超高速平台载雷达杂波特性与抑制方法

针对高超声速平台杂波距离走动与多普勒走动导致的传统空时自适应处理方法杂波抑制性能严重下降的问题,首先建立了高超声速平台杂波空时二维模型,并通过分析杂波空时特性,得出与慢速平台相比,杂波走动造成杂波非均匀性增加和多普勒展宽更严重,非均匀性增加和多普勒展宽程度与脉冲积累时间、杂波块位置均有关。最后,提出利用keystone变换校正杂波距离走动,并通过补偿矩阵补偿杂波多普勒增量的杂波抑制方法。仿真结果表明,所提方法能够使杂波抑制凹口变窄,明显提高主瓣区的动目标检测性能。     

机载多载频频控阵非均匀距离模糊杂波抑制方法

机载雷达下视工作面临严重的地海杂波,雷达平台运动造成杂波多普勒频率严重扩散,将微弱目标完全淹没。空时自适应处理(space time adaptive processing, STAP)技术通过联合多天线脉冲的接收信号,能够有效地抑制杂波,实现运动目标检测。对于非正侧视阵列高速平台雷达,杂波距离依赖和距离模糊严重制约着目标检测性能。基于多载频频控阵,通过发射一组载频不同的正交信号,在杂波回波中,获得新的发射维自由度,并根据不同模糊在发射维的差异分离各模糊区域。此外,通过进一步对分离后的近程进行杂波补偿,利用降维STAP实现杂波抑制。仿真结果验证了所提方法的有效性。     

机载雷达三维空时降维自适应处理

基于机载雷达空时三维自适应处理,提出了一种空时可分离的降维自适应算法。该算法首先利用三个低维（俯仰、方位和时域）权矢量的直积近似表示最优权矢量，然后基于循环迭代的思想依次固定其中两个权矢量，并由此构造相应的降维变换矩阵,在低维空间上优化另一个权矢量。理论分析和实验仿真结果表明，所提算法能有效降低系统计算量和对训练样本的需求，在小样本情况下具有较好的杂波抑制性能和较强的误差稳健性。     

机载雷达三维空时自适应相关域降维算法

由于利用了俯仰维的自适应能力,三维空时自适应处理(three-dimensional space-time adaptive processing, 3D-STAP)能够获得比传统二维空时自适应处理(2D-STAP)更好的性能,但同时在运算量和采样数目的要求都将急剧增大。为了克服这个问题,提出了一种基于相关域的机载雷达三维空时自适应降维算法,即利用空时相关矩阵的子矩阵,将最优空时处理的二次代价函数转化为两个二次代价函数,并迭代求解这两个二次代价函数的两个低维权向量,所提算法能够明显降低计算复杂度和样本数目要求。基于仿真和实测数据的实验验证了算法的有效性。     

基于子空间估计的MIMO阵列降维STAP方法

当对多输入多输出(multiple input multiple output, MIMO)阵列进行空时自适应处理时,由于MIMO阵列虚拟孔径增大,相对常规相控阵列能够更好地抑制杂波和干扰,但其所需样本数据量大且计算复杂度高,工程实际中难以应用。提出基于子空间估计的MIMO阵列降维空间自适应处理（space time adaptive processing, STAP）方法,该方法结合扁长椭球波函数的时限带限特性近似构造出降维的杂波子空间,并利用与发射波形正交的辅助匹配滤波通道估计出干扰加噪声协方差矩阵,通过“逼零”方法求得MIMO阵列系统的空时权矢 量。仿真结果表明,当存在非理想因素影响时,该方法能够有效抑制杂波和干扰且降维运算量更低。     

基于重构协方差矩阵空时二维杂波抑制方法

针对杂波环境严重非均匀导致协方差矩阵估计失真、空时自适应处理性能下降的问题,提出了一种杂波协方差矩阵重构方法,并利用重构的杂波协方差矩阵实现杂波抑制。该方法充分利用了载机速度给定时杂波分布轨迹已知这一先验知识,考虑了天线方向图的调制,通过改变空时相关函数调节杂波带宽,可以实现任意杂波协方差矩阵重构。计算机仿真分析和实测数据处理结果表明,所提出的方法在非均匀杂波环境中,与小自由度的降维自适应算法相比具有更好的动目标检测性能。     

机载宽带雷达的数据重组空时自适应处理方法

机载宽带雷达具有更高的距离分辨率，有利于目标成像或识别。但是，提高分辨率也使目标信号和杂波信号在脉冲间和(或)阵元间距离走动量增加。若采用窄带空时自适应处理方法，则会导致输出信杂噪比严重下降。针对上述问题，提出了一种数据重组空时自适应处理方法。首先，针对待检测速度-角度重组回波数据，使不同脉冲及阵元的目标信号包络对齐；然后，进行距离维数据重组空时处理，并将输出信号作为检验统计量；最后，给出目标角度和速度搜索方法。所提方法降低了相干积累后的目标能量损失，提高了目标检测和杂波抑制性能。仿真实验验证了所提方法的有效性。     

基于空时插值的机载雷达杂波距离依赖性补偿方法

杂波距离依赖性是机载前视阵雷达与双基机载雷达面临的重要问题,主要表现在其统计特性随距离而变化,导致杂波协方差矩阵估计不准确,进而使得空时自适应处理（space-time adaptive processing, STAP）性能下降。针对这种情况,提出了一种基于空时插值的杂波距离依赖性补偿方法。该方法通过雷达先验知识分别得到参考距离单元和待补偿距离单元杂波的两组导向矢量,然后对这两组导向矢量进行子空间拟合,利用得到的拟合矩阵作用于数据来补偿杂波距离依赖性,并且为了避免拟合过程中出现目标相消,增加了动目标保护约束。仿真实验结果表明了所提方法的有效性。     

机载预警雷达三维空时自适应处理及其降维研究

分析了AEW雷达系统中实际存在的阵元幅相误差对二维空时自适应处理(2D STAP)性能的影响。提出了一种更加稳健的三维空时自适应处理(3D STAP)技术,补偿因存在阵元幅相误差而导致各列子阵俯仰方向图的不一致性。为了降低计算量,还提出了一种三维先时后空自适应处理(3D T SAP)的准最优技术。对仿真数据和某实测数据的处理结果证明三维处理具有优良的性能和很强的误差容错能力。     

机载自适应阵中的多普勒—特征波束形成

在机载相控阵雷达下视情况下，多普勒展宽的时变杂波可以用自适应时空二维处理器得到最优的抑制。然而对于大型阵列的实时应用来说，这种最优时空二维处理却很难实现，这是由于它要求很高的计算量（以典型的采样协方差矩阵求逆算法￣［２］为例，其运算量大约为每次迭代Ｏ｛（ＮＭ）￣２｝，其中Ｎ为阵元数，Ｍ为时间采样数）。在本文中，首先通过杂波子空间分析证明了杂波自由度小于Ｎ＋Ｍ，而且阵列信号在经过多普勒滤波后，单个多普勒滤波器输出的杂波自由度很小，从而可以用一个仅有Ｎ＋Ｍ个自由度的低阶（部分自适应）处理器来实现准最优的杂波抑制；随后，提出了用Ｎ＋Ｍ个多普勒─特征波束（多普勒滤波器后跟空间特征波束）来近似杂波子空间的办法，并据此方法构造了一个使用这种多普勒一特征波束的广义旁瓣对消器并用它实现了准最优的杂波抑制，所需计算量仅为每次迭代Ｏ｛Ｎ＋Ｍ）Ｎ＋（Ｎ＋Ｍ）￣２｝。由于空间特征波束所具有的误差补偿能力，该处理器在实际应用中对于处理器自由度不足是不敏感的。     

MIMO雷达子阵级m-Capon方法研究

针对多输入多输出（multiple input multiple output, MIMO）雷达虚拟阵列孔径大,典型的降维空时自适应处理（space time adaptive processing, STAP）方法--m-Capon法无法适用的问题,对子阵级m-Capon法进行了研究,并与相应的相控阵雷达3-Capon方法进行了比较。计算机仿真结果表明,处理器维数相同时,子阵级3-Capon方法性能明显提高,但非主杂波区误差鲁棒性差;子阵级1-Capon法在非主杂波区性能明显提高,但主杂波凹口太宽。在实际应用中,可综合运用两种方法对主杂波和非主杂波区分开处理,为工程实现提供可靠依据。     

机载前视阵雷达阵元误差稳健的空时插值补偿方法

空时插值方法通过对地面杂波空时导向矢量进行插值变换,能够有效地降低机载前视阵雷达地面杂波的距离依赖性,改善空时自适应处理器的杂波抑制性能。然而,当机载雷达接收通道存在阵元误差时,该方法对接收的数据处理失效。针对该问题,提出一种稳健的空时插值方法,该方法在杂波空时导向矢量周围选取约束导向矢量,然后进行插值变换,补偿地杂波距离依赖性。仿真结果表明,当机载雷达接收通道存在阵元误差时,该方法能够有效地降低接收的地杂波数据的距离依赖性,提高空时自适应处理器的杂波抑制性能。     

Range walk and array rotation in space-time adaptive processing: effects and compensations

This paper proposes a unified clutter model incorporating the effects of range walk and array rotation for space-time adaptive processing (STAP) in airborne multi-channel early-warning radar. Based on this clutter model, STAP performance is then analyzed from the perspective of covariance matrix tapering (CMT). For STAP performance degradation due to array rotation, a determinate compensation method is proposed based on the CMT method. Numerical examples are provided to verify the analysis and the proposed compensation method.     

基于稀疏采样的双基地机载雷达杂波谱补偿方法

在双基地机载雷达中,由于地面杂波存在距离依赖性,使得基于距离单元回波数据平均的杂波协方差矩阵估计存在误差,导致空时自适应处理的杂波抑制性能严重下降。基于配准的方法沿杂波空时分布曲线采样,补偿杂波距离依赖性,然而该方法由于采样点过多导致运算量巨大。针对该问题,利用双基地机载雷达杂波散射点的复幅度受收发天线调制,具有稀疏分布的特点,提出了一种基于稀疏采样的杂波谱补偿方法,该方法通过设置采样门限来降低采样点数,减小重构杂波数据的运算量。计算机仿真结果表明,该方法能够有效地降低重构杂波的运算量,减小双基地机载雷达杂波的距离依赖性,提高空时自适应信号处理的杂波抑制性能。     

基于局部搜索OMP的网格失配STAP算法

针对稀疏恢复空时自适应处理(space-time adaptive processing, STAP)存在网格失配时,造成稀疏恢复STAP的性能下降这一问题,提出一种基于局部搜索正交匹配追踪算法。该算法首先从全局STAP完备字典中选择与杂波相匹配的全局网格点;然后以选出的全局网格点为中心,以全局完备STAP字典的空时频率间隔为区域,构建局部STAP字典,并从中选择与杂波最匹配的局部网格点;最后得到杂波的角度多普勒像和修正的STAP字典。仿真结果表明,所提的算法能够选择与真实杂波脊相匹配的网格点,从而提高了稀疏恢复STAP技术的性能。     

变速平台STAP的数据域补偿方法

空时自适应处理(space-time adaptive processing,STAP)是抑制因平台运动导致谱展宽的地物杂波的有效技术,近三十年来受到广泛关注,其中平台运动通常假设为匀速。分析了变速平台情况下地物回波多普勒谱特性,相比传统匀速平台情况,杂波回波的多普勒谱展宽更严重,且展宽程度与阵列面向、散射点位置以及脉冲积累均有关;因此,变速平台情况下,直接采用传统的STAP方法,其杂波抑制性能,尤其是在主杂波区的性能变差,严重降低慢速目标检测性能。对此,提出一种基于数据域的补偿方法,通过构造补偿矩阵抑制加速度在相位上产生的增量,从而抑制杂波的多普勒谱展宽。仿真结果表明,所提方法可使杂波多普勒谱变窄、STAP的杂波抑制改善因子提高,尤其慢速目标的检测性能明显提高。     

直接数据域空时自适应单脉冲方法

机载雷达空时自适应处理(space time adaptive processing,STAP)与单脉冲技术相结合可以实现对运动目标空、时参数的估计。然而,在非均匀环境下,由于同分布快拍数有限,杂波协方差矩阵难以准确估计,常常导致STAP方法性能急剧下降甚至失效,进而无法有效实现目标检测和参数估计。本文提出一种直接数据域的动目标空时参数估计方法,该方法首先应用幅相估计谱(amplitude and phase estimation,APES)谱估计由被检测单元数据估计出杂波干扰协方差矩阵,然后利用STAP技术抑制杂波和干扰,并结合单脉冲理论实现对目标角度和多普勒频率的估计。仿真结果表明,与传统单脉冲方法相比,新方法具有自适应抑制杂波干扰的能力和更好的估计性能;同时由于无需参考数据,该方法更适应于非均匀环境。     

基于同伦稀疏STAP的低空风切变风速估计

在机载气象雷达前视阵下,由于杂波的距离依赖性导致独立同分布(independent identically distributed, IID)训练样本严重不足,传统的空时自适应处理(space-time adaptive processing, STAP)算法性能下降,风场速度估计不准。针对此问题,提出一种基于同伦稀疏STAP的低空风切变风速估计方法,该方法仅需少量IID训练样本就能够达到较好的风场速度估计效果。首先,利用同伦稀疏恢复算法估计杂波协方差矩阵,从而重构出高分辨率的杂波空时二维谱。然后,通过求解STAP处理器的最优权矢量自适应滤除杂波。最后,实现对风场风速的准确估计。仿真结果证明所提方法的有效性。     

知识辅助的机载MIMO雷达STAP非均匀样本检测方法

When the covariance matrix is estimated with training samples contaminated by target like signals, the performance of target detection in multiple input multiple output (MIMO) radar space time adaptive processing (STAP) decreases. Aiming at this deficiency, a knowledge aided (KA) generalized inner product (GIP) method for non homogeneous samples detection is proposed. Firstly the clutter subspace knowledge estimated by prolate spheroidal wave functions is utilized to construct the clutter covariance matrix offline. Then the GIP non homogeneity detector (GIP NHD) is integrated to realize the effective selection of training samples, which eliminates the effect of the target like signals in training samples on target detection. The simulation results show that compared with the conventional GIP method, the KA GIP method can screen out contaminated training samples more effectively and the target detection performance of MIMO radar STAP can be improved significantly. 〖JP2〗Thus the proposed KA GIP method is more valuable for practical engineering application.