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。     

基于多帧观测联合感知的空时自适应处理

在机载雷达体制中,空时自适应处理STAP(Space-Time Adaptive Processing)可有效抑制杂波并显著提高雷达对慢动目标的检测性能.但是在非均匀环境中,缺乏独立同分布的训练样本会使STAP性能严重下降.针对这个问题,本文提出一种基于多帧观测联合感知的空时自适应处理方法.该方法交替发射正交信号和普通的相控阵信号.检测前,通过当前及先前的环境回波感知观测场景获取杂波信息;检测时,先利用杂波信息结合平台参数及系统参数估计杂波协方差矩阵,再将估计的协方差矩阵与样本协方差矩阵进行组合以构造空时滤波器,抑制杂波,提高输出信杂比.仿真结果表明,与现有的知识辅助类STAP算法和降维算法相比,该方法在缺乏准确先验知识的情况下,可以有效地抑制非均匀杂波.     

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。     

基于环境动态感知的空时自适应处理

在非均匀环境中,缺乏独立同分布的训练样本会使空时自适应处理(Space-Time Adaptive Processing, STAP)算法性能严重下降。针对这个问题,该文提出一种基于环境动态感知的空时自适应处理方法。该方法首先通过发射一组正交信号感知观测场景获取杂波信息;然后利用杂波信息结合平台参数及系统参数预测未来一段时间内杂波的协方差矩阵;最后将预测的协方差矩阵与样本协方差矩阵进行组合以构造空时滤波器。仿真结果表明,与传统的知识辅助类STAP算法相比,该方法在缺乏准确先验知识的情况下依然可以有效地抑制非均匀环境中的杂波。     

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.     

极化-空域联合抗机载雷达欺骗式主瓣干扰

机载雷达欺骗式主瓣干扰不仅会引起大量虚警,还会污染空时自适应处理(STAP)器的训练样本,引起自适应方向图畸变,导致期望信号相消和杂波抑制性能下降。针对此问题,利用目标信号与干扰信号极化特性的差异,该文提出一种极化-空域联合自适应波束形成的方法来抑制欺骗式主瓣干扰。该方法首先在多普勒清晰区挑选干扰样本,并采用特征融合技术估计干扰协方差矩阵,然后采用重叠滑窗的子阵合成方式进行极化-空域联合自适应波束形成,在抑制主瓣干扰的同时为后续杂波抑制保留了空域自由度,最后通过STAP抑制剩余的杂波。该算法可以有效滤除密集欺骗式干扰,减少由其引起的虚警,改善机载STAP雷达的杂波抑制性能。仿真结果验证了该方法的有效性。     

部分均匀海杂波中分组加权的协方差矩阵估计

本文主要研究空间部分均匀海杂波背景下协方差矩阵的估计问题。海杂波的空间部分均匀性和假目标干扰的不可避免性导致利用传统算法来估计海杂波协方差矩阵时存在较大的估计误差。为了减小该估计误差,本文对海杂波的参考样本进行分组处理,利用纹理的最大后验估计值作为加权系数,提出了分组加权样本协方差矩阵估计算法。考虑到假目标干扰的存在,利用协方差矩阵之间的差异提出了一致性因子,以确定干扰所在的分组,并剔除干扰。实测数据的实验结果表明,在存在假目标干扰的空间部分均匀海杂波背景下,本文提出的分组加权协方差矩阵估计算法不仅能有效剔除假目标,而且优于不分组算法约3dB。      

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.     

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.     

机载雷达的预滤波直接数据域算法

空时自适应处理(STAP)作为一种地杂波环境下机载雷达自适应检测小目标的方法已得到广泛研究,干扰非一致性是当前的一个重要方面。由杂波脊外的强干扰(或目标)引起的分立非一致性是市区和尖峰状杂波环境下STAP性能下降的主要原因。利用级联算法得到的自适应权可用于STAP干扰的分立非一致性问题。该方法由一个直接数据域算法和一个统计自适应算法级联构成。该文提出一种带杂波衰减预滤波器的直接数据域算法来增强算法对分立非一致干扰的抑制,从而提高了STAP对付分立非一致干扰的性能。     

子空间干扰非高斯杂波的抑制

在复杂电磁环境下,往往需要在线估计杂波协方差矩阵,从而自适应调整滤波器权值,实现对杂波的有效抑制,这样有利于目标的估计、检测、定位或跟踪。该文考虑非高斯杂波模型,且部分杂波受到子空间信号干扰,并且有用信号也位于该子空间内。常规方法会导致自适应滤波器在目标多普勒频率处有较大的衰减,极大影响了有用信号的探测。为此提出了一种知识辅助的分层贝叶斯模型,采用变分贝叶斯推断方法获得杂波协方差矩阵的近似后验分布,利用后验均值设计杂波抑制滤波器,可以有效提高目标的探测性能。计算机仿真和实测数据验证结果表明,该方法能够有效抑制杂波,而在目标处有较好的探测能力。      

一种基于STAP的多通道SAR噪声干扰抑制方法

随着合成孔径雷达(SAR)的广泛应用,针对SAR的干扰技术也不断发展.首先分析了SAR噪声干扰技术的特点,提出了一种基于空时自适应处理(STAP)的多通道SAR噪声干扰抑制方法,原理是通过对总干扰协方差矩阵的特征子空间分析,将多通道SAR回波数据投影到杂波子空间以及干扰子空间的垂直子空间,以实现噪声干扰信号的抑制,与通常的自适应波束形成方法相比,子空间方法对存在主波束内的噪声干扰具有更好的抑制效果,数据处理的结果验证了该方法的有效性.     

多基地极化雷达主瓣干扰抑制算法

现代战场电子对抗日益复杂,电磁干扰形式多样,当干扰从接收机主瓣进入会形成主瓣干扰。主瓣干扰严重影响雷达正常工作,传统空域、极化域、时频域等抗干扰算法都很难有效对其抑制。为有效抑制主瓣干扰,文章利用目标极化散射特性在不同角度存在差异的特点,提出基于多基雷达的空-极化协同滤波主瓣干扰抑制方法。方法首先采用主瓣保形技术在空域抑制副瓣干扰并压低空间噪声,然后将多基地雷达接收的数据进行时域对齐,计算包含主瓣干扰和回波信号的数据协方差矩阵,通过分解协方差矩阵在空-极化信号空间识别干扰,估计回波信号导向矢量,最后将目标回波与主瓣干扰通过多基地极化滤波,滤除主瓣干扰保留目标回波信号。通过仿真算法抑制噪声干扰与转发干扰,验证了所提算法能够有效对抗主瓣干扰,有效提高输出信干噪比。      

有源干扰条件下机载MIMO雷达STAP协方差矩阵秩的分析

该文分析了正侧阵机载MIMO雷达杂波加有源干扰协方差矩阵的结构,得到杂波加有源干扰协方差矩阵秩的上界为杂波的秩与有源干扰的秩之和减去有源干扰个数。并由此得到MIMO雷达杂波加有源干扰协方差矩阵非满秩而SIMO雷达杂波加有源干扰协方差矩阵满秩时有源干扰个数的范围。当有源干扰的数目在此范围时,SIMO雷达的理论性能严重下降,而MIMO雷达在理论上仍然有足够的自由度来抑制杂波和有源干扰,从而保证有较好的性能。通过仿真实验验证了上述结论。     

A hybrid STAP approach to target detection for heterogeneous scenarios in radar seekers

Adaptive detection of moving targets on the sea is important for radar seekers. Recently, more attention has been paid to the deleterious effect of clutter heterogeneity on space-time adaptive processing (STAP) for pulse Doppler radar. Since secondary samples are no longer statistically independent and identically distributed (IID) in heterogeneous environments, this is subjected to a great challenge to target detection for radar seekers. Due to the fact that chaff jamming severely affects the performance degradation of target detection, the hybrid detection algorithm is proposed to suppress the sea clutter and chaff jamming. Firstly, the range cells can be classified into two regions according to the power, namely clutter region and hybrid region. Then we propose different algorithms to process two regions. The fixed point (FP) estimator is used to estimate the clutter covariance matrix in clutter region. While the power selected training (PST) algorithm is used to select the homogeneous secondary samples, and an algorithm based on two-step subspace projection for hybrid interference suppression is presented in hybrid region. Finally, the proposed Pareto-based generalized likelihood ratio test (PBGLRT) detector can detect the slowly moving targets in heterogeneous interference. Simulation results show that the PBGLRT detector outperforms both the low rank normalized adaptive match filter (LRNAMF) and normalized adaptive match filter (NAMF) detectors against interference heterogeneity.     

基于DDD-GMB的低空风切变风速估计方法

当机载气象雷达在非均匀地杂波环境下探测低空风切变时,会遇到杂波协方差矩阵估计不准确问题,从而影响风速的正确估计。针对上述问题,本文提出一种在非均匀地杂波环境下基于直接数据域-广义相邻多波束（Direct data domin-Generalized adjacent multiple-beam,DDD-GMB）的低空风切变风速估计方法。首先,在非均匀地杂波环境下直接对待检测距离单元进行杂波协方差矩阵估计;然后利用空域相邻多波束和时域相邻多普勒通道构造空时降维处理器,在降低系统自由度的同时,也降低了对训练样本数的要求,最后构造代价函数估计得到风速。仿真结果表明,本文方法可以在非均匀地杂波环境下精确的估计风速。      

联合距离门的杂波抑制方法研究

在实际环境中,目标的点散射函数不再是理想的德尔塔函数,导致待检单元中的信息会泄漏到相邻的训练单元,这将造成杂波协方差矩阵估计的不准,因此本文提出一种联合距离门的空时自适应处理方法。该方法先通过时域滑窗后滤波的处理方式来降低杂波的自由度,再利用相邻距离门上数据相关性进行联合处理,最终构造出新的杂波协方差矩阵,消除因数据信息泄露带来的影响,以达到消除地杂波的目的。最后将该方法应用于实测的数据处理中,证明了该方法的可行性和有效性。