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。      

基于三维原子范数的机载MIMO雷达STAP算法

针对机载多输入多输出（MIMO）雷达空时自适应处理（STAP）使用稀疏恢复技术时存在的格点失配问题,提出了一种基于三维原子范数的机载MIMO雷达STAP算法。该方法利用杂波空时谱在角度?多普勒域上固有的稀疏性,根据低秩矩阵恢复理论构造了基于三维连续原子集的MIMO雷达杂波信号稀疏恢复模型,避免了稀疏恢复中的格点失配问题,实现了杂波空时谱的高分辨率估计,有效提高了机载MIMO雷达STAP杂波抑制性能。仿真实验表明,本文方法在存在格点失配情况下的MIMO雷达STAP处理性能优于已有的基于字典网格的稀疏恢复方法和二维原子范数方法。     

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。     

机载预警雷达KA-STAP杂波抑制方法研究

提出了一种机载预警雷达杂波抑制方法。该方法针对非均匀环境空时样本不足导致空时二维自适应信号处理（STAP）性能受限的问题,采用同一平台获取的相同频段、分布近似的历史数据,参与构建了空时二维自适应信号处理（STAP）的协方差矩阵,开展杂波抑制效果评估。基于实际数据的杂波抑制结果表明,可以有效提高杂波背景下目标信杂噪比,在强杂波区的杂波抑制得益明显,在弱杂波区杂波抑制性能不恶化。最后,针对该方法的工程应用提出了系统设计考虑,为机载预警雷达反杂波提供了新的思路。     

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。     

空域分解的机载MIMO雷达空时处理方法

相对于传统机载相控阵雷达,应用于机载多输入多输出雷达中的空时自适应处理（MIMO-STAP）技术可以获得杂波抑制和动目标检测能力的大幅提升.但是传统MIMO-STAP所需要的计算量和样本需求量巨大,无法满足实际处理要求.为了解决这一问题,我们提出了一种基于空域多级分解的机载MIMO雷达后多普勒自适应方法.该方法将后多普勒自适应权系数进行分解,使其变为几个短向量的Kronecker乘积,然后利用循环迭代的思想求解自适应权.实验表明该方法具有快速收敛性,在小样本大阵列条件下该方法明显优于传统的后多普勒处理方法.     

机载MIMO雷达收发联合降维STAP算法统一理论框架

该文研究了机载多输入多输出（Multiple-Input Multiple-Output,MIMO）雷达杂波抑制的收发联合降维空时自适应处理（Space Time Adaptive Processing,STAP）算法统一理论框架。首先,基于机载MIMO雷达发射波形分集的特性,构建了机载MIMO雷达降维联合自适应STAP处理的统一理论框架结构。在此基础上,建立了3种降维STAP处理结构。最后,针对上述3种降维结构,给出了相应的3类适用于MIMO体制的降维STAP处理算法。仿真实验表明:机载MIMO雷达联合降维自适应算法具有较好的杂波抑制性能和较强的抗干扰能力。      

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.     

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...     

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。     

基于多级维纳滤波的机载共形阵雷达杂波抑制方法研究

目前,多级维纳滤波器是一种收敛速度最快的降秩空时自适应处理算法,但它只适合于处理平稳随机信号,不能直接用于抑制非均匀的机载共形阵雷达杂波。该文在分析共形阵雷达杂波特性的基础上,提出采用俯仰向空域滤波改善杂波的非均匀性,改进了传统的协方差矩阵加权算法,最后形成了一种基于俯仰向空域滤波的协方差矩阵加权多级维纳滤波算法,用于抑制共形阵雷达杂波。仿真结果表明,该文方法抑制共形阵雷达杂波的综合性能优于现有其他方法,且计算复杂度低,收敛速度快,便于工程实现,在共形阵雷达杂波抑制中具有实际应用前景。     

有源干扰条件下机载MIMO雷达降维STAP方法

针对机载多输入多输出雷达杂波与干扰的同时抑制问题,提出一种降维空时自适应处理方法.首先,利用系统参数离线简便构造出杂波子空间,然后,根据杂波基向量与干扰基向量的关系,对杂波加干扰协方差矩阵的秩进行分析.当存在有源干扰时,系统的杂波与干扰自由度进一步提高.最后利用干扰加噪声协方差矩阵的块对角结构,结合离线构造的杂波子空间,通过迫零方法进行空时自适应权矢量求解.该方法能够有效降低运算复杂度,具有接近全维最优处理的杂波与干扰抑制性能.     

不需要训练数据的分布式MIMO雷达距离扩展目标检测器

在非均匀杂波环境中,研究了高分辨率分布式多输入多输出(MIMO)雷达的距离扩展目标检测问题。由于分布式MIMO雷达观测到的杂波是非均匀的,无法获得足够的独立同分布的均匀训练数据来估计检测单元的杂波协方差矩阵。采用复逆Wishart分布对杂波协方差矩阵建模,基于该杂波模型设计了一种不需要训练数据的分布式MIMO雷达距离扩展目标广义似然比检测器。数值仿真结果表明:在非均匀杂波环境中,所设计的检测器的性能比用训练数据的协方差矩阵类检测器有明显的改进。     

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。     

基于加权SPICE的MIMO-STAP稀疏恢复算法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在非均匀杂波条件下动目标检测性能严重下降的问题,引入了加权SPICE算法用于杂波谱的稀疏恢复。加权SPICE算法可以将一大类稀疏恢复算法纳入到统一框架下,根据加权矢量不同可得LIKES,SLIM和IAA算法。这些算法不需要设置任何超参数,基于杂波样本协方差矩阵通过迭代求解未知稀疏参数。仿真实验表明,使用这些稀疏算法恢复杂波谱,可有效提升所恢复杂波谱的准确性,能够更好地实现动目标检测。      

利用发射角度的双基地MIMO 雷达杂波抑制方法

双基地雷达中引入多输入多输出(MIMO)技术,可以从接收数据中获取双基地雷达发射角度信息。这一新增的角度信息用于空时自适应处理,获得发射空间-接收空间和多普勒3 维杂波谱。该文旨在对双基地MIMO 雷达空时自适应处理抑制杂波方法进行综述。首先介绍了双基地MIMO 雷达信号模型,然后介绍了几种正侧视双基地MIMO 雷达空时3 维自适应处理方法(3D-STAP),包括3 维线性最小方差(3D-LCMV)方法、3 维辅助通道方法、3维局域化联合处理以及3 维投影的空时3 维降维杂波抑制方法,仿真分析表明这些降维方法能够有效提高小样本条件下的双基地MIMO 雷达距离依赖杂波抑制性能。最后,对双基地MIMO 雷达空时自适应处理研究做了总结和展望。      

时变加权的机载双基雷达降维空时自适应处理

针对机载双基雷达传统降维空时自适应处理方法杂波抑制性能较差的问题,提出了一种新的降维方法.该方法对杂波协方差估计矩阵进行降维处理,利用时变加权技术对降维后的权值矢量进行更新,以补偿杂波的距离相关性,提高杂波协方差估计准确度.理论分析和仿真结果表明:在不同的双基雷达配置情况下,该方法均可以对非均匀杂波进行有效抑制;且相对时变加权技术最优空时自适应处理,运算量和所需训练样本数大幅减少.此外,与多普勒补偿或角度多普勒补偿方法相比,该方法无需了解有关雷达平台和配置场景的先验知识,适于工程实现.     

基于稀疏贝叶斯学习的机载双基雷达杂波抑制

机载双基雷达杂波与构型有关且具有严重的距离依赖性,因此杂波脊复杂多变,独立同分布(IID)的样本很少。传统的空时自适应处理(STAP)方法受独立同分布样本数的限制,对机载双基雷达杂波的抑制性能有限。基于机载雷达杂波在角度-多普勒域分布的稀疏特性和稀疏贝叶斯学习(SBL)在稀疏信号重建方面的优势,该文将SBL算法应用于较为复杂的机载双基雷达双动模式下杂波抑制,该方法可以用少量训练单元杂波估计待测距离单元的杂波协方差矩阵(CCM),然后进行空时自适应处理;同时,该算法不需要样本独立同分布,在双基双动模式下对杂波的抑制性能较好,仿真结果验证了算法的有效性。     

复杂地形环境下基于GAMP-STAP的低空风切变风速估计方法

针对机载气象雷达在复杂的地形环境下探测低空风切变时,地杂波呈现非均匀特征和难以获取足够的独立同分布(IID)样本,导致空时自适应处理(STAP)杂波抑制性能变差,使得风切变风速估计不准的问题。该文基于杂波信号稀疏特性,提出一种广义近似消息传递(GAMP)STAP方法,GAMP-STAP仅利用少量的样本在复杂地形环境下实现了风速较准确的估计。该方法首先利用杂波脊的先验信息构造稀疏字典,然后在贝叶斯框架下利用GAMP算法估计杂波幅度,恢复杂波功率谱,进而计算杂波协方差矩阵,最后构造STAP滤波器实现杂波抑制以及风切变风速估计。后续实验仿真结果证明了该方法的有效性。     

一种两级机载MIMO雷达空时自适应处理方法

机载MIMO雷达可联合利用时间自由度、发射和接收空间自由度抑制杂波,但只能利用接收空间自由度抑制有源干扰。基于此特点,该文提出一种机载MIMO雷达的两级空时自适应处理方法抑制杂波和干扰。第1级处理中只利用部分空间接收自由度进行干扰抑制,同时实现降维处理;第2级通过匹配滤波获得发射空间自由度,并联合剩余接收空间自由度和时域自由度,进行空时联合自适应处理抑制杂波。该方法通过分级处理既有效利用了MIMO雷达的发射自由度进行杂波抑制,又同时大大减低了计算量和样本需求。理论分析表明存在强干扰时,两级处理的理论性能可以逼近全维处理的最优性能。仿真实验表明了该算法的有效性。