相控阵AEW雷达杂波抑制的非均匀处理方法研究

非均匀环境对空时自适应处理(STAP)是一个挑战.采用一种先直接数据域(DDD)STAP后统计STAP处理的非均匀杂波干扰抑制级联算法,这种级联算法能有效补偿由DDD算法的空时孔径损失而引起的性能损失.此外,还提出了一种新的信号滤除方法,它可以用于实际AEW雷达系统的信号滤除.计算机仿真数据和某实测数据的处理结果验证了此方法的有效性.     

一种新的相控阵机载预警雷达孤立干扰抑制方法

在非均匀(Non-homogeneous)杂波环境中,孤立干扰若得不到有效抑制必将引起目标检测性能严重变差。对此该文提出了一种新的非均匀环境下两级空时自适应处理的级联算法,即首先根据均匀杂波的分布特性选取辅助波束用辅助通道法滤除均匀杂波,然后用直接数据域算法抑制孤立干扰。该方法具有性能优良、鲁棒性好和计算量低等优点,其有效性为计算机仿真实验结果所验证。     

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。     

基于自适应分区的非平稳杂波抑制方法

对于非正侧视阵机载雷达,杂波在近程表现出严重的非平稳性,在距离模糊情况下近程微弱目标和近程非平稳强杂波混叠,导致传统空时自适应处理(Space-Time Adaptive Processing, STAP)方法的运动目标检测性能严重下降。为了解决该问题,本文提出了一种基于自适应分区和正交投影的机载雷达非平稳杂波抑制方法。首先,基于回波数据在距离-多普勒域将机载雷达回波自适应划分为非平稳杂波区、平稳杂波区和清晰区,然后在非平稳杂波区采取俯仰维正交投影级联STAP处理,在平稳杂波区采取传统STAP处理,在清晰区采取传统PD处理。该方法能够显著提升机载雷达在全距离和全速度域的目标探测性能。仿真实验验证了所提方法的有效性。     

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...     

非均匀杂波背景下STAP降维算法研究

机载雷达对地观测时，面临由于平台运动引起杂波谱展宽，平台偏航引入垂直基线使杂波谱对高程敏感，导致方位与距离模糊。复杂地物场景局部杂波散射强度变化以及大量目标干扰等非理想因素，致使杂波分布非均匀，严重制约了杂波抑制性能与动目标检测性能。针对上述问题，本文所采用的空时自适应处理(STAP)降维算法可以有效解决慢速运动目标低检出问题，提高非均匀杂波背景下杂波的抑制能力，增强运动目标的检测性能。其特点在于：利用多维域数据实现在线地物区域划分，增大有效样本容量，样本充足条件下直接估计杂波加噪声协方差矩阵实现杂波抑制。针对孤立离散杂波、干扰，结合杂波谱重构解决单样本下的地形杂波抑制与干扰对消，通过实测数据分析证明了本文所提算法的有效性。     

基于俯仰维信息的机载雷达非均匀杂波抑制方法

 针对机载雷达天线非正侧放置导致的非均匀杂波抑制问题,从利用阵面俯仰维信息的角度出发给出了一类解决方法.本文首先分析了机载雷达阵面非正侧放置情况下待检测距离单元的杂波构成,得到由俯仰副瓣引入的近程杂波是导致杂波非均匀的关键因素这一结论;然后给出了利用俯仰自适应波束形成级联两维空时自适应处理(2D STAP)方法来抑制非均匀杂波,同时从本质上阐述了俯仰-方位-多普勒3D STAP方法在非均匀杂波环境下具有良好杂波抑制性能的内在机理.最后通过仿真验证表明,利用俯仰维信息类STAP方法在非正侧阵导致的非均匀杂波环境下具有良好的杂波抑制性能.     

稳健的局域STAP处理器

针对现有局域空时自适应(STAP)处理器的不足,提出了一种对杂波复杂度和干扰环境变化更加稳健的局域STAP处理器—FDSP (Flexible DOF STAP Processor).该处理器根据外部干扰环境的变化情况,依据准则自适应地调整系统自由度.它不仅降低了非主杂波区杂波抑制的计算量,并且可以有效抑制有源干扰.给出了该处理器的实现方法和权值递推求解的快速算法.利用实测数据证明了该处理器的有效性.     

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。     

相控阵AEW雷达动目标检测的最大似然方法

非均匀环境对空时自适应处理(STAP)是一个挑战.对此,该文提出了一种基于最大似然估计的相控阵AEW雷达动目标检测方法.该方法具有计算量低、主杂波区性能好和孤立干扰抑制能力强等优点.其有效性得到计算机仿真数据和某实测数据的处理结果所证实.     

基于联合稀疏功率谱恢复的机载雷达稳健STAP算法研究

机载雷达信号的空时自适应处理（STAP,Space-Time Adaptive Processing）需要利用样本数据来估计杂波协方差矩阵.非均匀杂波环境中的离群点会使协方差矩阵的估计出现偏差,从而导致信号相消现象.针对此问题,本文提出一种基于联合稀疏功率谱恢复的STAP算法（JSR-STAP）处理非均匀杂波,以克服离群点对正侧视模式机载雷达的STAP性能的影响.JSR-STAP算法在高分辨稀疏恢复的条件下,利用多快拍间杂波和离群点的分布规律和相关性不同,通过范数选择合适的稀疏恢复系数来实现离群点的抑制.Monte Carlo实验证明JSR-STAP算法的稳健性和动目标检测性能均优于传统的STAP算法.     

机载MIMO雷达杂波特征结构的空时自回归算法

非均匀环境下,机载MIMO雷达杂波不再满足独立同分布(independent identically distributed, IID)条件,由于没有足够多的IID样本来估计杂波协方差矩阵,从而导致传统的STAP方法性能急剧下降。本文研究了非均匀环境下机载MIMO雷达的杂波抑制问题,将空时自回归算法(Space time autoaggressive , STAR)引入机载MIMO雷达,降低训练样本数目,减小运算量。针对STAR算法中参数确定复杂、易受训练样本数目不足影响的缺点,提出了一种基于杂波特征结构的模型参数确定方法,仿真结果表明,该方法能在极小训练样本条件下,有效确定模型参数,实现杂波抑制,适用于非均匀杂波环境。      

机载MIMO雷达空时自适应处理技术研究进展

MIMO雷达作为一种新体制雷达,具有诸多优点和广泛的应用领域,引起了国内外军事界和学术界的极大关注。空时自适应处理(STAP)主要目的为抑制地杂波,进行地面动目标显示(GMTI)。如今,这项技术又被进一步推广到MIMO雷达系统中,MIMO雷达STAP迅速成为国际雷达界的一个研究热点。该文详细阐述了MIMO- STAP的引入及重要意义,对杂波建模、杂波自由度(DOF)分析、降维(秩)处理、有源干扰与杂波的同时抑制、非均匀杂波环境处理等方面主要研究情况进行综述,并对未来MIMO-STAP技术的发展方向进行了展望。      

稀疏恢复空时自适应处理技术研究综述

相较于传统空时自适应处理（STAP）技术,稀疏恢复（SR）STAP技术在小样本条件下杂波抑制性能显著提升,因此适用于现实非均匀杂波环境.本文首先阐述了SR STAP基本原理,分析了机载雷达杂波空时稀疏特性;然后总结了SR STAP发展历史与现状,并在此基础上针对其相关科学问题进行了探讨,包括：空时谱估计还是杂波抑制、单观测样本还是多观测样本、白化还是置零、重构算法参数依赖还是不依赖、非平稳杂波下是否适用及干扰条件下是否可行;最后给出了当前SR STAP技术走向实用化过程中所面临的关键问题,即网格失配和空域误差影响,并分别讨论了无网格压缩感知和字典自校正的解决途径.     

线性预测类STAP方法研究

线性预测类STAP方法在很少的样本数下就能达到稳定的性能,特别适合非均匀杂波环境。该文分析了线性预测类STAP方法具有较好非均匀处理性能的原因,并给出了线性预测类STAP方法的定阶公式。仿真结果验证了所得结论的正确性。     

Space-time adaptive processing using circular arrays

A direct data-domain (D³) least-squares space-time adaptive-processing (STAP) approach is presented for adaptively enhancing radar signals in a non-homogeneous environment of jammers, clutter, and thermal noise, utilizing a circular antenna array. The non-homogeneous environment may consist of non-stationary clutter. The D ³ approach is applied directly to the data collected by a circular antenna array (utilizing space), and in time (Doppler) diversity. Conventional STAP generally utilizes statistical methodologies, based on estimating a covariance matrix of the interference, using the data from various range cells of the circular array and assuming that it is a uniform linear array. However, for highly transient and inhomogeneous environments, the conventional statistical methodology may be difficult to apply. Moreover, the error in forming the covariance matrix by assuming that the data collected by the circular array is assumed to be a uniform linear array is highly problem dependent. Hence the D³ method is presented, as it analyzes the data in space and time over each range cell separately. However, it treats the antenna array as circular, i.e., it deals with the antenna structure in its proper form. Limited examples are presented to illustrate the application of this approach     

机载前向阵雷达近程地面目标检测

根据地杂波谱特点,本文提出了一种前向阵近程地面目标检测方法。该方法由频移补偿预处理、二级降维(3DT-SAP级联多级维纳滤波器(MWF))空时自适应滤波、两步广义似然比检验(GLRT)组成。其中,3DT-SAP级联MWF方法不仅本身能以低的计算代价实现杂波的有效抑制,而且能使两步GLRT方法通过极少量的计算完成与GLRT方法性能相同的恒虚警检测,降低了计算总量。仿真表明,此系统方法能够有效检测出前向阵近程地面目标。     

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。