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.     

通道不一致下自适应调零天线干扰抑制度分析

通过子空间分析法给出通道失配引起干扰子空间扩张、抗干扰自由度降低及干扰抑制度降低的结论.通过MATLAB,仿真了干扰子空间扩张对抗干扰性能的影响,对比了空时联合处理(STAP)与空频联合处理(SFAP)两种高自由度算法对干扰抑制度的改善,分析了DFT点数对SFAP算法性能的影响.     

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MUSIC空间谱及分辨率的影响

本文分析了高分辨率参数估计算法MUSIC在通道频率响应不一致（通道失配）情况下的统计性能，推导了通道失配对空间谱的影响以及失配方差和分辨能力的关系式．理论表明：通道失配对算法性能有较大的影响，计算机仿真结果证明了理论的有效性．     

基于对角加载的STAP性能改善

空时自适应处理(STAP)作为动目标检测的关键技术,但是非均匀环境将会造成协方差矩阵的估计误差,进而严重影响STAP性能。对角加载主要用于改善空间滤波器对于有用信号空域特征失配和空域协方差矩阵失配的稳健性。该文考虑将对角加载应用于STAP协方差矩阵失配(统计失配)时的性能改善,即在实际的协方差矩阵和其估计值之间存在误差时,通过对角加载改善STAP的稳健性。文中给出了加载电平的选择方法,并进行了详细的性能分析,即合理的对角加载可以提高检测概率和输出信噪比。仿真分析验证了理论分析的正确性。     

空时误差情况下的STAP方法性能分析

空时自适应处理（Space-Time Adaptive Processing,STAP）技术可以实现对机载雷达杂波的有效抑制,显著提高机载雷达对运动目标的检测性能。但在实际工程应用过程中,STAP技术不可避免地会受到各种空时误差的影响,导致其性能严重下降。本文首先给出了各种空时误差的数学模型,然后从目标导向矢量失配和杂波自由度增加两方面系统分析了误差影响STAP性能的内在机理,并以信杂噪比（Signal to Clutter plus Noise Ratio,SCNR）损失为指标分析了不同误差对STAP性能的影响,最后通过仿真实验对相关分析进行了验证。本文工作量化了不同误差对STAP性能的影响程度,可为机载脉冲多普勒雷达空时误差补偿提供重要的理论支撑。      

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。     

稀疏恢复空时自适应处理技术研究综述

相较于传统空时自适应处理（STAP）技术,稀疏恢复（SR）STAP技术在小样本条件下杂波抑制性能显著提升,因此适用于现实非均匀杂波环境.本文首先阐述了SR STAP基本原理,分析了机载雷达杂波空时稀疏特性;然后总结了SR STAP发展历史与现状,并在此基础上针对其相关科学问题进行了探讨,包括：空时谱估计还是杂波抑制、单观测样本还是多观测样本、白化还是置零、重构算法参数依赖还是不依赖、非平稳杂波下是否适用及干扰条件下是否可行;最后给出了当前SR STAP技术走向实用化过程中所面临的关键问题,即网格失配和空域误差影响,并分别讨论了无网格压缩感知和字典自校正的解决途径.     

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。     

遗传算法在修正通道相位失配中的应用

本文分析了通道相位失配对高分辨率参数估计算法MUSIC的统计性能的影响,并提出了一种采用遗传算法对通道相位失配进行修正的新方法。利用遗传算法的全局寻优特性,将它与MUSIC算法有机地结合在一起,实现了对MUSIC算法的通道相位失配的有效修正。最后以八元直线阵为例进行了仿真,验证了这种新方法的可行性和有效性。     

基于雷达回波数据相位矢量的通道盲均衡

通道均衡是实现地面运动目标测速、定位的前提条件.本文研究机载多通道雷达基于空时二维回波数据的通道均衡问题.利用杂波在沿航迹多幅多普勒锐化图像(DBS,Doppler Beam Sharpening)间的相位关系,提出一种基于数据相位矢量的通道盲均衡算法.理论分析和实测数据处理表明该算法能有效均衡通道误差,并对运动目标信号污染具有稳健性.     

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。     

通道频率特性差异对高分辨率参数估计算法MUSIC的影响

本文分析了高分辨率参数估计算法-MUSIC在通过频率响应不一致（通道失配）情况下的统计性能，推导了通道失配对空间港的影响以及失配方差和分辨能力的关系表达式．理论表明：通道先配会引起空间谱误差并降低其分辨能力。计算机仿真结果证明了理论结果的有效性。     

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。     

基于频移假目标对机载雷达STAP技术干扰效果的研究

空时自适应处理(STAP)是一种有效的抗干扰技术,但其在非均匀环境下的性能将大大降低。介绍了STAP的基本工作原理,研究了基于频移的假目标干扰,利用假目标构造非均匀环境,从理论上分析了假目标干扰对STAP性能的影响,通过仿真验证了干扰效果。