非均匀杂波环境STAP方法研究

分析了非均匀杂波对STAP算法性能的影响,在此基础上提出了一种非均匀杂波环境下STAP杂波抑制方案．该方案首先通过训练样本加权法抑制功率非均匀现象,然后利用干扰点替代法消除干扰目标和孤立干扰对STAP算法的影响,最后通过常规STAP算法实现对目标的检测．计算机仿真结果验证了有效性．     

直接数据域空时自适应处理(STAP)在雷达信号处理中的应用

本文阐述了直接数据域空时自适应处理(space-time adaptive processing)算法抑制雷达杂波的原理,给出了具体的算法过程和计算机模拟仿真实验结果。空时自适应处理与分立干扰滤除算法不同的是该方法对每个距离单元的空时数据进行独立处理时,该距离门中均匀杂波和非均匀干扰的抑制均不需要利用其他距离门的样本。直接数据域方法是一种完整的非均匀STAP处理算法。仿真实验结果证明该方法在非均匀环境下,对雷达杂波进行抑制得到了较好的效果。     

非正侧视阵列机载雷达STAP技术研究

STAP技术具有空、时间自由度,能够有效提高机载雷达的杂波抑制能力,实现动目标检测。在历经几十年的发展后STAP技术已经变得较为成熟并且逐步应用到工程实践中。通过本文的研究可知STAR算法所需要的样本数量较少并且收敛的速度更快,对于抑制非均匀杂波环境的杂波具有较好的适应性。     

基于稀疏恢复的 MIMO-STAP干扰样本检测方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在训练样本存在有源干扰时杂波抑制性能严重下降的问题,提出了一种干扰样本检测方法。首先使用正则化FOCUSS算法估计出各原子的空时功率谱值,接着设置谱值门限将谱值较大的原子取出,然后确定扫描带对空时二维平面进行扫描,最后根据进入扫描带最大原子数占总原子数的比例判别训练样本是否存在干扰。仿真实验表明,该方法可有效检测出训练样本中的干扰,使用该方法挑选出的无干扰训练样本恢复杂波谱可保证空时滤波器的杂波抑制性能,提升稀疏算法求解杂波谱时涉及到的样本的可靠性。     

基于杂波距离方位谱的机载非正侧MIMO雷达STAP方法

在机载非正侧MIMO雷达系统中,传统统计类空时自适应处理方法难以获得足量的独立同分布训练单元,无法准确估计待测单元杂波特性,杂波抑制性能严重下降。为了减少所需训练单元数,在分析机载非正侧MIMO雷达杂波在距离-方位域上分布的基础上,给出了杂波距离方位谱的概念;然后,利用稀疏恢复方法和距离滤波器估计杂波距离方位谱;根据杂波距离方位谱估计杂波协方差矩阵、构造空时滤波器,滤除杂波、检测目标。由于利用了雷达和载机参数等飞行配置先验信息以及杂波空时耦合关系构造,基于杂波距离方位谱的STAP方法可以在少量训练单元的情况下准确估计杂波协方差矩阵,有效抑制杂波、检测慢速目标,仿真实验证明了方法的有效性。     

基于空时两维变换的距离非平稳杂波环境STAP方法

针对机载非正侧视阵雷达的杂波距离依赖性问题,提出一种基于空时两维变换的机载非正侧视阵雷达近程杂波补偿方法.利用杂波导向矢量在空时两维的特殊结构,在补偿主瓣杂波距离依赖性的同时,也能够对旁瓣杂波距离依赖性进行补偿.计算机仿真结果表明,算法能够对杂波距离非平稳性进行补偿,提高空时自适应处理（STAP）的杂波抑制性能.      

STAP技术在有源干扰环境下的运用方法

为了在复杂的有源干扰环境下改善空时二维自适应处理(Space-time Adaptive Processing,STAP)技术的处理性能,提出了一种基于局部空域自适应阵列处理的改进型自适应波束形成方法。这是一种空间抗干扰与STAP技术滤除杂波级联的方法。采用MUSIC技术对有源干扰的波达方向进行估计,然后分别在期望方向和干扰方向形成接收多波束,再在波束域进行自适应处理以抑制有源干扰,最后在空间反干扰滤波后运用STAP技术进行杂波抑制。仿真结果表明,该方法能有效估计出干扰源的方位,使STAP技术在有干扰的环境下也能保持较好的杂波抑制性能,同时在波束域进行自适应滤波,大大降低了抑制干扰所需的运算量,理论分析和仿真结果表明了该算法的有效性。     

天基雷达杂波抑制STAP算法性能仿真研究

天基雷达系统中杂波存在时空二维耦合的问题,在杂波抑制上通常采用空时自适应处理（STAP）的方法。基于天基雷达系统中杂波和干扰对STAP处理的影响,论文围绕天基雷达对STAP处理的需求,开展了对单基地天基雷达系统的STAP算法对天基雷达杂波抑制的仿真研究。     

非均匀噪声下基于双剔除门限的恒虚警目标检测算法

为了解决雷达检测算法在非均匀噪声环境下目标检测性能严重下降的问题,在分析实际回波杂波分布特性的基础上,提出了一种基于双剔除门限的恒虚警目标检测算法,通过双剔除门限将极大极小干扰信号从参考窗口中剔除,实时精确估计背景噪声功率.经过与各检测算法仿真对比,该算法在多目标干扰、遮挡和杂波边缘干扰等非均匀背景噪声环境下仍具有最优的检测性能和鲁棒性.结果表明,所提出的目标检测算法在非均匀噪声环境下具有良好的检测性能.     

机载雷达斜视阵下杂波抑制的方法

在机载斜视阵中杂波多普勒频率随距离发生变化,导致传统的空时自适应处理方法不能有效抑制杂波,因此，提出一种谱补偿方法。该方法利用训练单元与待检单元的空域导向矢量关系得到相似度量值,用此度量值再对训练单元的数据进行加权预处理,提高了数据的平稳性;为降低回波中孤立干扰或强目标对采样协方差矩阵估计的影响,对预处理后的数据使用非均匀检测器进行干扰剔除,从而提高机载雷达的检测性能1~3 dB。使用传统的空时自适应处理方法对剔除干扰后的数据进行杂波抑制，通过对数据的处理,证明了该方法的可行性和有效性。     

2019年空时自适应处理技术研究热点回眸

 空时自适应处理可以联合空域和时域进行二维自适应滤波,是运动平台雷达系统中进行杂波抑制和目标检测的关键技术。近年来,空时自适应处理技术迅速发展,其应用领域也在不断扩大。概述了2019年空时自适应处理领域所取得的重要研究进展,展望了未来空时自适应处理技术的发展趋势。     

MIMO-STAP稀疏字典降维方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在使用稀疏方法恢复杂波谱时存在的计算复杂度高的问题,提出了一种字典降维方法。该方法直接使用训练样本估计出低分辨率的杂波空时谱,并在此基础上用FOCUSS算法的迭代式提升谱的分辨率,进而计算各原子的Capon功率谱并将谱值较大的原子挑出组成降维字典。当存在多普勒模糊时,则利用先验知识排除因多普勒模糊而入选的原子,将其余满足要求的原子取出组成降维字典。仿真实验表明:降维字典能够完全覆盖杂波脊线,使用降维字典在维持算法输出SINR性能的同时,可有效提升运算效率。     

杂波谱中心和谱宽估计方法

在雷达动目标检测等处理中 ,为了有效抑制杂波 ,并防止目标白化 ,首先需要对杂波谱中心和谱宽进行有效的估计。基于短序列雷达杂波数据的快速付氏变换 (FFT)运算结果 ,提出了新的杂波功率谱中心和谱宽的估计方法 ,分别称之为“质心法”和“积分法”。将物理学中的“质心法”应用于杂波功率谱中心估计 ,取得了较常规方法好的多的估计效果。在杂波功率谱宽估计中 ,结合相应的功率谱谱形特征 ,利用能量积分的方法完成了功率谱谱宽的估计。和常规的方法相比较 ,有性能好、算法复杂性较小的优点     

基于先验知识的降维自适应时域滤波器

为了灵活调节时域滤波器各频率处能量以及利用先验知识提高机载雷达抑制杂波、干扰信号的性能,提出一种基于先验知识的降维自适应时域滤波器设计算法。首先结合先验知识估计机载雷达杂波协方差矩阵;然后通过这些信息,设计降维处理中时域滤波器各频率区域的增益;最后利用凸优化思想设计最优时域滤波器。结果表明:设计的时域滤波器通过分配不同区域的能量,保证在地杂波和干扰的多普勒区域处形成深宽凹口,不仅抑制了地杂波,还能够改善位于主杂波区域的压制性干扰,极大提高了机载雷达在复杂环境中检测目标的能力。     

用于机载雷达杂波谱中心估计的极坐标质心法

在机载雷达动目标检测(M TD)处理中,为了有效抑制杂波,必须先对杂波谱中心进行准确估计。该文提出了一种适用于机载M TD杂波谱中心估计的方法——极坐标质心法。它的核心计算环节基于内积运算,因此较常用的基于相关运算的算法可以显著减少运算量;另外,很好地解决了已有的内积算法难以克服的“频谱分裂”问题。针对实际中经常出现的立方杂波谱和G auss杂波谱,仿真实验比较了这种方法和传统典型算法的估计性能,证明了这种方法具有估计准确,运算复杂度小的优点。     

基于实测数据的STAP的权值计算算法性能比较

空时自适应处理(STAP)的权值求解是其计算最密集的部分,由于机载雷达回波数据动态范围很大,导致传统的采样协方差矩阵求逆(SMI)方法数值稳定性较差,相对而言基于QR分解的采样矩阵求逆算法(QRD-SMI)在系统动态范围要求和并行性上具有优势.为了寻求在STAP工程实现时采用QRD-SMI的理论依据,分析了采用这两种不同算法的STAP处理方法,比较了二者的计算量,用MountainTop数据比较研究了2种方法的性能.实验结果表明这2种方法均具有良好的杂波、干扰抑制性能,传统的SMI算法在杂波抑制性能上较QRD-SMI算法有一定的优势,而QRD-SMI算法对"目标消除效应"较SMI算法有更强的稳健性,综合比较算法性能、数值特性以及可并行实现性,QRD-SMI更适合在STAP的工程实现时采用.     

基于小波变换和K-SVD的探地雷达杂波抑制研究

针对探地雷达原始图像中存在着大量以地表直达波为主的杂波噪声干扰问题,为了有效提取目标信号,提出了一种基于小波变换和K-Means奇异值分解的自适应双边滤波方法.将原始雷达数据进行小波分解,并应用K-SVD算法变换稀疏编码和更新原子,用更新后的稀疏系数和字典重构小块,将小块进行小波逆变换重构图像,然后对重构图像进行自适应...