基于最差性能最优的稳健STAP算法

导向矢量失配和协方差矩阵失配是影响空时自适应处理(STAP)性能的两大主要因素,基于在最差情况下的性能最优,提出了一种稳健的STAP算法.通过对原始问题的数学描述,建立了基于最差性能最优的稳健STAP算法模型,并将原始模型进行等价转换成可以处理的加载样本矩阵求逆(LSMI)算法,得到了加权矢量的具体表达式,通过对Lagrange乘数λ的准确计算,从而给出了LSMI算法中准确的加载量,解决了对角加载技术中加载量估计的难题.仿真分析表明了该算法的正确性和有效性.     

通道失配对空时自适应处理性能的影响分析

通道失配严重影响着空时自适应处理(STAP)的性能,定量地分析通道失配对STAP性能的影响对于STAP算法的工程应用具有重要意义。文中根据通道失配是否依赖于到达角、信号带宽是否为窄带等方面,从理论上推导了存在通道失配时的杂波协方差矩阵,并仿真分析了通道失配对STAP性能的影响,为STAP算法理论建模、STAP系统设计提供理论依据。     

基于改进PSO的对角加载波束形成算法

当协方差矩阵和导向矢量估计存在误差时,Capon波束形成算法性能急剧下降.对角加载能够提升Capon波束形成算法对误差的鲁棒性,但是最优加载因子的确定是当前的难题.提出一种基于改进粒子群优化(IPSO)算法的对角加载波束形成算法,首先将加载因子与协方差矩阵特征值谱联系起来,利用协方差矩阵特征值谱的分布特性确定最优加载因...     

多极化数据空时协方差矩阵融合方法

空时自适应处理(STAP)方法具有良好的地面动目标检测性能,然而在非均匀场景下,STAP常由于训练样本数不足而存在性能损失。建立了极化空时三维信号模型,指出不同极化通道间杂波功率存在差异而空时二维结构在理论上一致,并在此基础上提出最大似然参数估计的多极化杂波协方差矩阵融合方法以改善样本数不足导致的协方差矩阵估计精度较差问题;对杂噪比较大且各极化通道间的空时协方差矩阵结构误差较小的特殊情况,通过对杂波协方差矩阵以及信杂噪比损失的分析指出平均融合即具有良好的检测效果。仿真结果验证了所提方法的有效性。     

通道失配对STAP性能的影响分析及均衡结果

通道频带失配严重影响着空时自适应处理(STAP)的性能,定量地了解通道频带失配对STAP性能的影响对于工程实际有重要意义,本文基于现有的通道频带失配模型,从理论上推导了存在通道失配时和与无通道失配时的杂波协方差函数之间的关系,并分析了通道失配对目标信号的影响,最后针对不同的失配参数对STAP性能的影响进行了仿真分析,并利用两种均衡方法给出了均衡后的结果.     

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。     

四元数域干扰加噪声协方差矩阵重构鲁棒自适应波束形成

基于电磁矢量传感器阵列的四元数Capon波束形成器较传统的复数域Capon波束形成器有更好的性能。但是该方法在存在指向误差和极化失配的情况下性能急剧下降,甚至会出现信号相消现象。本文将协方差矩阵重构方法推广于四元数Capon波束形成中,通过利用Q-Capon的极化-角度谱估计得到干扰和噪声的功率来对干扰加噪声协方差矩阵进行重构,避免了对角加载方法中对对角加载因子的求解,而且能够有效克服指向误差与极化失配带来的性能下降。计算机仿真表明,该方法相较于其他四元数域的方法有着更好的性能。      

基于对角加载的机载MIMO雷达GLRT检测器

本文研究了基于GLRT的机载MIMO雷达自适应目标检测问题.针对参考单元数据不足对GLRT性能的影响,提出了基于对角加载的MIMO雷达GLRT(MIMO-LGLRT)检测器,并对其检测性能进行了分析,给出了虚警概率和检测概率的闭合表达式.该检测器充分利用机载MIMO雷达杂波子空间低秩的特点和对角加载技术,解决了因参考数据不足所引起的矩阵病态问题.为了减少MIMO-LGLRT检测器的运算量,在分析杂波协方差矩阵块对角化特性的基础上,给出一种简化MIMO-LGLRT检测器.理论分析和仿真结果表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,检测性能优于普通GLRT检测器.     

一种运动干扰稳健滤波方法

传统的阵列干扰抑制算法假设天线阵列与干扰之间相对静止,完成干扰抑制,当阵列与干扰之间存在相对运动时,存在协方差矩阵估计快拍数不足的问题,从而导致阵列滤波性能下降。针对上述运动干扰稳健滤波问题,提出了一种算法对现有零陷展宽技术抗运动干扰方法进行改进。一方面,将零陷展宽技术与导数约束方法相结合,用得到的新协方差矩阵求自适应权值;另一方面,为了提高自适应波束形成对噪声和误差的稳健性,引入了对角加载技术,加载量通过寻找协方差矩阵的特征值曲线拐点得到,有效避免了加载量过大导致的干扰信号被淹没以及加载量过小导致噪声分量引起性能损失的问题。该算法对零陷展宽系数选取依赖性较低,且对角加载量不需要设置固定的经验值,有利于稳健运动干扰滤波,适用于实际工程中先验信息不足条件下的自适应阵列抗运动干扰情况。     

一种改进的稳健自适应波束形成算法

当快拍数较小时,自适应波束形成算法的性能将会降低,而对角加载算法是提高这类自适应波束形成算法稳健性的简单而有效的方法,但是至今没有一种比较有效的方法来确定对角加载值。本文提出了一种确定加载值的方法,这种方法在加载值和协方差矩阵的估计误差之间建立联系,它能够根据阵列的输出数据动态的调整加载值。计算机仿真证实了该算法的有效性。     

Waveform optimization for MIMO-STAP to improve the detection performance

In this letter, we address the problem of waveform optimization for multi-input multi-output (MIMO) space-time adaptive processing (STAP) in the presence of colored Gaussian disturbance. A novel diagonal loading (DL) based method is proposed to optimize the waveform covariance matrix (WCM) for maximizing the output signal-interference-noise ratio (SINR) of MIMO-STAP such that the detection performance can be maximized. The resultant nonlinear optimization problem is reformulated as a semidefinite programming (SDP) one, which can be solved very efficiently. Simulation results show that the output SINR of MIMO-STAP can be improved considerably by the proposed method, as compared to that of uncorrelated waveforms.     

非完备杂波先验知识场景下MIMO-STAP稳健波形设计

本文考虑了色高斯干扰条件下MIMO STAP稳健波形优化问题以提高非完备杂波先验知识条件下多输入多输出（MIMO）雷达体制下空时自适应处理（STAP）最坏情况下探测性能。由于高斯干扰（包括杂波、干扰以及热噪声）场景下最大化系统输出信干噪比（SINR）等价于最大化MIMO STAP检测性能,因而在本文所建立杂波协方差估计误差的模型基础上,总功率发射以及参数不确定凸集约束下,经推导可得稳健波形优化问题。为求解得到的复杂非线性问题,本文提出了一种迭代算法以优化发射波形相关阵（WCM）从而最大化凸不确定集上最差情况下的输出SINR进而改善最差情况下MIMO STAP的检测性能。通过利用对角加载（DL）方法,所提算法中的每个迭代步骤皆可表示为能获得高效求解的半定规划（SDP）问题。与非稳健方法及非相关波形相比,数值实验验证了本文所提方法的有效性。      

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.     

机载MIMO雷达广义最大似然检测器

该文针对机载MIMO雷达在未知统计特性的杂波中目标检测问题,首先给出广义最大似然(GLRT)检测器(MIMO-GLRT),利用MIMO雷达的空间分集特性提高检测性能,并推导出检测概率和虚警概率表达式。然后,基于MIMO雷达杂波协方差矩阵的块对角特性,给出一种简化MIMO-GLRT检测器,大大减小算法的复杂度,同时降低对参考单元数目的要求,并在只有两个接收雷达单元的情形下,推导出简化GLRT检测性能的表达式。结果表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,能够在未知杂波背景下有效地检测目标。