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动目标参数估计

针对现有参数稀疏恢复空时自适应处理中动目标参数估计方法在字典失配条件下性能下降的问题,提出一种基于原子范数无网格稀疏恢复技术的动目标参数估计方法,该方法利用目标回波在角度-多普勒域的稀疏特性,根据连续压缩感知和低秩矩阵恢复理论实现了运动目标方位角和速度的高精度估计,避免了基于固定离散字典模型进行参数稀疏恢复时遇到的字典失配问题,有效提高了动目标参数的估计性能。仿真结果证实了所提方法参数估计性能优于已有基于字典网格的稀疏恢复参数估计方法。     

基于lp 范数的离格稀疏空时自适应处理算法

稀疏恢复（Sparse Recovery, SR）空时自适应信号处理（Space Time Adaptive Processing, STAP）仅需要少量的杂波样本即可有效抑制杂波,但是稀疏恢复空时自适应信号处理依赖于空时字典,当载机运动方向与天线放置方向存在偏航角时,杂波脊偏离空时字典格点,出现离格问题,从而导致杂波抑制性能下降。已有的基于l1范数类的离格稀疏恢复算法在存在噪声时性能下降,没有充分利用杂波的稀疏性,文章提出一种基于lp(0<p<1)范数的离格空时自适应处理算法,首先将建立基于空时字典更新的稀疏恢复空时自适应模型,然后将该模型松弛为lp(0<p<1)范数的非凸优化问题,最后利用主函数最大化算法将该优化问题转化成凸优化问题,利用两层迭代求解的方法得到该问题的解,最后利用模型的解估计杂波协方差矩阵。通过仿真实验表明,提出的算法能够提高存在离格问题时的杂波恢复精度,抑制杂波的性能也优于已有的基于变分推断的算法。      

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。     

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。      

稀疏贝叶斯字典学习空时机动目标参数估计算法

针对基于稀疏恢复的空时自适应处理(STAP)目标参数估计方法中字典失配导致估计性能下降的问题,该文提出一种基于稀疏贝叶斯字典学习的高精度目标参数估计方法。该方法首先通过目标方位信息补偿多个阵元数据构建联合稀疏恢复数据,然后对补偿后的每个阵元数据利用双线性变换进行加速度和速度项分离。最后构建速度参数和加速度参数的泰勒级数动态字典,对机动目标参数进行高精度贝叶斯字典学习稀疏恢复。仿真实验证明,该方法能有效提高字典失配情况下目标参数估计精度,估计性能优于已有字典固定离散化的稀疏恢复空时目标参数估计方法。     

基于稀疏恢复的空时二维自适应处理技术研究现状

该文介绍了基于稀疏恢复(Sparse Recovery, SR)的空时2 维自适应处理技术(Space-Time Adaptive Processing, STAP)的研究背景、意义和具体实现方法。首先探讨了将稀疏恢复引入STAP 领域的意义和价值,揭示了在杂波非均匀环境下引入稀疏恢复的潜在优势,分析了稀疏恢复STAP 技术的数学意义。并在此基础上,系统梳理和总结了该研究方向的研究现状和已有成果,介绍了均匀线性阵列条件下稀疏恢复STAP 技术的基本框架、多观测向量问题、格点对不准问题、直接数据域稀疏恢复STAP、共型阵条件下基于稀疏恢复的STAP 方法等具体研究内容。最后,总结了基于稀疏恢复STAP 技术的框架和结构,并以此为基础对后续研究工作的方向和前景进行了探讨。      

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.     

Preconditioned methods for Space-Time Adaptive Processing

This paper introduces the preconditioned methods for Space-Time Adaptive Processing （STAP）.Using the Block-Toeplitz-Toeplitz-Block（BTTB）structure of the clutter-plus-noise covariance matrix,a Block-Circulant-Circulant-Block（BCCB）preconditioner is constructed.Based on the preconditioner,a Preconditioned Multistage Wiener Filter（PMWF）which can be implemented by the Preconditioned Conjugate Gradient（PCG）method is proposed.Simulation results show that the PMWF has faster convergence rate and lower processing rank compared with the MWF.     

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。     

多级嵌套维纳滤波降秩的空时自适应处理器

该文将空时处理技术与降秩理论结合应用,利用多级嵌套维纳滤波降秩空时自适应处理。这种设计的效果是阵的自由度大大增加,抗干扰能力有质的提高,而计算量仍维持很低水平,收敛速度不受影响。仿真试验用于验证空时处理使阵列自由度提高,具有在宽带内处理干扰的能力,同时还表明多级嵌套维纳滤波在很低的秩下就有近似满秩的MSE性能,充分证实了低秩抗干扰自适应处理器的设计合理性。     

基于空时降维处理的高动态零陷加宽算法

空时自适应处理是卫星导航抗干扰的有效方法。但在高动态环境下,干扰来向动态变化,干扰很容易移出常规自适应抗干扰算法所形成的窄零陷,导致算法失效。常用的解决办法是加宽零陷。该文从干扰来向变化的统计模型出发,提出一种基于拉普拉斯分布的空时加宽零陷算法,该算法能在干扰方向形成较宽的零陷。并且考虑到空时处理将增加算法的计算复杂度,该文将新的空时加宽零陷算法与多级维纳滤波器相结合,给出一种基于空时降维处理的加宽零陷算法。新算法能有效降低算法复杂度,并能在小快拍下得到更好的性能。仿真结果表明新算法的有效性。     

空域数据分解的两级降维自适应处理方法

传统的后多普勒自适应处理方法,如因子法和扩展因子法,虽然能大大降低自适应处理时的运算量和独立同分布样本的需求量,但在天线阵元数进一步增大的情况下,还是不能有效抑制杂波。针对这一问题,该文提出一种空域数据分解的两级降维自适应处理方法。该方法将多普勒滤波后的空域数据进行分解,使其变为两个向量的Kronecker乘积,得到一双二次代价函数,利用循环迭代的思想求解最优权。实验表明该方法具有快速收敛,所需训练样本少的优点,尤其在小样本条件下该方法抑制杂波的性能明显优于因子法和扩展因子法。     

一种改进的基于低秩逼近的空时自适应处理算法

针对非均匀杂波情况下的空时自适应处理的小样本问题,该文提出一种基于权矩阵低秩逼近的空时自适应处理方法.与传统的低秩逼近算法不同,利用空时导向矢量特殊的克罗累计性,该文重新构造新的权矩阵,使得该权矩阵的行数与列数尽可能地相近或相同,以减少算法所需的样本个数和计算量.采用低秩逼近方法对新构造的权矩阵进行表示,则原二次优化问题转化为求解一个双二次代价函数问题.实验表明,改进的空时权矩阵低秩逼近方法能有效地提高空时自适应处理的收敛速度和降低算法复杂度.     

基于线性约束的空时自适应单脉冲技术

机载雷达平台的空时自适应处理(Space-Time Adaptive Processing,STAP)通常用于对地面运动目标的检测,但无法实现对相应目标的空时参数估计。该文基于线性约束自适应单脉冲技术,提出一种运动目标空时参数估计新方法。该方法通过对差波束进行零点约束、鉴角率约束及去耦约束,有效地克服了主瓣内杂波对差波束形状的影响,保持了单脉冲特性,提高了目标空时参数的估计性能。仿真结果表明,与同类方法相比,该方法具有优异的空时参数估计性能。     

一种改进的知识辅助MIMO雷达空时自适应处理方法

针对机载多输入多输出(MIMO)雷达杂波抑制问题,该文提出一种改进的基于知识辅助的空时自适应信号处理算法(KA-STAP)。根据杂波在空时2维平面的先验分布离线构造杂波子空间,以此替代基于扁长椭球波函数(PSWF)估计的杂波子空间,避免了复杂运算。仿真结果表明,所提方法不仅能减小运算量,还能获得更深的零陷以及更优的旁瓣性能。