一种可用于预白化类空时自适应处理中的阵元误差校正算法

在非均匀杂波环境中,预白化类空时自适应处理(STAP)具有较高的收敛速度,可显著提高雷达的杂波抑制性能。但在实际阵列接收系统中,阵元误差的存在会使预白化类STAP性能严重下降。针对此问题,提出了一种基于杂波回波的阵元误差校正算法。该算法首先将阵元误差表示为方位依赖的幅相误差;然后将空间各个方位的主瓣杂波作为校正源,利用其阵列输出协方差矩阵的Toeplitz结构会在阵元误差影响下发生改变的特性,估计相应方位的阵元幅相误差;最后利用估计的幅相误差校正先验协方差矩阵和假定目标的导向矢量。仿真结果表明:当阵列接收系统存在阵元误差时,阵元误差校正算法可明显改善预白化类STAP算法的杂波抑制性能。     

用于冷、热杂波综合抑制的最佳降秩三维空时自适应处理

本文提出了一种新的信号处理策略，它采用最佳的与信号有关的降秩来解决三维STAP（空时自适应处理）冷、热杂波抑制问题。虽然只采用空间（角度）PRI时间（多普勒）自由度，常规的二维STAP也能抑制单站（“冷”）杂波和直接路径干扰，然而，要抑制由干扰源地形散射干扰造成的所谓“热”杂波，还需要附加“快时间”自由度（在接收机带宽的倒数量级上）。引入了三维旁瓣对消器（Wiener滤波器）的多级分解，以评估降秩的理论性能限，并验证采用这种方法获得紧密干扰压缩的可能性比主分量方法获得的可能性最大。采用基于DTED测量的高保真模拟数据集合说明了3D STAP的多级Wiener滤波方法的功效。     

试验机载监视雷达地面动目标识别的多普勒后和多普勒前STAP的雷达杂波对消性能比较

本文报导了多普勒前和多普勒后STAP处理算法用于相同试验数据时的性能比较研究，这些数据由QinetiQ公司改进型监视雷达收集。这两种算法的性能是用杂波对消比和目标信号改善因子（有STAP和没有STAP处理的信号对杂波加噪声之比）来定量研究的。结果表明可以使多普勒前和多普勒后STAP具有相同的杂波对消水平。 所得到的结果是明亮的目标特征会影响到STAP处理器并减弱全部的杂波对消。我们已经发现对于两个相位中心试验雷达数据而言，与简单的固定窗多普勒后STAP算法相比，PRI来回变化的多普勒后STAP使杂波对消有很大的提高。还发现动窗或辅助单元多普勒后STAP的应用会降低处理器的输出。将最后距离多普勒图归一化以防止热噪声的加强并去除随着多普勒而改变的权范数的变化，这是在STAP处理后进行探测算法解读和应用关键的一步。     

协方差矩阵结构的广义杂波分组估计方法

针对球不变随机向量建模的相关复合高斯杂波背景下雷达目标自适应检测的协方差矩阵结构估计问题,将均匀杂波分组方法进行推广和改进,提出了杂波协方差矩阵结构的广义迭代杂波分组估计（GRCCE）方法。首先,在广义杂波分组背景下利用最大似然方法推导了协方差矩阵结构估计的迭代过程;其次,基于杂波分组思想,给出了广义杂波分组估计(GCCE),利用GCCE作为初始化估计矩阵进行迭代,得到协方差矩阵结构的GRCCE;最后,通过仿真对方法的有效性进行了检测,结果表明,GRCCE只需要一次迭代就能达到收敛,估计精度随着杂波一阶相关系数的增大而提高,而不受纹理分量参数变化的影响。与现有方法相比GRCCE适应杂波环境更广,估计精度更高,而且计算量更小。     

匹配子空间STAP的空时自回归滤波

实用的空时自适应处理（STAP）算法取决于降维处理，采用了诸如主要分量或部分自适应滤波器的技术。降维不仅可以减轻计算量，还能减少估算干扰统计所需的采样。这样的结果源于假设杂波方差具有特定（非参数）结构。我们验证了如何将参数结构加在杂波和干扰上，以进一步减少计算和二次采样。这个方法称为空时自回归（STAR）滤波，它采用了两个步骤：首先，构造一个结构子空间，该子空间正交于有杂波和干扰驻留的结构子空间，其次，用与该子空间匹配的检测器可确定是否有目标存在。我们采用圆形阵STAP的实际仿真数据组，证实了该方法能够显著地降低信号-干扰与杂波比（SINR）的损耗，且计算量小于其它常用算法。在低2次采样情况下该STAR算法同样能取得很好的性能，这个特点对非平稳杂波的状况更有吸引力。     

最佳STAP的FFT共轭梯度法

提出了一种解决最佳空时自适应处理问题的快速共轭梯度迭代算法。可以用FFT实现该方法，办法是利用具有干扰协方差矩阵托普利兹块（BTTB）结构的块托普利兹矩阵。因此与对矩阵求逆的方法相比显著降低了计算的复杂性。为了说明上述方法的有效性，本文给出了计算机仿真结果。     

机载雷达系统中的空—时自适应处理

本文概述了空—时自适应处理(STAP)在现代雷达系统中，尤其是在强干涉和人为干扰下的机载雷达系统中的应用情况。简要介绍处理方法后，叙述了STAP在导致非平稳信号环境的热杂波和非均匀雷达环境中STAP的应用结果。分析了在这种实际情况下采用STAP处理所存在的局限。结尾部分为使用圆形阵列所得到的一些STAP近期结果。     

雷达系统抑制干扰的性能界

探讨了机载雷达系统的干扰抑制问题，同时考虑了由于干扰源（干扰机等）引起的热杂波（地形散射干扰）和雷达发射机反射而产生的冷杂皮，提出了计算在特定地形状况下观测到的空时协方差矩阵的一种新方法。这种方法考虑了与雷达位置有关的现象学数据以及系统效应，如阵列几何、接收机滤波和系统带宽。这种方法与用采有样数据分析来估计协方差矩阵的普通方法有很大的区别。这种新方法允许对特定的非均匀地形环境直接计算干扰抑制的程度。根据这些结果，我们可以推导出较为严格的性能界，这比热本底限更具意义。     

采用实时MTI处理的双通道雷达系统的飞行试验结果

讨论了实时空时自适应处理（STAP）的两种应用：首先是STAP可以用来抑制杂波和干扰；此外可以用由STAP获得的杂波滤波系数来确定SAR图像中动目标的正确位置。给出了这种实时STAP技术的结果和动目标重新定位技术的结果。用实际SAR数据和测量期间所记录的动目标验证了杂波抑制质量和动目标重新定位精度。     

用自适应INS、单脉冲MUSIC和STAR（AIMS）进行目标瞄准

利用目标信号估计目标角度会受到主波束干扰的影响，解决该问题的一个办法就是综合多个传感器的数据。自适应单脉冲多信号分类（MUSIC）算法可以在干扰中区辨出目标方位角估值和俯仰角估或真实频谱。但在进行目标识别和分类时，仅依靠这种算法不能得到理想的误差概率。通过综合综合导航系统（INS）和单脉冲雷达的方位与俯仰信号，能提高精确检测目标位置的概率。设计AIMS算的目的是进行目标瞄准，并综合自适应INS系统、四孔径单脉冲雷达和空时自适应信号处理器的信号。自适应INS系统不断测量地基目标的位置变化；四孔径单脉冲雷达用MUSIC算法自适应地降低主波束干扰，实现可靠的角度估计；空时自适应处理机（STAP）则将目标从杂波中分离出来。结果表明，AIMS算法有效地综合了传感器数据。并提出了识别正确目标信息的效率。     

在干扰条件下的机载和星载自适应MTI

本文讨论了运动平台雷达同时抑制杂波和干扰的问题。运动雷达接收到的杂波是宽带多普勒信号，采取的措施可用时－空杂波滤波器补偿多普勒民芝。干扰通常也是宽带信号以覆盖整个雷达带宽。根据多普勒处理观点，干扰对消是空域处理问题。这里讨论了空域和时－空滤波器同时抑制干扰和杂波的问题，同时比较了几种接收机的结构。     

低功耗雷达信号处理器

在机载及天基雷达应用中，低功耗和易编程是实现实时系统的关键问题。本文介绍了一种适用于天基雷达应用的抗辐射处理器。该系统以最小的功率消耗实现实时性能。这是一种全可编程通用处理器，可以用于当前及未来雷达信号处理算法以及其它计算强度大的任务。除可编程外，这种处理器和I／／0设计易于构成成千上万的处理器规模。 系统基于可合成的超高速集成电路硬件语言（VHDL）并能由设计或由处理技术抗辐射。本文对处理器的设计进行了概述。而且，说明了适用于编程器的软件环境及软件工具。所有的软件工具都是公开资源，并且多数都是免费（GNU）工具。 本文介绍了诸如快速傅里叶变换、矩阵求逆的Q／RHouseholder编制计算程序一类关键程序的某些性能。并且介绍了一种包括联合域定位（JDL）空时自适应处理（STAP）算法的采样雷达应用。     

现实的机载GMTI雷达信号处理

知识辅助传感器信号处理和专家推理（KASSPER）方案旨在通过考虑全部可利用的先验知识来改善机载地面动目标显示（GMTI）雷达的性能。一条很有用的信息是雷达回波信号为接近理想平面波的叠加。可以用采样GMTI雷达数据的平面波信号和杂波模型校准接收阵列、抑制杂波和检测动目标。每个距离门是单独处理的。采样协方差矩阵是不必要的。完成了综合的KASSPER Challenge Datacube处理以验证性能。     

平台旋转对STAP性能的影响

研究了平台旋转尤其是天线旋转对杂波有限的前视机载雷达应用中空时自适应处理（STAP）性能的影响。提出了影响性能的两种主要机理。一种是天线旋转时角多普勒空间中杂波表面的形状变化。当这种机理占优势时，尽管应用运动补偿相位延迟控制可以减轻偏航引起的问题，但是STAP在横滚时比偏航时更能恢复原状。另一种是STAP数据矢量的不连续性急剧转变的存在，对此，一种可能原因是天线的非理想运动补偿控制。实际上这些不连续性增大了带宽并且导致性能明显下降。     

基于直接数据域的三维空时自适应杂波抑制

在相控阵机载预警（AEW）雷达杂波抑制中三维空时白适应处理（3D-STAP）的性能最优，然而，三维处理存在两个方面的缺点：一是自适应权的计算量较大，二是估计杂波协方差矩阵时需要大量的训练样本（这在实际非均匀环境中很难满足），因而无法应用。先时后空白适应处理（T-SAP）不但计算量低，而且性能接近最优。现提出了一种基于直接数据域（DDD）的三维先时后空白适应处理（3D-T-SAP）方法，即先对每个二维空域通道用具有超低旁瓣的多普勒滤波器将杂波作局域化预处理，再对各个或相邻几个多普勒通道的输出作基于直接数据域的二维空域白适应处理。此外，由于该方法对阵元误差比较敏感，因此还提出了一种实用的误差校正方法。计算机仿真结果验证了该方法的有效性。     

自适应机载雷达的杂波模拟

众所周知，自适应波束形成装置可有效地消除进入相控阵雷达天线旁瓣的强干扰信号。机载雷达受人为干扰的影响时，如果允许杂波进入自适应处理机，则会显著影响自适应波束方向图的形状，进而影响雷达影响。在缺少测试数据的情况下，先行建立了一个分布杂波模型，从而能够通过模拟，就前视机载雷达的情况对杂波出现时自适应算法的性能进行评价。本文概述了相挥阵雷达各输出通道产生杂波时间序列的方法，这种方法可以确保通道间的相关符     

基于相对马氏距离的非均匀杂波抑制方法

由于天基雷达覆盖范围广、探测背景复杂,雷达回波会呈现出明显的非均匀特性,从而导致杂波协方差矩阵(clutter covariance matrix, CCM)估计与实际情况出现偏差,从而恶化天基雷达对空中动目标的检测性能。针对上述问题,提出了一种基于相对马氏距离的非均匀样本抑制方法,该方法首先计算所有样本的广义内积(generalized inner product, GIP),在此基础上选取一个合适的样本作为参考。通过比较场景中所有样本与参考样本的马氏距离,将相对马氏距离大于判定门限的样本作为非均匀样本剔除。用筛选后的样本进行杂波协方差矩阵估计,从而提高天基雷达在复杂环境下对空中动目标的检测性能。理论分析和实测数据结果表明,所提算法能够在非均匀环境下有效检测出空中动目标。     

基于极化GO分布和MRF的多视PolSAR图像迭代分类方法

提出了一种多视极化合成孔径雷达（PolSAR）图像的迭代分类方法。首先利用极化G0分布描述多视极化协方差矩阵的统计特性,并进行初始的最大似然分类,然后利用马尔可夫随机场（MRF）估计像素类标号的先验概率,最后根据MAP（最大后验概率）准则对PolSAR图像进行分类。整个分类流程迭代进行。分类结果表明该方法精度高,收敛速度快。利用NASA／JPL获取的4视AIRSAR实测数据验证了本文方法的有效性。     

基于直接数据域的三维空时自适应杂波抑制

在相控阵机载预警(AEW)雷达杂波抑制中三维空时自适应处理(3D-STAP)的性能最优,然而,三维处理存在两个方面的缺点一是自适应权的计算量较大,二是估计杂波协方差矩阵时需要大量的训练样本(这在实际非均匀环境中很难满足),因而无法应用.先时后空自适应处理(T-SAP)不但计算量低,而且性能接近最优.现提出了一种基于直接数据域(DDD)的三维先时后空自适应处理(3D-T-SAP)方法,即先对每个二维空域通道用具有超低旁瓣的多普勒滤波器将杂波作局域化预处理,再对各个或相邻几个多普勒通道的输出作基于直接数据域的二维空域自适应处理.此外,由于该方法对阵元误差比较敏感,因此还提出了一种实用的误差校正方法.计算机仿真结果验证了该方法的有效性.     

多级嵌套维纳滤波自适应降维STAP抗干扰方法研究

在分析多级嵌套维纳滤波（MSNWF）给出的干扰子空间和噪声子空间信息的基础上,提出了多级嵌套维纳滤波自适应降维空时自适应处理（STAP）抗干扰算法。该方法分析了MSNWF前向迭代过程中相邻级期望信号的协方差随迭代次数变化关系,结合干扰子空间和噪声子空间信息自适应地确定迭代次数,在不增加额外计算量的条件下实现了降维维数的自适应选择。仿真结果分析表明,该方法在保证抗干扰性能不受影响的前提下,进一步减小了STAP算法的计算量,提高了算法的实时性。