基于先验知识及其定量评估的自适应杂波抑制研究

 为了改善训练样本数受限的非均匀杂波环境中的系统检测性能,研究了基于先验知识及其定量评估的自适应杂波抑制算法。提出了使用经真实杂波信息白化后的先验杂波协方差矩阵与单位矩阵之差的谱范数,来定量评估杂波先验知识的准确程度,并给出了真实杂波协方差矩阵未知时的矩阵谱范数估计方法。结合先验知识定量评估结果,获得了具有先验知识约束时的杂波协方差矩阵最大似然估计方法。分别基于多脉冲相参雷达以及空时自适应雷达进行了杂波建模,在此基础之上分析了算法性能。仿真结果证实了该算法优于使用样本协方差矩阵及先验杂波信息形成杂波抑制权值的性能。     

基于杂波子空间估计的MIMO雷达降维STAP研究

 多输入多输出(MIMO)雷达是近年来出现的一种新体制雷达,针对MIMO体制的机载雷达开展空时自适应处理（STAP）技术研究是值得进一步努力的方向。本文研究了机载MIMO雷达STAP技术的降维算法,通过对STAP技术杂波抑制原理进行分析,推导并得到一种基于杂波子空间的降维算法。结合扁长椭球波函数（PSWF）的特点,提出了一种基于杂波子空间估计的降维算法,并与若干降维算法的杂波抑制性能进行比较。结果表明,当存在阵元幅相误差时,该算法在保持杂波抑制性能的同时能够有效地降低STAP算法的运算量。     

机载MIMO雷达空时自适应杂波对消器

针对机载多输入多输出(MIMO)雷达杂波分布呈现空时耦合特性,提出一种空时自适应杂波对消器.利用机载MIMO雷达的脉冲回波数据,构造杂波对消器的系数矩阵.通过空时自适应杂波对消器的预处理,可以有效地抑制杂波,并通过与常规空时处理算法的级联,最终可以有效提高动目标的检测性能.实现了由传统地基雷达杂波对消器向机载运动平台的推广.仿真结果表明,这种自适应杂波对消器不仅适用于正侧视雷达,对于非正侧视雷达也同样适用.     

非高斯杂波下自适应雷达目标检测新方法

在球不变随机向量(SIRV)非高斯杂波背景下,研究了多脉冲相参雷达目标的自适应检测问题。假设杂波具有相同的协方差矩阵结构和可能相关的纹理分量,提出了新的协方差矩阵估计器,并获得了相应的自适应归一化匹配滤波器(ANMF)。理论分析表明,在估计杂波分组大小与实际情况匹配时,所获得的ANMF对杂波功率水平和协方差矩阵结构均具有恒虚警率(CFAR)特性。仿真结果表明:当估计的杂波分组大小失配时,所获得的ANMF具有近似CFAR特性,并进一步分析了不同参数变化对所提检测器性能的影响。与已有的ANMF相比,所获得的ANMF具有更好的检测性能,且迭代次数更小,其相对于已知杂波协方差矩阵的最优归一化匹配滤波器(NMF)的检测损失也更小,具有很好的实际应用前景。     

一种机载雷达两级降维空时二维自适应处理方法

 提出了一种机载相控阵雷达杂波抑制的两级降维空时自适应处理(STAP)方法,即：先根据杂波分布先验信息进行空时局域化(JDL)降维处理,然后对局域化输出进行多级维纳滤波(MWF),实现二次降维。该方法综合了固定结构和自适应结构降维技术的优点,将JDL处理引入到MWF中,从而有效降低MWF的杂波自由度。计算机仿真和理论分析表明本文方法比JDL自适应处理方法和全空时MWF方法具有更小的运算量,对阵元随机幅相误差具有很好的容差能力,是一种稳健的两级降维自适应处理方法。最后,基于仿真和实测数据的实验验证了算法的有效性。     

子空间干扰加高斯杂波背景下基于 GLRT的斜对称方向检测器设计

文章研究了背景为子空间干扰加高斯杂波的距离扩展目标方向检测问题。杂波是均值为零协方差矩阵未知但具有斜对称特性的高斯杂波,目标与干扰分别通过具备斜对称特性的目标子空间和干扰子空间描述。针对方向检测问题,利用上述斜对称性,根据广义似然比检验(Generalized Likeli-hood Ratio Test,GLRT)准则的一步与两步设计方法,设计了基于 GLRT的一步法与两步法的距离扩展目标方向检测器。通过理论推导证明了这 2种检测器相对于未知杂波协方差矩阵都具有恒虚警率。对比相同背景下已有检测器,特别是在辅助数据有限的场景下,文章提出的 2个检测器表现出了优越的检测性能。     

基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法

杂波谱稀疏恢复空时自适应处理（STAP）是一种有效减少杂波样本数需求的机载雷达杂波抑制方法。然而,空时平面被离散地划分为若干个网格点来构建空时导向矢量字典,当字典在失配时,杂波脊不能准确落在预先离散化的网格点上,稀疏恢复STAP性能严重下降。提出了一种基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法,首先利用二维泰勒级数建立空时动态字典模型,然后将字典失配误差作为待估超参数构建贝叶斯稀疏恢复模型,并利用失配误差估计值对空时导向矢量字典进行修正,最后利用修正后的空时导向矢量字典重构杂波协方差矩阵,进而计算杂波空时谱。实验证明,该方法能够有效提高字典失配情况下的杂波谱稀疏恢复精度,杂波抑制性能优于已有字典预先离散化的稀疏贝叶斯学习STAP方法。     

圆台阵列杂波模型及空时二维自适应处理

针对圆台共形阵列,建立了空时二维自适应处理(STAP)的杂波模型,给出了圆台阵列杂波抑制最优权值的计算方法。在此基础之上,为了实现可应用到实际环境中的自适应处理方法,进一步讨论了将局部联合域(JDL)降维算法推广至圆台阵列中的问题。得出了圆台阵列JDL算法降维变换矩阵的表达形式,研究了参考波束的数目选取、波束指向等因素对降维损失的影响。理论分析以及仿真结果表明,通过合理选择通道数、波束方位向指向间隔等参数,该算法能够减少自适应波束形成的计算量,而且可以用较少的训练样本获得较好的处理性能。     

一种基于角度-多普勒补偿的均匀圆形

采用均匀圆形相控阵天线的机载雷达杂波分布随距离变化而变化,各距离单元的杂波不再满足独立同分布的条件,造成统计型空时自适应处理(STAP)器性能下降。基于此,本文建立了均匀圆形天线机载雷达模型,对其杂波分布进行了分析,得出了空间角随阵元数非线性变化的特性造成其杂波距离维分布非均匀的结论。研究了一种均匀圆形天线机载雷达杂波抑制方法,该方法先通过修正的角度-多普勒补偿(MADC)预处理消除在杂波谱中心处的非均匀,再利用基于导数更新(DBU)技术进一步减小在其他方位杂波的非均匀程度。仿真结果表明了该方法的有效性。     

一种基于角度-多普勒补偿的均匀圆形天线机载雷达杂波抑制方法

采用均匀圆形相控阵天线的机载雷达杂波分布随距离变化而变化,各距离单元的杂波不再满足独立同分布的条件,造成统计型空时自适应处理(STAP)器性能下降。基于此,本文建立了均匀圆形天线机载雷达模型,对其杂波分布进行了分析,得出了空间角随阵元数非线性变化的特性造成其杂波距离维分布非均匀的结论。研究了一种均匀圆形天线机载雷达杂波抑制方法,该方法先通过修正的角度 多普勒补偿(MADC)预处理消除在杂波谱中心处的非均匀,再利用基于导数更新(DBU)技术进一步减小在其他方位杂波的非均匀程度。仿真结果表明了该方法的有效性。     

The eigencanceler: adaptive radar by eigenanalysis methods

It is shown that the dominant eigenvectors of the space-time correlation matrix contain all the information about the space-time distribution of the interferences. The eigencanceler is a new approach to adaptive radar beamforming in which the weight vector is constrained to be in the noise subspace, the subspace orthogonal to the dominant eigenvectors. Two types of eigencancelers are suggested: the minimum power eigencanceler (MPE) and the minimum norm eigencanceler (MNE). It is shown that while the MPE is implemented as a linear combination of noise eigenvectors, the MNE can be formed using dominant eigenvectors only. Particularly for short data records, the MNE provides superior clutter and jammers cancellation, as well as lower variations in the pattern and lower distortion of the mainbeam, and can be carried out at a smaller computational cost than other known beamformers, such as the minimum variance beamformer     

非正侧视阵列机载雷达多空间角补偿算法

 非正侧阵列机载雷达的杂波分布随距离变化而变化,各距离单元的杂波分布不再满足独立同分布条件,造成统计型空时自适应处理(STAP)处理器性能下降。本文提出了一种多空间角补偿(MSAC)的非正侧视机载雷达杂波抑制方法,该方法先通过角度-多普勒补偿(ADC)预处理以消除在谱中心处的杂波非均匀,然后采用MSAC法在多个多普勒方向使参考单元和待检测单元的杂波谱保持一致,从而进一步消除在其余方位的杂波非均匀。仿真结果表明了该方法的性能明显优于ADC法,且运算量增加不多。     

NEW METHOD FOR REDUCED RANK STAP—NON CLUTTER CHANNEL METHOD

Space- time adaptive processing(STAP) is aleading technology candidate for improving detec-tion performance of advanced airborne early warn-ing radar.In practical radar systems,the optimumfully adaptive space- time processing[1] cannot al-ways be implemented because of the computationalcomplexity,so the design of suboptimum proces-sors has been one of the key topics in STAP.Sev-eral reduced- rank STAP methods have been pro-posed in recent years.For example,based on thegeneralized sidelobe…     

基于3DT的空时自适应单脉冲参数估计算法

空时自适应处理(STAP)是机载预警雷达抑制杂波和干扰的一项关键技术,而多普勒三通道联合自适应处理(3DT)是适合工程实现的降维(RD)STAP方法。STAP目标检测后还需进一步估计目标的角度参数,因此将自适应单脉冲(AM)技术引入3DT,提出了一种高精度联合估计目标速度与方位空间角的空时自适应单脉冲算法。理论分析与仿真实验结果表明,当目标多普勒频率偏离检测多普勒单元中心频率时,该算法能同时减少目标多普勒跨越损失和空时导引矢量失配损失,进而提高输出信杂噪比(SCNR),改善目标测角精度。     

Space-time autoregressive filtering for matched subspace STAP

Practical space-time adaptive processing (STAP) implementations rely on reduced-dimension processing, using techniques such as principle components or partially adaptive filters. The dimension reduction not only decreases the computational load, it also reduces the sample support required for estimating the interference statistics. This results because the clutter covariance is implicitly assumed to possess a certain (nonparametric) structure. We demonstrate how imposing a parametric structure on the clutter and jamming can lead to a further reduction in both computation and secondary sample support. Our approach, referred to as space-time autoregressive (STAR) filtering, is applied in two steps: first, a structured subspace orthogonal to that in which the clutter and interference reside is found, and second, a detector matched to this subspace is used to determine whether or not a target is present. Using a realistic simulated data set for circular array STAP, we demonstrate that this approach achieves significantly lower signal-to-interference plus noise ratio (SINR) loss with a computational load that is less than that required by other popular approaches. The STAR algorithm also yields excellent performance with very small secondary sample support, a feature that is particularly attractive for applications involving nonstationary clutter.     

空域数据重排的后多普勒自适应处理方法

传统的后多普勒自适应处理方法,如因子法(FA)和扩展因子法(EFA)虽然能大大降低自适应处理时的运算量和独立同分布样本的需求量,但由于实际中均匀训练样本数目的限制,当天线阵元数进一步增大时,FA和EFA抑制杂波和检测动目标的能力会显著恶化。针对这一问题,提出了一种空域数据重排的后多普勒自适应处理方法。该方法将多普勒滤波后的空域数据重排为一行列数相近的矩阵,空域滤波器权系数也表示成可分离的形式,从而得到一双二次代价函数,利用循环迭代的思想求解权系数。实验表明该方法具有快速收敛,所需训练样本少的优点,尤其在大阵列、小样本条件下该方法抑制杂波的性能明显优于FA和EFA。     

Design Principles of MIMO Radar Detectors

This paper considers the problem of multiple-input multiple-output (MIMO) radars employing space-time coding (STC) to achieve diversity. To this end, after briefly outlining the model of the received echo, a suitable detection structure is derived, and its performance is expressed in closed form as a function of the clutter statistical properties and of the space-time code matrix. Interestingly, this receiver requires prior knowledge of the clutter covariance, but the detection threshold is functionally independent thereof. At the transmitter design stage, we give two criteria for code construction: the first is based on the classical Chernoff bound, the second is an information-theoretic criterion. Interestingly, the two criteria lead to the same condition for code optimality, which in turn specializes, under the assumption of uncorrelated clutter and square code matrix, in some well-known full-rate space-time codes. A thorough performance assessment is also given, so as to establish the optimum achievable performance for MIMO radar systems.