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。     

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。      

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.     

基于迭代自适应的字典校正空时自适应处理算法

本文针对稀疏恢复空时自适应处理(Space-Time Adaptive Processing, STAP)由于字典设置不合适引起的离网效应，提出了一种基于迭代自适应(Iterative Adaptive Approach, IAA)的字典校正STAP算法。首先在IAA的每次迭代中，找到原始空时导向字典中每个量化空间频率最大功率对应的原子，围绕选定的原子，将其附近的多普勒频率均匀离散成一个集合，然后通过最大化联合似然函数在局域中搜索最优原子，并将选定的原子替换为最优原子，最后通过IAA的全局迭代，选择与杂波脊匹配的原子形成新的空时导向字典。实验证明，该方法可以有效地减轻离网效应引起的杂波脊扩展，杂波抑制性能优于现有的空时导向字典均匀离散化的IAA-STAP方法。      

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.     

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。     

基于知识辅助的网格失配下SR-STAP字典校正方法

基于稀疏恢复的空时自适应算法（Sparse Recovery Space Time Adaptive Processing, SR-STAP）能有效改善机载雷达在复杂环境下对杂波的抑制能力,通常是将空时平面均匀离散为若干个网格来构造字典。然而,真实的杂波点往往不能落在预先离散的网格点上,此时会出现离网效应,导致SR-STAP的性能降低。本文针对此问题,提出了一种基于知识辅助的字典校正方法。首先利用载机平台参数等先验知识均匀离散空间频率,然后计算和修正多普勒频率,并根据先验知识修正空间频率,最后利用修正后的空间频率和多普勒频率对应的空时导向矢量来构造超完备稀疏字典。仿真结果表明,与传统字典构造算法相比,该字典校正方法有效克服了离网效应,改善了STAP的性能。      

基于局部搜索的机载外辐射源干扰抑制算法

在机载外辐射源雷达不纯净参考信号条件下,参考通道中的多径与回波匹配得到的干扰将降低空时自适应处理的目标检测能力,而网格失配问题严重影响了干扰的估计性能.本文针对网格失配下的机载外辐射源干扰抑制问题,提出一种基于局部搜索的干扰估计算法.该算法在干扰稀疏观测模型的基础上构建全局距离-多普勒字典,从中选择与干扰相匹配的全局网格点;然后以该全局网格点为中心,对多普勒平面精细划分来构建局部多普勒字典,并选择与干扰更匹配的局部网格点;最后估计干扰的距离-多普勒像以实现干扰抑制,克服不纯净参考信号的影响.仿真结果表明,所提算法可降低网格失配导致的抑制性能损失,有效提高不纯净参考信号下空时处理的目标检测能力.     

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lp 范数的离格稀疏空时自适应处理算法

稀疏恢复（Sparse Recovery, SR）空时自适应信号处理（Space Time Adaptive Processing, STAP）仅需要少量的杂波样本即可有效抑制杂波,但是稀疏恢复空时自适应信号处理依赖于空时字典,当载机运动方向与天线放置方向存在偏航角时,杂波脊偏离空时字典格点,出现离格问题,从而导致杂波抑制性能下降。已有的基于l1范数类的离格稀疏恢复算法在存在噪声时性能下降,没有充分利用杂波的稀疏性,文章提出一种基于lp(0<p<1)范数的离格空时自适应处理算法,首先将建立基于空时字典更新的稀疏恢复空时自适应模型,然后将该模型松弛为lp(0<p<1)范数的非凸优化问题,最后利用主函数最大化算法将该优化问题转化成凸优化问题,利用两层迭代求解的方法得到该问题的解,最后利用模型的解估计杂波协方差矩阵。通过仿真实验表明,提出的算法能够提高存在离格问题时的杂波恢复精度,抑制杂波的性能也优于已有的基于变分推断的算法。