基于降维稀疏重构的高效数据域STAP算法研究

本文基于信号稀疏重构技术,研究利用待检测样本直接进行动目标检测的高效空时自适应处理（STAP ）方案。该方案对时域降维的阵元-多普勒域数据采用空域稀疏重构技术估计高分辨率角度-多普勒谱,进而基于稀疏空时谱研究知识辅助的动目标检测算法。理论分析和仿真实验结果表明：本文算法能有效抑制杂波实现慢动目标检测,且运算量小易于实时并行处理。     

降维STAP方法的两种基本形式的比较研究

降维时空自适应处理(Reduced-Rank STAP)已成为机载雷达杂波抑制中的关键技术,各种降维方法也层出不穷,该文指出实际上这些方法都可归于两种基本的形式,即基于广义旁瓣相消器(GSC)结构的形式和从输出信杂噪比(SINR)的特征空间出发的形式。由于基于本质上的不同形式来构成降维转换矩阵,这两类方法体现出不同的性能和降维潜力,该文通过理论分析和有无误差情况下的仿真实验对这两种基本形式进行了比较研究。     

一种稳健的降维STAP算法

首先分析了波束——多普勒域空时自适应降维原理,并深入研究了两种典型的波束——多普勒域降维算法：局域联合法（JDL）和广义相邻多波束法（GMB）,结合两种算法的优点提出了一种稳健的降维STAP算法。该算法适当地增加辅助波束,以较小的运算量为代价,克服了一般降维算法对阵元幅相误差敏感的问题,且主杂波区性能较好,适用于非均匀...     

非均匀杂波背景下STAP降维算法研究

机载雷达对地观测时,面临由于平台运动引起杂波谱展宽,平台偏航引入垂直基线使杂波谱对高程敏感,导致方位与距离模糊。复杂地物场景局部杂波散射强度变化以及大量目标干扰等非理想因素,致使杂波分布非均匀,严重制约了杂波抑制性能与动目标检测性能。针对上述问题,本文所采用的空时自适应处理(STAP)降维算法可以有效解决慢速运动目标低检出问题,提高非均匀杂波背景下杂波的抑制能力,增强运动目标的检测性能。其特点在于：利用多维域数据实现在线地物区域划分,增大有效样本容量,样本充足条件下直接估计杂波加噪声协方差矩阵实现杂波抑制。针对孤立离散杂波、干扰,结合杂波谱重构解决单样本下的地形杂波抑制与干扰对消,通过实测数据分析证明了本文所提算法的有效性。     

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。     

基于SA-MUSIC理论的联合稀疏恢复STAP算法

基于子空间扩展多重信号分类(SA-MUSIC)理论对杂波空时二维谱进行联合稀疏恢复,实现小样本情况下空时自适应处理(STAP)性能的显著提升.首先,提出空时导向矢量相关性模型,利用该模型分析杂波在空时二维平面上的稀疏本质,解释用部分空时导向矢量近似整个杂波子空间的合理性.其次,提出基于SA-MUSIC理论的联合稀疏恢复STAP算法(SA-MUSIC-STAP),该算法仅需极少训练样本便可实现对杂波协方差矩阵的准确估计,并实现有效的杂波抑制.仿真实验验证了SA-MUSIC-STAP算法的有效性.     

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。      

基于特征空间的降维STAP方法比较研究

系统接收数据的杂噪协方差矩阵完整地包含了杂波和噪声信息,将其做特征分解(EVD)而得到的特征空间,可将杂噪能量按序排列,且各特征矢量相互正交且统计独立.基于特征空间作自适应处理,特别是降维自适应处理,便于探寻理论上的最佳方案.本文分别讨论了互谱法(CSM)、最小功率特征对消(MPE)以及最小范数特征对消(MNE),从特征结构阐明了三种方法的内在关系,比较了它们的杂波抑制性能.     

地面慢速目标检测的STAP方法

本文研究机载火控雷达检测地面慢速目标的空时二维处理方法.由于机载火控雷达是前视阵,工作波长短,载机运动速度快,脉冲重复频率低,使得杂波多普勒频率多重模糊,主瓣杂波带宽大,常规处理性能很差.本文重点分析了机载火控雷达检测地面慢速目标的特点,指出主瓣杂波是制约系统检测性能的主要因素,并结合这些特点比较了机载火控雷达滤除主瓣杂波的时空级联自适应处理和空时联合自适应处理的区别,比较了几种情况下系统对慢速目标的检测性能.     

机载MIMO雷达两级降维杂波抑制方法

该文针对机载MIMO雷达杂波抑制问题,提出一种低复杂度的空时自适应处理(STAP)方法。首先利用多普勒滤波对杂波信号进行时域降维处理;然后将空域发射-接收2维波束形成权向量表示成发射权和接收权的Kronecker积,并建立关于这两个权值的二元二次代价函数从而实现空域二次降维;最后提出最小化代价函数的双迭代算法,交替优化两个权值。仿真结果表明该算法收敛速度快,运算量小,尤其在小样本条件下其杂波抑制性能显著优于mDT方法。     

基于降维空时自适应信号处理的多阵元宽带干扰抑制方法

为了有效抑制宽带压制干扰,本文采用降维空时自适应信号处理算法,对干扰位置固定星位置变化和星位置固定干扰位置变化进行仿真,在不增加导航接收机设计复杂度和运算量的情况下,实现宽带干扰的有效抑制.     

一种基于互谱思想的STAP降维方法

全空时自适应处理在工程实现中因计算量大、独立同分布样本难以获取等问题而使应用受到一定限制,在传统互谱法以及杂波协方差矩阵特征向量分解法两种空时自适应处理降维算法的基础上,提出了一种新的基于互谱思想的协方差矩阵特征向量分解算法,该方法根据不同的互谱值对应的信噪比损失的大小不同这一原理构造降维矩阵,有效地降低了运算量,并能够形成较好的杂波滤波凹口,实现了滤除杂波的性能,文中经过实验仿真验证了该方法的有效性。     

基于发射波束域-三迭代的机载MIMO雷达STAP方法

针对传统机载多输入多输出(MIMO)雷达空时自适应处理(STAP)中由于发射功率分散而造成的输出信杂噪比(SCNR)下降的问题,该文提出一种基于发射波束域-三迭代的机载MIMO雷达STAP方法。首先建立了发射波束域MIMO雷达STAP的信号模型,并且给出了发射波束加权矩阵的优化设计准则,能够使发射功率聚集于感兴趣的目标空域。然后对发射波束域MIMO雷达的杂噪比(CNR)进行分析,表明其与发射总功率的关系,理论推导显示：相比于全向等功率发射的传统MIMO雷达CNR,发射波束域MIMO雷达CNR减小。同时,为进一步降低发射波束域MIMO-STAP的训练样本数需求与运算复杂度,采用三迭代算法进行权值降维求解。理论分析与仿真实验结果表明：通过相应的三迭代降维处理,发射波束域MIMO-STAP与传统全向等功率发射MIMO-STAP相比能够获取更加优越的输出SCNR性能,且运算量进一步降低。因此,本文提出的发射波束域-三迭代方法具有重要的工程应用价值。     

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.     

基于降维处理的MUSIC二维DOA估计算法

针对 MUSIC(多重信号分类法)估计方法实现二维 DOA(波达方向)估计的计算量大且遍历搜索耗时的问题,给出了一种基于降维处理的 MUSIC 算法。该算法无需进行二维谱峰值搜索。该算法利用二次优化方法将二维 DOA 估计分解为一维 DOA 估计,先通过一维 MUSIC 估计获得信号与 x 轴夹角,再利用最小二乘算法估计获得信号与 y 轴夹角。最后利用角度关系式得到信号的二维 DOA 估计值。该算法的复杂和搜索范围都大大降低,仿真表明,该算法具有较好的角度估计效果。     

基于频率非均匀采样杂波谱配准的天基雷达STAP方法

地球自转和非正侧面阵配置会使得天基雷达杂波谱随距离发生变化,呈现出非平稳性,从而严重影响统计STAP方法的杂波抑制性能。为了补偿这种非平稳性,该文提出了一种基于频率非均匀采样的杂波谱配准方法,建立了非均匀谱配准法的数学模型,给出了频率非均匀采样点的选取方法以及谱配准后杂波协方差矩阵的估计方法等。通过对天基雷达的仿真实验表明,上述谱配准法可有效消除杂波非平稳性,获得较好的处理性能。     

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。     

基于CUT自身先验知识的STAP

在空时自适应处理（STAP）中,通常使用训练样本来估计杂波协方差矩阵（CCM）。在本文中训练样本仅用来估计部分杂波协方差矩阵,大部分杂波协方差矩阵由待检测单元（CUT）计算。注意到CUT具有先验知识：只有待检测的频率通道可能包含目标信号,而其他频率通道只有杂波。因此,提出了一种基于CUT先验知识的STAP方法。这种方法将待检测单元的杂波分为两部分来重建：第一部分是待检测频率通道的杂波成分,该部分可能混有目标信号,因此通过训练样本来估计;第二部分是其他频率通道中的杂波,这部分可直接从CUT中提取,不需要估计。