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。     

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.     

MIMO双基地机载雷达距离模糊杂波抑制方法

正侧视阵MIMO(Multiple-Input Multiple-Output)双基地雷达系统具有严重的距离依赖问题和杂波谱展宽现象,该文分析其杂波特性,提出了一种距离模糊杂波抑制方法。该方法在传统的MIMO双基雷达中引入距离相关的相位项,从而提供额外的自由度,通过该相位项的距离信息实现不同距离的杂波分离,并进一步对其进行有效抑制。从而解决了双基地预警雷达大场景下地面杂波距离杂波模糊的问题,仿真结果显示该方法的正确性,并且和已有的DW(Doppler Warping)距离模糊杂波抑制方法进行比较,使用IF(Improve Factor)谱线对抑制结果进行对比,显示该方法有更优的性能。      

一种稳健的机载非正侧视阵雷达杂波抑制方法

非正侧视阵列构型会导致机载雷达回波数据非均匀,从而严重削弱传统空时自适应处理算法的杂波抑制性能。针对此问题,该文提出一种对阵元误差稳健的非均匀杂波抑制方法。该方法首先根据雷达系统参数等先验信息构造杂波表示基;然后在考虑阵元误差下对待检测单元数据进行迭代的最小二乘拟合,文中推导出了该问题的闭式解;最后对拟合后的剩余数据进行脉冲多普勒处理以及恒虚警检测。该方法不需要训练样本,且能够在没有俯仰自由度的情况下对机载非正侧视阵雷达的非均匀杂波进行有效抑制。仿真结果验证了该方法的有效性。     

非正侧视阵近程杂波抑制鲁棒俯仰滤波算法

现有的非正侧视阵近程杂波抑制俯仰滤波算法存在对地形起伏敏感及对高度线附近杂波抑制不完全等缺点,为此文中提出了一种鲁棒的俯仰滤波近程杂波抑制算法.该算法通过在近程杂波俯仰支撑区域设置多个零点,形成宽的凹口,克服了分别在各个距离门设置单个零点鲁棒性不强的缺点,而且由于对所有距离门只生成一个权,运算量大为降低.仿真结果证明了该算法的有效性.     

非正侧视阵机载雷达杂波抑制算法研究

非正侧视阵机载雷达的空时二维杂波谱随距离的变化而变化,即在距离维是非均匀的,因此不能直接由邻近距离单元估计杂波协方差矩阵。为了解决这种由距离依赖性引起的杂波特别是近程杂波的非均匀问题,该文对多普勒频移算法进行了改进,将经过多普勒频移补偿后的数据转换到阵元-多普勒域,在多普勒域进行空间频率补偿,提高其在主杂波区的性能。改进算法既充分利用了原算法简单,易于实现的特点,又克服了原算法在大偏航角下性能下降的缺陷,仿真结果验证了该算法的有效性。     

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。     

近程杂波的非均匀分段处理法

非正侧面阵、近距离地面目标检测时,由于地杂波散射体高低角随距离变化,杂波分布呈现非平稳性,在距离多普勒图上表现为曲线随距离变化。由此导致协方差矩阵难以估计,传统空时二维方法的杂波抑制作用不大。根据杂波性质,确定出杂波支撑区间曲线、强近程杂波上下界曲线,并依照此边界非均匀划分每一个多普勒通道,以保证每一段内杂波的平稳性,减小协方差矩阵估计误差。通过与其他方法的试验对比,说明非均匀分段下,空时二维杂波抑制性能有所改善。     

相控阵AEW雷达杂波抑制的辅助通道方法研究

本文分析了相控阵机载预警(AEW)雷达杂波抑制的现有两种辅助通道降维技术(Klemm方法和简化方法)的性能，并提出了一种新的辅助通道方法。新方法的基本思想为：根据待处理距离段内各距离单元杂波能量在波束一多普勒域分布的统计特征自适应地选取辅助通道，使所选辅助通道实时地逼近杂波子空间，从而有效抑制杂波。本文方法不但可以用于非正侧视阵情况，而且误差鲁棒性好。计算机仿真结果证实了其有效性。     

机载双基地STAP的OP-DW预处理算法及其性能研究

距离模糊杂波和杂波数据样本距离非均匀对机载双基地雷达杂波STAP性能影响严重,文章提出了一种正交投影-多普勒频移算法以实现模糊杂波抑制和非均匀性补偿.该算法首先基于待检测距离环杂波空间和时间多普勒频率信息构造空间和时间投影矩阵,重构杂波数据,消除模糊杂波,然后利用多普勒频移对杂波样本间距离非均匀性进行补偿.仿真表明:该...     

机载MIMO雷达空时杂波块对消器

针对机载MIMO雷达杂波空时耦合的特性,提出了一种应用于机载MIMO雷达的空时杂波块对消器。利用MIMO雷达接收杂波的多普勒相位和空域接收相位之间的关系,设计系数矩阵来对消杂波,后续级联空时自适应处理方法能进一步抑制杂波和提高动目标检测性能。仿真实验表明,该杂波块对消器能对正侧视和非正侧视机载MIMO雷达均有较好的杂波抑制能力,从而进一步提高了后续空时自适应处理算法的动目标检测性能。     

基于特征空间自适应波束形成的近程杂波抑制算法

针对非正侧视阵在俯仰向抑制近程杂波时算法效果不佳的问题,文中提出了一种基于特征空间自适应波束形成的近程杂波抑制算法。该算法对俯仰空域协方差矩阵进行特征分解,分离出近程杂波的支撑特征向量,并将其作为约束进行自适应波束形成。该算法对阵元误差具有鲁棒性,并克服了一般自适应滤波难以实现方向图保形的缺点。仿真结果证明了该算法的有效性。     

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。     

某雷达杂波数据分析及杂波图技术研究

强地物、海浪杂波严重影响目标检测概率。频域杂波抑制手段是雷达信号处理常用的杂波抑制方法。但是,杂波的时空分布特性复杂多变,所以对杂波的幅度、频谱等特性的研究有助于选择合适的杂波抑制方案。结合某雷达实际工程采集数据分析了地杂波和海杂波的时域和频域分布特性,提出了一种基于雷达杂波环境特性自适应选择遗忘因子的杂波图方法,具体分析了该杂波图检测概率。实测数据实验结果证明了该方法的正确性和有效性。     

Range dependent clutter rejection using range-recursive space-time adaptive processing (STAP) algorithms

We here address the issue of ground clutter rejection for the detection of slowly moving targets in a non-side looking (NSL) array configuration airborne radar. The optimum space-time adaptive processing (STAP) filter needs the knowledge of the inverse of the space-time covariance matrix. In practice, it is unknown and has to be estimated. The most popular approximated method is the sample matrix inversion (SMI) method which consists in inverting the covariance matrix estimated by an average of the sample matrix over the secondary range cells. This estimator is unbiased in case of i.i.d. data. In an NSL configuration, the clutter power spectrum is range dependent and the data are consequently not i.i.d. We here present a solution to mitigate this range dependency of the data: the range recursive subspace-based algorithms. They are used in two architectures: a fully and a partially adaptive ones. Then a new range-recursive algorithm using Taylor series expansion is investigated. The performance of these algorithms are compared with that of the conventional STAP algorithms in term of SINR loss.     

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。