杂波的方法,使目标检测不受训练样本中干扰目标的影响,并且提高了小样本情况下的检测性能。利用机载雷达地杂波在角度多普勒空间的分布特点,结合杂波2维高斯功率谱密度模型,构造杂波协方差矩阵用于滤除对目标有遮蔽影响区域内的杂波。模型参数的设定充分结合了环境先验信息,使参数设定快速准确。通过仿真数据和MCARM实测数据的仿真实验,结果表明在训练样本被干扰目标污染和小样本情况下,利用杂波脊信息的杂波滤除方法均能有效滤除杂波,检测性能高于传统的自适应检测方法。     

非高斯杂波下基于子空间的距离扩展目标检测器

在辅助数据缺失的非高斯杂波背景下,采用两步法设计策略研究了距离扩展目标检测方法.首先,在杂波纹理分量已知的条件下,对待检测数据进行高斯化,利用高斯背景下杂波协方差矩阵和目标散射点幅度的合适估计,建立检验统计量.其次,利用待检测数据在信号子空间正交补上的正交投影,估计杂波纹理分量,提出了基于子空间的距离扩展目标自适应检测器,并证明了其对杂波纹理分量的恒虚警率（CFAR,Constant False Alarm Rate）特性.仿真结果表明,在典型非高斯背景下,所提检测器的CFAR特性和检测性能均优于对比检测器;另外,阵元数、目标距离单元数或杂波尖峰的增加,能不同程度改善检测性能.     

一种机载前视阵雷达近程杂波谱补偿方法

机载前视阵雷达近程杂波谱在方位-多普勒域随距离变化剧烈,功率谱不重合并严重展宽,直接进行空时自适应处理（STAP）不能在待检测单元形成窄而深的凹口,致使地面动目标检测（GMTI）性能下降。文中提出一种导向矢量矩阵最小二乘拟合方法,该方法利用训练单元和近程待检测单元导向矢量拟合矩阵对杂波数据进行变换,使训练单元的杂波子空间逼近于待检测距离单元,从而实现了机载前视阵雷达近程杂波谱重合。仿真实验表明该方法能够对近程杂波非均匀性进行有效补偿,减轻杂波谱随距离变化对空时自适应处理性能的影响。     

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.