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。      

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。     

端射阵机载雷达稀疏恢复非平稳杂波抑制方法

针对端射阵机载雷达杂波谱存在的距离非平稳问题,提出了一种基于稀疏恢复的距离模糊杂波抑制方法。该方法首先通过稀疏恢复理论建立杂波回波数据的欠定方程,并结合欠定系统局灶解法求得杂波的空时谱分布,重构出每个距离门的杂波协方差矩阵;然后,以最远可检测距离单元为参考单元对杂波数据进行补偿,并进行目标约束;最后,基于补偿后的数据进行空时自适应杂波抑制处理。与传统端射阵距离模糊杂波谱补偿方法相比,该方法的杂波协方差矩阵估计精度高,杂波抑制性能更优。理论分析和仿真结果验证了该方法的有效性。     

复杂地形环境下基于GAMP-STAP的低空风切变风速估计方法

针对机载气象雷达在复杂的地形环境下探测低空风切变时,地杂波呈现非均匀特征和难以获取足够的独立同分布(IID)样本,导致空时自适应处理(STAP)杂波抑制性能变差,使得风切变风速估计不准的问题。该文基于杂波信号稀疏特性,提出一种广义近似消息传递(GAMP)STAP方法,GAMP-STAP仅利用少量的样本在复杂地形环境下实现了风速较准确的估计。该方法首先利用杂波脊的先验信息构造稀疏字典,然后在贝叶斯框架下利用GAMP算法估计杂波幅度,恢复杂波功率谱,进而计算杂波协方差矩阵,最后构造STAP滤波器实现杂波抑制以及风切变风速估计。后续实验仿真结果证明了该方法的有效性。     

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。     

离网误差迭代自校正STAP算法

基于稀疏恢复技术的空时自适应处理(Sparse Recovery Space-Time Adaptive Processing,SR-STAP)方法提升了动目标检测性能.然而,当出现离网效应时,SR-STAP算法的杂波抑制性能下降.为了解决离网效应问题,本文提出了一种离网误差迭代自校正STAP算法.该算法首先从常规ST...     

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。      

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。     

基于主瓣杂波高效配准的机载非正侧视阵雷达STAP 算法研究

该文针对机载非正侧视阵雷达杂波距离空变特性,提出基于主瓣杂波高效自适应配准的STAP 算法。为降低运算量,采用时空级联方法首先精确估计主杂波多普勒频率,然后采用稀疏重构技术估计主杂波的空间角频率,进而对不同距离单元的主杂波进行2 维配准,最后采用3DT 进行杂波抑制。仿真实验表明,经主杂波配准后,3DT改善因子在主杂波区提高了约18 dB,显著提高了对慢动目标的检测性能,且该文方案实时处理的运算量小。      

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.     

直接数据域的自适应匹配滤波方法

 研究机载预警雷达非平稳杂波抑制问题. 在获得单个距离门回波数据的最小均方谱分布基础上,利用最小二乘方法和clearing技术拟合杂波谱分布特性并重构无空时孔径损失的杂波子空间,采用自适应匹配滤波方法检测运动目标. 能有效解决传统直接数据域方法存在的空时孔径损失和传统统计空时自适应处理（STAP）方法在非平稳杂波环境存在的性能严重下降,仿真结果表明本文方法能获得良好的动目标检测性能.     

基于卷积神经网络的天基预警雷达杂波抑制方法

利用天基预警雷达实现动目标指示具有重要的军事应用价值。对于天基预警雷达,其平台高速运动及受地球自转影响导致杂波复杂非平稳性,更大的波束照射区域带来更严重的杂波非均匀性,从而导致适用于机载预警雷达的传统空时自适应处理(STAP)方法无法直接应用。针对上述问题,该文分析了天基预警雷达杂波分布特性,并构建了基于卷积神经网络(CNN)超分辨谱估计的STAP处理框架。首先,利用雷达系统和卫星轨道参数,仿真随机生成不同纬度、距离门、阵元误差、杂波起伏和地貌散射系数的回波数据集;然后,设计并调优了含5个权重层的二维CNN,实现由小样本所估低分辨杂波谱到高分辨谱的非线性映射;最后,基于高分辨空时谱构造空时滤波器实现杂波抑制和目标检测。仿真实验验证所提方法在小样本条件下可实现次最优杂波抑制性能,同时所需在线运算量远低于现有稀疏超分辨类方法,因此适用于天基预警雷达实际应用。      

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.     

一种稳健的非均匀杂波协方差矩阵估计方法

在非均匀环境下,针对传统样本挑选、样本加权等方法由于数据利用率低导致独立同分布训练样本不足的问题,该文提出一种在空时2维谱平面联合距离维逐空-时频点谱估计与滤波的协方差矩阵估计方法。该方法根据杂波和目标在距离-空时2维谱平面的分布特性,逐点频估计待检测单元杂波谱,并采用中值滤波方式消除目标污染对地物杂波谱估计的干扰;最后重构无空时孔径损失的杂波协方差矩阵。仿真结果表明,相比于传统非均匀统计STAP方法,所提的距离-空时2维谱滤波方法能够在样本数不足时有效缓解目标信号污染、离散地形杂波或孤立干扰引起的STAP性能下降问题。     

WAS-GMTI模式下基于Relax算法的杂波抑制和参数估计方法

该文提出一种基于Relax算法的杂波抑制和参数估计方法。该方法适用于多通道广域监视GMTI系统。在分析广域监视模式回波组成的基础上,结合Relax算法,设计了进行杂波抑制的迭代方法。相对于降维空时自适应处理(STAP),该方法不需要估计杂波加噪声的协方差矩阵,因此可以在非均匀杂波环境下取得较优的杂波抑制效果。该文同时指出,在杂波抑制的基础上,针对存在动目标的距离-多普勒单元继续进行迭代,可实现动目标参数的精确估计。仿真结果验证了上述方法的有效性。     

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。