空时二维自适应处理的目标污染样本挑选方法

在空时二维自适应处理(STAP)中,杂波样本数据不满足独立同分布(iid)条件是影响STAP处理的一个重要因素.这种非iid特性不仅包含地面的不均匀性和散射体的内部运动,也包括了目标和一些类似目标的干扰造成的样本数据污染.在某些情况下,被目标污染的样本会对权系数矢量的估计造成明显的影响,使输出信杂比大大下降.本文首先分析了目标信号对广义旁瓣相消结构(GSC)处理方式的影响,指出采用阻塞矩阵和不包含检测单元的辅助数据不能有效消除目标信号的影响.而现有的非均匀检测(NHD)方法不能有效挑出污染样本.据此,本文提出杂波剩余功率下降的目标污染样本选择准则和两种新的非均匀样本检测方法,可以将对自适应有影响的污染样本数据剔除.试验结果证实了新方法的有效性,而且其中一种方法的运算量很小,便于工程实现,具有较高的应用价值.     

基于多级维纳滤波器的非均匀ΣΔ-STAP研究

该文提出了基于多级维纳滤波器的非均匀ΣΔ-STAP并行块处理算法,在非均匀环境下能快速有效检测动目标。文中基于多级维纳滤波的广义旁瓣对消器结构,提出了联合主波束检测和自适应功率剩余检测的两级级联非均匀检测算法,能有效增强对弱干扰目标样本的检测能力。同时,将改进的并行块处理引入非均匀ΣΔ-STAP算法,极大地降低了系统运算量。理论分析和仿真实验表明,该算法能有效剔除干扰样本,提高动目标检测性能,收敛速度快,运算量小,鲁棒性强,易于工程实施。     

基于多级维纳滤波器的非均匀∑△-STAP研究

该文提出了基于多级维纳滤波器的非均匀∑△-STAP并行块处理算法,在非均匀环境下能快速有效检测动目标.文中基于多级维纳滤波的广义旁瓣对消器结构,提出了联合主波束检测和自适应功率剩余检测的两级级联非均匀检测算法,能有效增强对弱干扰目标样本的检测能力.同时,将改进的并行块处理引入非均匀∑△-STAP算法,极大地降低了系统运算量.理论分析和仿真实验表明,该算法能有效剔除干扰样本,提高动目标检测性能,收敛速度快,运算量小,鲁棒性强,易于工程实施.     

极化辅助的非均匀场景空时自适应处理方法

空时自适应处理是强杂波背景下动目标检测的有效途径,实际检测环境中训练样本与待检测单元背景统计特性的不一致将恶化处理器的输出信杂噪比,需要结合样本挑选技术来改善非均匀场景的处理器性能.在建立机载多通道信号模型基础上,提出一种利用极化信息辅助的空时自适应处理方法,该方法通过极化分类和功率分组指导训练样本选择,利用同类样本估计待检测单元的统计特性并计算自适应权矢量,具有杂波相关矩阵估计准确度高的特点,可显著改善动目标检测的性能.最后结合国外NASA JPL AIRSAR实测数据的多通道仿真实验验证了所提方法的有效性.     

非均匀环境下利用杂波脊信息的杂波滤除方法研究

该文针对空时自适应检测训练样本中含有干扰目标会导致目标检测性能下降的问题,提出一种利用杂波脊先验信息滤除杂波的方法,使目标检测不受训练样本中干扰目标的影响,并且提高了小样本情况下的检测性能。利用机载雷达地杂波在角度多普勒空间的分布特点,结合杂波2维高斯功率谱密度模型,构造杂波协方差矩阵用于滤除对目标有遮蔽影响区域内的杂波。模型参数的设定充分结合了环境先验信息,使参数设定快速准确。通过仿真数据和MCARM实测数据的仿真实验,结果表明在训练样本被干扰目标污染和小样本情况下,利用杂波脊信息的杂波滤除方法均能有效滤除杂波,检测性能高于传统的自适应检测方法。     

对机载雷达STAP的调频转发干扰研究

针对空时自适应处理（STAP）过程中,训练样本内包含干扰目标时,自适应处理器会在该干扰目标所在方位?多普勒频率处产生零点这一特性,提出一种调频转发干扰方法。该方法通过对干扰机接收信号加以频率调制,在目标周围生成多个距离分布可控的假目标,破坏训练样本独立同分布条件,导致从训练样本中估计得到的样本协方差矩阵与真实的协方差矩阵偏差加大,从而影响自适应处理器检测目标结果。仿真结果表明,该方法产生的假目标既可有效降低空时自适应处理系统的目标检测性能,也可构成对空时自适应系统的欺骗干扰。     

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.     

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。     

极化-空域联合抗机载雷达欺骗式主瓣干扰

机载雷达欺骗式主瓣干扰不仅会引起大量虚警,还会污染空时自适应处理(STAP)器的训练样本,引起自适应方向图畸变,导致期望信号相消和杂波抑制性能下降。针对此问题,利用目标信号与干扰信号极化特性的差异,该文提出一种极化-空域联合自适应波束形成的方法来抑制欺骗式主瓣干扰。该方法首先在多普勒清晰区挑选干扰样本,并采用特征融合技术估计干扰协方差矩阵,然后采用重叠滑窗的子阵合成方式进行极化-空域联合自适应波束形成,在抑制主瓣干扰的同时为后续杂波抑制保留了空域自由度,最后通过STAP抑制剩余的杂波。该算法可以有效滤除密集欺骗式干扰,减少由其引起的虚警,改善机载STAP雷达的杂波抑制性能。仿真结果验证了该方法的有效性。     

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。      

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...     

Adaptive clutter suppression based on iterative adaptive approach for airborne radar

To improve the performance of the recently developed weighted least-squares-based iterative adaptive approach (IAA) in space–time adaptive processing (STAP) for weak or slow targets detection, we propose a novel IAA scheme to adaptively suppress the ground clutter by using the secondary training data (STD). Especially, we use the IAA to estimate the clutter plus noise covariance matrix from a very small number of STD. The resulting clutter plus noise covariance matrix can be utilized to form the STAP filter and then suppress the clutter. To reduce the computational complexity of the IAA, we exploit the sparsity of large clutter components in the angle-Doppler image and develop a modified IAA algorithm employing a soft-thresholding to adaptively determine the entries of each iteration that should be updated. Simulation results show that our proposed scheme outperforms the conventional IAA scheme over weak or slow targets detection and the modified IAA algorithm exhibits a comparable or even a better performance than the IAA algorithm but a lower computational complexity.     

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。     

Fast reduced-rank STAP algorithm based on Gram–Schmidt orthogonalisation for airborne radar

In the reduced-rank space-time adaptive processing (STAP) methods, especially the principal component (PC) analysis STAP method, a set of dominant eigenvectors must be obtained by singular value decomposition of the space-time covariance matrix. Therefore, it is very difficult to be applied in practical system due to the intense computational complexity. In order to reduce the computational burden, a fast reduced-rank STAP algorithm based on Gram–Schmidt (GS) orthogonalisation is proposed in this article. In the proposed GS-PC STAP method, the clutter subspace is reconstructed by the GS orthogonalisation of training samples. Then, the STAP adaptive weight vector is calculated by orthogonally projecting the quiescent weight vector into clutter subspace, which can hold fast convergence measure of effectiveness (MOE) and require less computational complexity by compared with the conventional PC method. Based on the simulated data and multichannel airborne radar measurements data, the corresponding convergence MOE and the clutter suppression performances are verified in the article.     

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。     

基于自适应局域变换的离散干扰抑制算法

在非均匀杂波环境中,针对待检测距离单元的离散干扰严重影响统计空时自适应处理(STAP)杂波抑制性能的问题,提出了基于自适应局域变换的离散干扰抑制算法。该方法利用自适应局域变换矩阵具有局域变换和自适应滤波的双重特性,在较低计算复杂度条件下有效消除离散干扰对统计STAP方法的影响。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中的离散干扰和均匀杂波,显著改善STAP在非均匀杂波中的性能。     

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.