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.     

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。     

机载雷达的预滤波直接数据域算法

空时自适应处理(STAP)作为一种地杂波环境下机载雷达自适应检测小目标的方法已得到广泛研究,干扰非一致性是当前的一个重要方面。由杂波脊外的强干扰(或目标)引起的分立非一致性是市区和尖峰状杂波环境下STAP性能下降的主要原因。利用级联算法得到的自适应权可用于STAP干扰的分立非一致性问题。该方法由一个直接数据域算法和一个统计自适应算法级联构成。该文提出一种带杂波衰减预滤波器的直接数据域算法来增强算法对分立非一致干扰的抑制,从而提高了STAP对付分立非一致干扰的性能。     

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。      

基于空时功率谱稀疏性的空时自适应处理技术研究进展

随着压缩感知理论的兴起和发展,基于空时功率谱稀疏性的空时自适应处理(STAP)技术受到越来越广泛的关注.本文首先简单回顾了空时自适应处理技术的传统方法,接着从三个不同角度分析了空时功率谱的稀疏性并探讨了基于空时功率谱稀疏性的STAP技术的潜在优势,然后总结了基于空时功率谱稀疏性STAP基本原理和三种实现方式,根据稀疏支撑集先验信息知晓情况对现有基于空时功率谱稀疏性的STAP方法进行了分类,包括:基于阵列流形知识的STAP技术、基于空时功率谱稀疏恢复的STAP技术以及基于阵列流形知识和空时功率谱稀疏恢复的STAP技术,并对其研究现状进行了综述.最后在已有研究的基础上,着眼于提高杂波抑制和运动目标检测能力的发展需要,提出了未来该技术需要重点解决和关注的若干问题,包括稀疏性的本质机理分析、空时导向字典的设计、参数设置简单,快速和低复杂度算法设计、对模型误差稳健的算法设计、多种先验知识融合的基于空时功率谱稀疏性的STAP算法设计、基于空时功率谱稀疏性STAP方法的恒虚警检测器设计以及实测数据验证等方面.     

基于杂波谱稀疏恢复的空时自适应处理

在机载雷达体制中,空时自适应处理(STAP)可有效抑制杂波并完成动目标检测.但在实际杂波环境中,由于缺乏独立同分布的训练样本,传统STAP算法性能下降严重.针对这一问题,我们利用STAP体制下杂波在角度-多普勒域上的稀疏性,提出基于稀疏恢复的SR-STAP方法,可在少量训练样本下实现高分辨空时杂波谱及相应杂波协方差矩阵...     

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.     

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。     

基于时变空时自回归模型的STAP算法

针对空时自适应处理(STAP)中时域非平稳杂波过程造成的空时自回归(STAR)算法失效问题,文中将时变自回归(TVAR)模型引入STAP处理中,提出了一种新的时变空时自回归(TV-STAR)算法。TV-STAR算法能够有效弥补平稳自回归(AR)模型与实际非平稳杂波环境失配造成的STAR算法性能损耗,在非平稳杂波环境中具有良好的检测性能。同时,TV-STAR算法由于引入了低阶数的TVAR模型,其收敛速度显著优于降秩STAP算法。文中分别通过仿真实验以及机载雷达实测数据的处理对算法有效性进行了验证。     

一种稳健的两维两脉冲杂波相消方法

两维两脉冲杂波对消方法,可以有效地杂波迹进行杂波预滤波,进一步提高后续空时自适应算法的动目标检测性能。但在实际中不准确的载机速度和偏航角等雷达系统参数信息,会制约其杂波抑制性能。为了解决这一问题,文中提出了一种稳健的两维两脉冲杂波相消方法,该方法进一步将载机速度和偏航角误差作为先验知识加入到滤波器系数矩阵设计中,提高了TDPC在雷达系统参数存在误差时的稳健性。并分别利用仿真数据和MCARM实测数据进行了验证。实验结果表明,在载机速度和偏航角存在误差的情况下,相比较TDPC,RTDPC能更加有效地对消杂波,改善了后续空时自适应算法的动目标检测性能。     

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。      

Algorithms for mitigating terrain-scattered interference

This paper summarises a study of terrain-scattered interference (TSI) mitigation techniques, focusing on joint TSI mitigation and monostatic clutter nulling for airborne radars. It begins with an overview of TSI phenomenology and two-dimensional space-time adaptive processing (STAP) techniques for cancelling TSI. Two approaches for mitigating combined TSI and clutter are then examined. In the first approach, a sequence of two-dimensional adaptive filters is used. The first of these filters cancels TSI, while the second filter cancels monostatic clutter. In the second approach, a single, three-dimensional pre-Doppler STAP algorithm is used to cancel clutter and TSI simultaneously. Performance results for a representative system are shown to illustrate the trade-offs inherent in designing a mitigation approach     

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。     

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。     

机载雷达杂波抑制的预条件多级维纳滤波器算法

在机载雷达抑制地杂波的应用中,降阶空时自适应处理是目前研究的重点,而在各种降阶算法中以Goldstein和Reed等人提出的多级维纳滤波器(MWF)算法最具代表性。本文首先将MWF算法由广义旁瓣对消结构推广到直接处理结构,在此基础之上引入预条件处理以改善杂波和噪声协方差矩阵的条件数,提出了预条件多级维纳滤波器(PMWF)算法,并给出了算法的预条件共轭梯度法实现。利用杂波和噪声协方差矩阵的分块Toeplitz结构,可使PMWF算法的计算量降低为O(NKlog_2NK)。仿真实验表明,PMWF算法与经典的MWF算法相比,当处理阶数相同时,其信杂噪比改善有明显的提高,且以主杂波附近的改善尤为显著。     

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。