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。     

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.     

机载非正侧视阵知识辅助STAP方法

机载非正侧视阵的近程杂波具有严重的距离依赖性,在距离模糊条件下,现有的空时自适应处理(Space-Time Adap-tive Processing,STAP)算法难以对其进行有效抑制,为此提出了知识辅助的STAP处理方法。通过使用新的样本选择策略,以及改进的针对近程杂波的知识辅助协方差矩阵模型,该方法在处理非正侧视阵近程杂波时的性能接近最优,远高于一般的基于样本估计协方差矩阵的方法,并克服了缺少训练样本的问题。仿真结果证明了该方法的有效性。     

基于自适应分区的非平稳杂波抑制方法

对于非正侧视阵机载雷达,杂波在近程表现出严重的非平稳性,在距离模糊情况下近程微弱目标和近程非平稳强杂波混叠,导致传统空时自适应处理（Space-Time Adaptive Processing,STAP）方法的运动目标检测性能严重下降。为了解决该问题,本文提出了一种基于自适应分区和正交投影的机载雷达非平稳杂波抑制方法。首先,基于回波数据在距离-多普勒域将机载雷达回波自适应划分为非平稳杂波区、平稳杂波区和清晰区,然后在非平稳杂波区采取俯仰维正交投影级联STAP处理,在平稳杂波区采取传统STAP处理,在清晰区采取传统PD处理。该方法能够显著提升机载雷达在全距离和全速度域的目标探测性能。仿真实验验证了所提方法的有效性。     

基于联合稀疏功率谱恢复的机载雷达稳健STAP算法研究

机载雷达信号的空时自适应处理（STAP,Space-Time Adaptive Processing）需要利用样本数据来估计杂波协方差矩阵.非均匀杂波环境中的离群点会使协方差矩阵的估计出现偏差,从而导致信号相消现象.针对此问题,本文提出一种基于联合稀疏功率谱恢复的STAP算法（JSR-STAP）处理非均匀杂波,以克服离群点对正侧视模式机载雷达的STAP性能的影响.JSR-STAP算法在高分辨稀疏恢复的条件下,利用多快拍间杂波和离群点的分布规律和相关性不同,通过范数选择合适的稀疏恢复系数来实现离群点的抑制.Monte Carlo实验证明JSR-STAP算法的稳健性和动目标检测性能均优于传统的STAP算法.     

基于俯仰维信息的机载雷达非均匀杂波抑制方法

 针对机载雷达天线非正侧放置导致的非均匀杂波抑制问题,从利用阵面俯仰维信息的角度出发给出了一类解决方法.本文首先分析了机载雷达阵面非正侧放置情况下待检测距离单元的杂波构成,得到由俯仰副瓣引入的近程杂波是导致杂波非均匀的关键因素这一结论;然后给出了利用俯仰自适应波束形成级联两维空时自适应处理(2D STAP)方法来抑制非均匀杂波,同时从本质上阐述了俯仰-方位-多普勒3D STAP方法在非均匀杂波环境下具有良好杂波抑制性能的内在机理.最后通过仿真验证表明,利用俯仰维信息类STAP方法在非正侧阵导致的非均匀杂波环境下具有良好的杂波抑制性能.     

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.     

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。该算法首先从常规全局STAP字典中选取了功率谱值较高的网格点来构建大字典。其次,从大字典中找到与杂波点匹配度较高的原子为中心,构建局部STAP字典;接着,利用贝叶斯后验概率最大思想进行局部搜索,找到与杂波点匹配度最高的网格点。最后,得到了经过修正后的STAP字典和最优STAP滤波权值,优化了离网情况下STAP算法性能。通过仿真验证了算法消除离网误差的有效性。