基于空时内插的端射阵机载雷达杂波补偿新方法

端射阵天线因其低风阻和高增益特性而特别适用于机载雷达的前后向补盲,而天线的前后视放置则不可避免地要面临杂波的距离非平稳问题。该文基于端射阵机载雷达杂波谱特性,针对传统空时内插法(STINT)不能直接适用于距离模糊情况下端射阵杂波补偿这一情况,提出一种基于空时内插的端射阵杂波补偿新方法。该方法充分考虑了各距离门的模糊杂波,以远程平稳杂波脊主瓣区所对应的圆弧为插值参考子空间并细化了动目标约束的约束对象,实现了对距离模糊情况下端射阵非平稳杂波的有效补偿。计算机仿真结果验证了该文方法的有效性。     

端射阵机载雷达距离模糊非平稳杂波补偿方法

端射阵天线是指波束指向垂直于阵列法线方向的一类特殊雷达天线,由于其具有低剖面和定向辐射特性,因而特别适合用于机载雷达的补盲.由于端射阵通常呈前视放置,因而与传统前视侧射阵机载雷达一样,不可避免地要面临杂波的距离非平稳问题.本文基于端射阵机载雷达杂波谱特性,提出了一种距离模糊下端射阵近程杂波补偿新方法.该方法以最远可检测距离单元为参考单元并增加了动目标约束保护条件,克服了存在距离模糊时基于杂波谱配准（Registration-Based Compensation,RBC）原理的传统补偿方法存在的目标相消以及计算量大的问题;同时针对可能存在的目标约束失配问题,进一步提出了基于虚拟波束的扩展补偿方法.计算机仿真结果验证了本文方法的有效性.     

基于传播算子的机载前视阵雷达杂波谱补偿方法

 针对机载前视阵中杂波多普勒频率随距离发生变化,导致杂波谱在距离上呈现严重的非平稳性,因此根据杂波模型提出了一种新的杂波谱补偿方法,该方法首先对接收数据进行分块处理来构造传播算子以获得杂波子空间,再将训练单元的杂波子空间向待检单元的杂波子空间进行投影得到一个变换矩阵,然后用这个变换矩阵对数据进行处理,使杂波谱得到补偿,最后利用空时自适应算法对补偿后的数据进行杂波抑制.仿真结果表明此方法有效地抑制杂波的非平稳性,提高了雷达抑制杂波的性能.     

端射阵机载雷达距离模糊杂波抑制方法

端射阵天线是指波束指向垂直于阵列法线方向的一类特殊雷达天线,由于其具有低剖面和定向辐射特性,因而特别适合用于机载雷达的补盲。本文基于端射阵机载雷达杂波回波模型,首先分析了端射阵机载雷达杂波谱在距离模糊情况下的杂波特性,并对目前三种存在距离模糊时典型近程非平稳杂波抑制方法的基本原理进行了介绍;其次基于端射阵机载雷达对典型方法的杂波抑制性能进行了仿真分析;最后综合考虑各种因素,对各种方法在端射阵机载雷达背景下的适用性进行了分析,并得出了有益结论,可为端射阵机载雷达非平稳杂波抑制方法的进一步研究提供重要参考。     

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.     

端射阵机载雷达杂波建模与杂波特性分析

端射阵天线是指波束指向垂直于阵列法线方向的一类特殊雷达天线,由于其具有低剖面和强定向辐射特性,因而特别适合用于机载雷达的补盲。首先,以均匀端射线阵为阵元组建了端射阵列天线,并在端射阵机载雷达几何模型的基础上对端射阵天线的方向图特性进行了分析;然后,进一步构建端射阵机载雷达的杂波回波数学模型;最后,对端射阵机载雷达的杂波空时谱以及在不同情况下的杂波距离-多普勒谱进行了仿真分析,并与传统侧射阵机载雷达的杂波谱进行了比较。理论与仿真结果表明:所建端射阵空时二维杂波模型是合理的,可为下一步开展端射阵机载雷达空时自适应杂波抑制方法的研究提供数据来源。     

距离模糊下天空双基地预警雷达杂波抑制方法

天空双基地预警雷达杂波具有严重的非平稳性,同时存在距离模糊,使得杂波抑制变得困难。针对考虑距离模糊时天空双基地预警雷达杂波抑制问题,基于子孔径平滑处理和重构杂波协方差矩阵的思想,提出了一种非平稳杂波抑制方法。首先对某一距离环杂波数据进行子孔径平滑处理,估计出子孔径下的杂波协方差矩阵;然后计算该距离环功率谱并作为幅度值,重构模糊距离环的杂波数据和协方差矩阵;最后利用重构数据对距离模糊杂波进行空时自适应处理。仿真结果验证了所提方法的有效性。     

一种利用双先验知识的稳健STAP算法

空时自适应信号处理（Space-Time Adaptive Processing, STAP）技术在空域和时域上联合地自适应抑制杂波,以实现对动目标检测。稀疏恢复空时自适应处理方法（Sparse Recovery STAP, SR-STAP）由于利用了杂波谱的稀疏性先验知识,可以缓解在机载雷达在非均匀环境下训练数据不足时,杂波抑制效果性能显著下降的问题。尽管SR-STAP只需要少量样本即可恢复出杂波谱并重构杂波协方差矩阵（Clutter Covariance Matrix, CCM）,其重构性能仍然受到训练样本数量的制约,当增加训练样本数量时,杂波谱恢复精度具有进一步提升的潜力。另一方面,当机载雷达的接收阵列为等间隔均匀线阵并且系统在一个相干处理间隔中脉冲重复频率恒定时,CCM可具有斜对称特性。该先验知识若被充分利用,可以将等效训练样本数量扩展为原来的两倍。本文将CCM的斜对称特性结合入SR-STAP的框架中,提出了一种稳健的SR-STAP算法,该算法同时利用CCM的斜对称特性和杂波谱稀疏性两种先验知识,能够在相同训练样本量下进一步提升杂波谱的恢复精度和CCM的估计精度。算法首先利用斜对称变换矩阵对从待检测单元中的数据和训练样本进行预处理,将等效训练样本数量扩展至原来的两倍;随后结合预处理后训练样本和一种协方差稀疏迭代算法,实现对CCM的准确重构并设计相应STAP滤波器。算法无需设置超参数,实际应用中易于操作。仿真结果表明,新算法能够有效提升杂波谱恢复的准确度,具有较好的杂波抑制性能。      

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。     

互耦效应下端射阵机载雷达STAP方法研究

互耦效应是阵列天线一个固有的重要属性,而端射阵天线由于其特殊的主波束指向以及抑制栅瓣所要求的小阵元间距,其阵列间存在的互耦效应比侧射阵更加严重.本文首先分析了互耦效应对端射阵天线方向图的影响,构建了存在互耦效应下的天线方向图模型;然后给出了考虑互耦效应的杂波模型并分析了互耦对端射阵机载雷达杂波谱以及STAP（Space-Time Adaptive Processing）性能的影响;最后提出了一种基于杂波协方差矩阵重构的互耦效应补偿方法.计算机仿真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...     

弹载导引头雷达ΣΔ-STAP低秩矩阵恢复检测方法

当弹载导引头雷达检测运动目标时,由于海杂波谱严重扩展,和差波束空时自适应处理（ΣΔ-STAP）方法抑制海杂波能力非常有限,提出了一种基于低秩矩阵恢复的弹载导引头雷达ΣΔ-STAP方法。该方法基于低秩矩阵恢复理论建立弹载导引头雷达ΣΔ-STAP信号模型,首先采用ΣΔ-STAP方法预处理海杂波;然后利用鲁棒主成份分析（RPCA）技术从距离多普勒数据矩阵中分离出含有目标成分的稀疏矩阵;最后从距离多普勒谱图中有效地检测出运动目标。仿真实验验证了该方法在低信噪比情况下的有效性和鲁棒性。      

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。     

一种基于改进A2DC的机载双基杂波谱补偿方法

机载双基预警雷达目标探测系统具有较高的安全性和稳健的探测性能,但其非理想探测构型会造成杂波的非平稳性。传统自适应角度多普勒补偿(A2DC)方法对每个距离门的杂波数据进行空-时两维谱中心的估计,能够有效地补偿双基杂波因复杂构型引入的非平稳误差。然而,当回波中有较强的目标干扰信号时,自适应角度多普勒补偿方法会错误地估计该距离门杂波信号的空-时中心频率,造成目标信号产生相消现象。针对该问题,文中提出一种基于改进的A2DC的双基杂波谱补偿方法。所提方法将自适应角度多普勒补偿和广义内积法相结合,在杂波非平稳误差初步补偿之后剔除含有“疑似目标”的非均匀距离样本;并用该距离门附近样本的杂波谱中心估计参数构成相应的补偿矩阵,对该距离单元杂波数据进行角度-多普勒域的谱误差精确补偿;最终根据双基杂波非平稳误差精细化补偿后的样本数据,实现地理杂波的有效抑制,且有效避免了动目标信号因空域相消导致信杂噪比严重降低的问题。机载双基雷达杂波抑制和动目标检测的仿真实验结果表明,所提方法在面对多目标信号干扰时具有优良的双基杂波距离依赖补偿效果,从而完成稳健的地理杂波对消和动目标信号的可靠探测。     

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。      

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。      

基于加权SPICE的MIMO-STAP稀疏恢复算法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在非均匀杂波条件下动目标检测性能严重下降的问题,引入了加权SPICE算法用于杂波谱的稀疏恢复。加权SPICE算法可以将一大类稀疏恢复算法纳入到统一框架下,根据加权矢量不同可得LIKES,SLIM和IAA算法。这些算法不需要设置任何超参数,基于杂波样本协方差矩阵通过迭代求解未知稀疏参数。仿真实验表明,使用这些稀疏算法恢复杂波谱,可有效提升所恢复杂波谱的准确性,能够更好地实现动目标检测。      

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。     

基于特征分解的多模杂波抑制方法

电离层对天波超视距雷达回波信号的污染严重制约了雷达对慢速目标的检测, 相位扰动与多模传播共存时, 更是加重了回波杂波谱的展宽.针对这一情况, 文中提出了基于特征分解的多模杂波抑制方法, 根据不同群距离单元上回波信号的相关性来选择群距离单元构造协方差矩阵, 通过一个模板滤波器对回波信号滑动滤波来确定回波信号模式个数, 从而可通过对协方差矩阵的特征分解来确定目标信号和噪声子空间, 继而完成杂波的抑制.该方法实现简单, 适合工程应用, 并且对实测数据的处理结果证实了该方法的有效性.