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.     

基于俯仰维信息的天基双基地雷达正交投影STAP算法

分析了天基双基地雷达的地杂波距离模糊引起的杂波多普勒展宽特性.针对天基双基地雷达距离模糊杂波的抑制问题,提出了一种基于俯仰维信息的正交投影(OP)空时自适应处理(STAP)算法.该算法利用杂波空间导向矢量中的俯仰信息来构造正交投影矩阵,然后对投影后的空时数据进行空时自适应处理.结果表明,基于俯仰维信息的正交投影变换实现...     

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。     

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.     

前视阵FDA-STAP雷达距离模糊杂波抑制方法

高重复频率前视阵机载雷达地杂波不仅存在严重的距离依赖性,而且存在距离模糊问题,传统空时自适应处理(STAP)方法在距离依赖和距离模糊同时存在时难以有效实现杂波补偿和杂波抑制。针对距离模糊下的机载雷达杂波抑制问题,该文提出一种基于频率分集阵列STAP雷达的距离模糊杂波分离与抑制方法。该方法利用频率分集阵列发射导向矢量的距离角度2维依赖性,通过空间频率域子空间投影实现距离模糊杂波的分离,然后对分离后的杂波分别进行距离依赖补偿,最终实现无模糊区域和模糊区域的杂波抑制和运动目标检测。仿真实验验证了该文方法的有效性。      

基于改进快速子空间迭代跟踪的部分自适应STAP算法

针对部分空时自适应(STAP)处理的特征值分解(EVD)影响杂波抑制的实时处理性能,提出了基于改进快速子空间迭代跟踪(PAST)的部分自适应STAP算法.该方法首先在PAST处理的基础上,对正交PAST方法进行改进,得到改进后的PAST(MPAST)方法;然后将MPAST方法应用于计算部分自适应STAP算法的特征子空间,从而有效提高STAP算法的收敛速度和降低自适应权矢量计算的运算量.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的杂波,并能在低计算复杂度下显著提高STAP处理的收敛速度.     

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...     

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。      

一种机载前视阵雷达近程杂波谱补偿方法

机载前视阵雷达近程杂波谱在方位-多普勒域随距离变化剧烈,功率谱不重合并严重展宽,直接进行空时自适应处理（STAP）不能在待检测单元形成窄而深的凹口,致使地面动目标检测（GMTI）性能下降。文中提出一种导向矢量矩阵最小二乘拟合方法,该方法利用训练单元和近程待检测单元导向矢量拟合矩阵对杂波数据进行变换,使训练单元的杂波子空间逼近于待检测距离单元,从而实现了机载前视阵雷达近程杂波谱重合。仿真实验表明该方法能够对近程杂波非均匀性进行有效补偿,减轻杂波谱随距离变化对空时自适应处理性能的影响。     

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.

     

基于空时导向约束的天基雷达离散旁瓣杂波判别方法

由于天基雷达覆盖范围广,大量强离散杂波(小型岛礁、陆地铁塔等)会从天线旁瓣进入雷达系统,其多普勒特征与目标相同,极易造成虚警。针对以上问题,该文提出基于空时导向约束的天基雷达离散旁瓣杂波判别方法,该方法首先选取空时自适应处理(STAP)杂波抑制后检测到的潜在“目标”(包含真实目标与离散旁瓣杂波)距离多普勒单元及其附近单元;然后根据杂波多普勒频率与空间角度的耦合关系获得各杂波单元对应的空时导向矢量;最后利用获得新的导向矢量构成的滤波器再次对“目标”距离多普勒单元及其附近单元进行滤波处理,此时真实目标信杂噪比会大幅度降低,而离散旁瓣杂波信杂噪比变化不大,从而实现离散旁瓣杂波的判别。理论分析及机载实测数据处理证明该方法具有良好的稳健性和可靠性。     

机载双基地雷达杂波距离依赖补偿方法

针对杂波距离依赖造成空时自适应处理器性能下降问题,提出一种基于最小二乘估计的聚焦矩阵补偿方法。首先,利用最小二乘方法估计杂波幅度,选取幅度较大的杂波点;其次,根据杂波点的空时导向矢量求解聚焦矩阵,通过聚焦矩阵直接对训练数据进行线性变换;最后,根据变换后的数据估计出待检测单元的杂波噪声协方差矩阵,进而求出自适应权值矢量。该方法采用非均匀采样求解聚焦矩阵,杂波抑制性能更好,仿真实验验证了所提方法的有效性。      

基于相似性度量的非正侧阵杂波谱补偿方法

在非正侧阵雷达中的杂波谱随距离发生变化,造成杂波统计特性估计不准确,空时二维自适应处理中滤波器的杂波凹口变宽.为了克服这个难题,根据杂波模型提出了一种基于相似性度量的谱补偿方法.该方法首先将待检单元的导向矢量与相邻单元的导向矢量进行内积,作为谱结构相似性的度量,然后依此度量值,对接收数据的杂波协方差矩阵进行加权处理,最后用传统的空时自适应算法进行杂波抑制.仿真证明了该方法可以有效地消除杂波谱的非平稳性,提高雷达抑制杂波的性能.     

基于知识辅助的网格失配下SR-STAP字典校正方法

基于稀疏恢复的空时自适应算法（Sparse Recovery Space Time Adaptive Processing, SR-STAP）能有效改善机载雷达在复杂环境下对杂波的抑制能力,通常是将空时平面均匀离散为若干个网格来构造字典。然而,真实的杂波点往往不能落在预先离散的网格点上,此时会出现离网效应,导致SR-STAP的性能降低。本文针对此问题,提出了一种基于知识辅助的字典校正方法。首先利用载机平台参数等先验知识均匀离散空间频率,然后计算和修正多普勒频率,并根据先验知识修正空间频率,最后利用修正后的空间频率和多普勒频率对应的空时导向矢量来构造超完备稀疏字典。仿真结果表明,与传统字典构造算法相比,该字典校正方法有效克服了离网效应,改善了STAP的性能。