基于非线性回归的杂波重构STAP方法

空时自适应处理(STAP)相较于传统的脉冲多普勒雷达信号处理,扩展了信号的处理维度,使得杂波和目标在空时联合域得以区分。基于稀疏表示理论和杂波谱的稀疏性,稀疏恢复STAP(SR-STAP)实现了小样本条件下的杂波抑制。针对SR-STAP方法存在未知偏航角时性能下降的问题,提出了一种基于非线性回归的杂波重构STAP方法。首先,基于SR杂波谱,以离群度为收敛目标迭代地剔除脊外散点,并进行坐标加权的非线性回归,实现杂波脊模型参数的精确估计;然后,基于一次筛选的结果,再次通过非线性回归的方法精确估计杂波谱;最后,基于以上的估计结果完成杂波的重构和抑制。仿真结果验证了该杂波重构STAP方法的有效性,且相较于现有STAP方法,取得了更优的空时频率响应和SINR损失,有效提高了杂波抑制和动目标检测的性能。     

基于稀疏恢复的空时二维自适应处理技术研究现状

该文介绍了基于稀疏恢复(Sparse Recovery, SR)的空时2 维自适应处理技术(Space-Time Adaptive Processing, STAP)的研究背景、意义和具体实现方法。首先探讨了将稀疏恢复引入STAP 领域的意义和价值,揭示了在杂波非均匀环境下引入稀疏恢复的潜在优势,分析了稀疏恢复STAP 技术的数学意义。并在此基础上,系统梳理和总结了该研究方向的研究现状和已有成果,介绍了均匀线性阵列条件下稀疏恢复STAP 技术的基本框架、多观测向量问题、格点对不准问题、直接数据域稀疏恢复STAP、共型阵条件下基于稀疏恢复的STAP 方法等具体研究内容。最后,总结了基于稀疏恢复STAP 技术的框架和结构,并以此为基础对后续研究工作的方向和前景进行了探讨。      

基于原子范数的无网格稀疏恢复非正侧视阵空时自适应处理算法

基于杂波谱稀疏恢复的空时自适应处理(STAP)方法可以显著降低对杂波样本数的要求,十分适合缺少样本情况下的机载雷达杂波抑制.然而,现有稀疏恢复STAP方法利用离散化空时导向矢量字典进行重构,在非正侧视阵情况下,由于杂波脊不在字典网格点上,字典失配问题严重影响杂波抑制性能.针对上述问题,该文提出了一种基于原子范数的无网格稀疏恢复空时自适应处理方法(ANM-STAP),利用低秩矩阵恢复理论实现连续空时平面的稀疏恢复,克服了稀疏恢复中的字典失配问题,获得了非正侧视阵情况下的高分辨率杂波空时谱,有效提高了STAP杂波抑制性能.Monte Carlo实验证明,该文方法STAP处理性能在非正侧视阵情况下优于已有字典离散化处理的稀疏恢复STAP方法.     

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。     

基于原子范数的无网格稀疏恢复非正侧视阵空时自适应处理算法

基于杂波谱稀疏恢复的空时自适应处理(STAP)方法可以显著降低对杂波样本数的要求,十分适合缺少样本情况下的机载雷达杂波抑制。然而,现有稀疏恢复STAP方法利用离散化空时导向矢量字典进行重构,在非正侧视阵情况下,由于杂波脊不在字典网格点上,字典失配问题严重影响杂波抑制性能。针对上述问题,该文提出了一种基于原子范数的无网格稀疏恢复空时自适应处理方法(ANM-STAP),利用低秩矩阵恢复理论实现连续空时平面的稀疏恢复,克服了稀疏恢复中的字典失配问题,获得了非正侧视阵情况下的高分辨率杂波空时谱,有效提高了STAP杂波抑制性能。Monte Carlo实验证明,该文方法STAP处理性能在非正侧视阵情况下优于已有字典离散化处理的稀疏恢复STAP方法。     

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.     

基于空时采样矩阵的机载MIMO雷达杂波抑制方法

相对于传统机载相控阵雷达单输入多输出（SIMO）体制，多输入多输出（MIMO）机载雷达中的空时自适应处理（STAP）技术可以获得杂波抑制和动目标检测性能的大幅提升。但是传统机载MIMO雷达空时自适应处理所需要的计算量和样本需求量巨大，无法满足非均匀杂波环境和实时性要求。为了解决这一问题，本文提出了一种机载MIMO雷达空时自适应杂波抑制方法（clutter suppression based on space time sampling matrix, CSBSM）。该方法利用了杂波协方差矩阵的低秩特性，基于空时采样矩阵构造杂波协方差矩阵，并通过空时滑窗处理对杂波功率进行估计，在非均匀杂波环境下CSBSM方法仅需要单个样本即可实现对杂波的有效抑制。同时，由于空时采样矩阵和独立采样点位置可离线计算，因此CSBSM方法的运算量较小，适用于极端非均匀杂波环境。计算机仿真结果验证了所提方法的有效性。     

一种基于联合稀疏恢复的空时自适应处理方法

基于杂波谱稀疏恢复的空时自适应处理(STAP)技术可显著降低对训练样本的需求,因此适用于非均匀杂波环境。然而,现有杂波谱稀疏恢复STAP 方法均是基于单样本恢复或多样本分别独立恢复后联合处理,并没有同时利用多个样本中的信息,而且恢复性能易受噪声影响。针对上述问题,该文提出一种基于杂波子空间的联合稀疏恢复STAP 方法。该方法可充分利用多个训练样本中的杂波信息对杂波谱进行恢复,并在噪声环境下具有稳健的杂波抑制性能。仿真实验结果验证了所提方法的有效性。      

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。      

基于张量结构的快速三维稀疏贝叶斯学习STAP方法

当机载雷达处于非正侧视工作模式时,非平稳杂波会对运动目标检测造成严重干扰。传统三维空时自适应处理(3D-STAP)方法通过构造俯仰-方位-多普勒三维自适应滤波器,可有效抑制非平稳杂波,然而巨大的系统自由度导致其在非均匀杂波环境下训练样本严重不足。虽然稀疏恢复(SR)技术可有效改善样本需求,但庞大的运算开销又使得该技术难以应用于实际。针对上述问题,该文结合机载雷达回3阶张量结构提出一种新的快速三维稀疏贝叶斯学习STAP方法,通过采用运算开销更低的张量处理将大规模矩阵求解拆分为多个小规模矩阵计算,从而大幅降低运算复杂度。详尽的数值实验验证了所提张量基SR-STAP方法可在维持SR-STAP小样本处理性能不变的基础上,将运行时间直接降低数个量级,因此是一种更适用于实际工程的SR-STAP处理方式。      

A clutter-suppression method for airborne bistatic polarization radar based on polarization-space-time adaptive processing

Clutter suppression poses serious problems for airborne, bistatic radar systems. Suppression may be increased using space-time adaptive processing (STAP), but suppression of slow targets is poor and target detectability is compromised. Furthermore, sufficient independent and identically (IID) training samples cannot be obtained through the use of practical applications, and the STAP performance degrades significantly due to the inaccuracy of the estimated clutter-plus-noise covariance matrix, especially in nonstationary and heterogeneous environments. Here, we present a new airborne, bistatic radar system. We transform the array from a single polarized channel to two channels, each with two orthogonally polarized antennae, and combine polarization-dimensional information with that of the space-time domain; we term our algorithm “polarization-space-time adaptive processing”. This algorithm further suppresses clutter and enhances the detection of slow targets. Sparse recovery space-time adaptive processing (SR-STAP) can reduce the need for clutter samples and suppress clutter effectively using limited training samples for airborne radar. The algorithm first uses the clutter sparse recovery function of STAP to suppress clutter in the H and V channels. Then, polarization processing is employed to further restrict mainlobe clutter. We present numerical examples to demonstrate the effectiveness of the new technique.

     

一种基于空时内插的双基地机载雷达杂波抑制方法

杂波非均匀是双基地机载雷达杂波抑制面临的一大难题,直接制约着常规STAP方法的杂波抑制性能。该文提出了一种改进的联合空时内插方法(ImSTINT)。相对于传统的联合空时内插方法,ImSTINT方法映射变换后的子空间杂波自由度更小,因此能够彻底消除非均匀杂波对双基地机载雷达杂波抑制性能的影响。此外,该方法具有更快的收敛速度和更好的主杂波抑制性能。     

改进的非均匀频率采样配准双基杂波抑制方法

机载双基地雷达杂波的距离依赖性降低空时自适应处理(STAP)杂波抑制能力,频率非均匀采样配准(RB-NFS)技术通过数据域信号处理可缓解杂波的距离依赖性.对该技术在机载双基地杂波抑制中面临的问题进行深入分析并给出改进方法,针对频率非均匀采样配准中杂波空时导向矩阵构造复杂,且存在杂波抑制不充分现象,提出引入广义逆矩阵或采...     

Direct data domain STAP using sparse representation of clutter spectrum

In the field of space-time adaptive processing (STAP), direct data domain (D3) methods avoid non-stationary training data and can effectively suppress the clutter within the test cell. However, this benefit comes at the cost of a reduced system degree of freedom (DOF), which results in performance loss. In this paper, by exploiting the intrinsic sparsity of the spectral distribution, a new direct data domain approach using sparse representation (D3SR) is proposed, which seeks to estimate the high-resolution space-time spectrum only with the test cell. The simulation of both side-looking and non-side-looking cases has illustrated the effectiveness of the D3SR spectrum estimation using focal underdetermined system solution (FOCUSS) and L₁ norm minimization. Then the clutter covariance matrix (CCM) and the corresponding adaptive filter can be effectively obtained. D3SR maintains the full system DOF so that it can achieve better performance of output signal-clutter-ratio (SCR) and minimum detectable velocity (MDV) than current D3 methods, e.g., direct data domain least squares (D3LS). Therefore D3SR can deal with the non-stationary clutter scenario more effectively, where both the discrete interference and range-dependent clutter exists.     

基于迭代自适应的字典校正空时自适应处理算法

本文针对稀疏恢复空时自适应处理(Space-Time Adaptive Processing, STAP)由于字典设置不合适引起的离网效应，提出了一种基于迭代自适应(Iterative Adaptive Approach, IAA)的字典校正STAP算法。首先在IAA的每次迭代中，找到原始空时导向字典中每个量化空间频率最大功率对应的原子，围绕选定的原子，将其附近的多普勒频率均匀离散成一个集合，然后通过最大化联合似然函数在局域中搜索最优原子，并将选定的原子替换为最优原子，最后通过IAA的全局迭代，选择与杂波脊匹配的原子形成新的空时导向字典。实验证明，该方法可以有效地减轻离网效应引起的杂波脊扩展，杂波抑制性能优于现有的空时导向字典均匀离散化的IAA-STAP方法。      

基于lp 范数的离格稀疏空时自适应处理算法

稀疏恢复（Sparse Recovery, SR）空时自适应信号处理（Space Time Adaptive Processing, STAP）仅需要少量的杂波样本即可有效抑制杂波,但是稀疏恢复空时自适应信号处理依赖于空时字典,当载机运动方向与天线放置方向存在偏航角时,杂波脊偏离空时字典格点,出现离格问题,从而导致杂波抑制性能下降。已有的基于l1范数类的离格稀疏恢复算法在存在噪声时性能下降,没有充分利用杂波的稀疏性,文章提出一种基于lp(0<p<1)范数的离格空时自适应处理算法,首先将建立基于空时字典更新的稀疏恢复空时自适应模型,然后将该模型松弛为lp(0<p<1)范数的非凸优化问题,最后利用主函数最大化算法将该优化问题转化成凸优化问题,利用两层迭代求解的方法得到该问题的解,最后利用模型的解估计杂波协方差矩阵。通过仿真实验表明,提出的算法能够提高存在离格问题时的杂波恢复精度,抑制杂波的性能也优于已有的基于变分推断的算法。      

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.