基于可解释深度卷积网络的空时自适应处理方法

在实际应用中,空时自适应处理(STAP)算法的性能受限于足够多独立同分布(IID)样本的获取。然而,目前可有效减少IID样本需求的算法仍面临一些问题。针对这些问题,该文融合数据驱动和模型驱动思想,构建了具有明确数学含义的多模块深度卷积神经网络(MDCNN),实现了小样本条件下对杂波协方差矩阵快速、准确、稳定估计。所构建MDCNN网络由映射模块、数据模块、先验模块和超参数模块组成。其中,前后端映射模块分别对应数据的预处理和后处理;单组数据模块和先验模块共同完成一次迭代优化,网络主体由多组数据模块和先验模块构成,可实现多次等效迭代优化;超参数模块则用来调整等效迭代中可训练参数。上述子模块均具有明确数学表述和物理含义,因此所构造网络具有良好的可解释性。实测数据处理结果表明,在实际非均匀杂波环境下该文所提方法杂波抑制性能优于现有典型小样本STAP方法,且运算时间较后者大幅降低。

基于杂波知识图谱驱动的空时自适应处理方法

在隐藏体目标故障探测识别中,由于埋体材质以及信号微弱的小埋藏体信号混合等杂波干扰,导致多目标信号难以捕捉。为此,设计了杂波知识图谱驱动的空时自适应处理方法,可有效抑制杂波并完成动目标检测。通过仿真实验发现,场景中的主要杂波集中在-15°的角度范围内,并且归一化多普勒值接近0.25。使用空时自适应处理和空时谱估计算法,确定真实运动目标具体位置在146帧附近,得到的方位角和归一化多普勒数值与仿真实验一致,表明所提方法的正确性和有效性。

静态和差波束匹配的空时自适应处理方法

传统空时自适应处理方法的和差波束参数估计面临角度多普勒参数耦合的问题,当存在目标信号污染时,参数估计性能急剧恶化.笔者提出了一种基于静态和差波束匹配的空时自适应处理方法,通过采用幅度和相位响应的联合约束,使得自适应后的和差波束逼近静态和差波束主瓣区域的幅度和相位响应特性,进而实现自适应和差波束主瓣保形,克服目标污染等因素造成的主瓣畸变现象,同时保持角度多普勒无耦合的特性.仿真实验验证了所提方法的有效性.

基于子阵波束设计的空时二维杂波抑制方法

机载雷达接收端采用子阵处理时面临栅瓣杂波导致的复杂空时耦合分布,使主瓣波束方向存在多个由栅瓣杂波导致的检测性能凹口,目标检测性能恶化严重。针对此问题,该文首先分析了子阵处理中栅瓣杂波空时谱分布特性,并在此基础上提出了基于接收子阵波束设计的空时二维杂波抑制方法。该方法采用重叠子阵构型方案,通过子阵方向图设计形成在子阵间栅瓣区域处的宽凹口,实现对子阵间栅瓣区域杂波的预滤波。进一步构建子阵级空时处理器,由于栅瓣杂波已经在子阵内完成预滤波,避免了栅瓣杂波在空时二维平面上的耦合扩散,从而提高了杂波抑制和动目标检测性能。仿真结果表明,所提方法显著改善了栅瓣杂波区的输出信杂噪比损失性能。

基于空时极化处理的机载雷达非平稳杂波抑制方法

针对传统方位-多普勒域空时自适应处理(STAP)方法无法区分不同模糊距离单元的杂波,难以有效抑制近程非平稳杂波的问题,提出了基于空时极化处理的机载雷达非平稳杂波抑制方法.该方法在俯仰-方位-多普勒3D-STAP方法的基础上引入回波的极化维信息,然后对回波信号进行极化-俯仰-方位-多普勒四维联合空时极化自适应处理.仿真结果表明,相对于传统方位-多普勒域STAP方法和俯仰-方位-多普勒3D-STAP方法,本文所提方法可更有效地实现对非平稳杂波的抑制.

空时处理引起的GNSS信号失真分析与补偿方法

在复杂的干扰环境中,空时自适应处理(STAP)技术会扭曲全球卫星导航系统(GNSS)信号的相关峰、降低捕获和跟踪性能,导致接收机的定位精度下降。首先,通过理论和仿真分析STAP在最小方差无失真响应准则下的相关峰失真,结果表明抽头数和空间相关系数会直接影响到相关峰的畸变;其次,为优化抽头数和降低空间相关系数,提出基于天线阵列信干噪比(SINR)的自适应抽头算法和阵列稀疏配置算法;最后,通过仿真验证优化后的抽头数和阵列稀疏配置可以减少因STAP引起的相关峰畸变。

基于最优极化空时自适应处理的低空风切变风速估计方法

针对机载双极化相控阵气象雷达的低空风切变风速估计问题,本文提出了一种基于最优极化空时自适应处理(Polarization Space-Time Adaptive Processing,PSTAP)的低空风切变风速估计方法。本方法首先利用最大似然估计出适用于低空风切变这类分布式目标的极化空时导向矢量,其次通过构造PSTAP处理器最优权矢量对回波信号进行杂波抑制的同时积累风切变目标信号,最后精确估计出低空风切变的风速。仿真结果证明所提方法可以有效地实现杂波抑制并精确估计低空风切变的风速。

分布式间歇干扰下基于SMI的GNSS空时自适应处理器性能分析

针对全球导航卫星系统接收机面临的分布式间歇干扰威胁,全面准确地分析了基于采样矩阵直接求逆方法的空时自适应处理(space-time adaptive processing,STAP)的抗干扰性能。在建立性能分析模型的基础上,根据间歇干扰造成的采样协方差矩阵不匹配情况,通过分类评估、梳理归纳、理论推导全面分析了不同情况下STAP的性能。分析结果表明在采样长度小于闪烁周期且使用预采用处理方法时,空时自适应处理器会出现漏采样,干扰抑制性能会急剧下降,漏采样出现的频率为各干扰闪烁频率之和。数值和仿真分析验证了理论分析的结果,在此基础上讨论了考虑分布式间歇干扰时STAP的优化设计。

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。

基于空时自适应处理的多波束抗干扰改进算法

传统的多波束算法无法处理与导航信号来自同一方向的窄带干扰。针对该问题,提出了一种改进的多波束抗干扰算法,级联时频域结合的IIR格型陷波器于多波束抗干扰算法中,通过IIR格型陷波器预测并抑制窄带干扰,通过多波束形成抑制宽带干扰。这种新的算法能有效地抑制窄带和宽带干扰,提升GPS抗干扰接收机的性能。

基于非正交变换的局域波束空时自适应处理

传统JDL算法严格要求空时二维导引矢量间是相互正交的.对传统JDL方法进行改进,突破了要求该算法中变换必须是正交变换的规定,用一种非正交变换构建了性能更好的JDL算法,而原JDL则仅是本算法中的一种特殊情况.然后使用Krylov子空间空时自适应处理算法进行降秩处理,不需要对协方差矩阵进行估计,也不需要对样本协方差矩阵进行求逆,使得算法的处理速度得到加快.用仿真数据以及实测数据验证了所提出的非正交JDL方法性能的改善效果.

基于杂波谱稀疏恢复的空时自适应处理

在机载雷达体制中,空时自适应处理(STAP)可有效抑制杂波并完成动目标检测.但在实际杂波环境中,由于缺乏独立同分布的训练样本,传统STAP算法性能下降严重.针对这一问题,我们利用STAP体制下杂波在角度-多普勒域上的稀疏性,提出基于稀疏恢复的SR-STAP方法,可在少量训练样本下实现高分辨空时杂波谱及相应杂波协方差矩阵的估计.Mountaintop实际数据和仿真实验均表明,SR-STAP收敛速度更快,从而在实际杂波环境中获得更高的信杂噪比改善.

基于空时自适应处理的低空风切变风速估计方法

针对机载气象雷达在探测低空风切变时,有用信号会淹没在强杂波背景中的问题,该文提出一种基于空时自适应处理(STAP)的低空风切变风速估计方法。该方法首先利用空时插值原理校正机载前视阵地杂波的距离依赖性,获得多个独立同分布(IID)样本后估计地杂波协方差矩阵,然后构造适用于分布式低空风切变目标的空时自适应处理器,在自适应抑制地杂波的同时积累低空风切变信号,最终实现风场速度的精确估计。仿真结果表明,在高杂噪比、低信噪比的情况下,该方法可有效地自适应抑制地杂波并精确地估计风场速度。

基于空时功率谱稀疏性的空时自适应处理技术研究进展

随着压缩感知理论的兴起和发展,基于空时功率谱稀疏性的空时自适应处理(STAP)技术受到越来越广泛的关注.本文首先简单回顾了空时自适应处理技术的传统方法,接着从三个不同角度分析了空时功率谱的稀疏性并探讨了基于空时功率谱稀疏性的STAP技术的潜在优势,然后总结了基于空时功率谱稀疏性STAP基本原理和三种实现方式,根据稀疏支撑集先验信息知晓情况对现有基于空时功率谱稀疏性的STAP方法进行了分类,包括:基于阵列流形知识的STAP技术、基于空时功率谱稀疏恢复的STAP技术以及基于阵列流形知识和空时功率谱稀疏恢复的STAP技术,并对其研究现状进行了综述.最后在已有研究的基础上,着眼于提高杂波抑制和运动目标检测能力的发展需要,提出了未来该技术需要重点解决和关注的若干问题,包括稀疏性的本质机理分析、空时导向字典的设计、参数设置简单,快速和低复杂度算法设计、对模型误差稳健的算法设计、多种先验知识融合的基于空时功率谱稀疏性的STAP算法设计、基于空时功率谱稀疏性STAP方法的恒虚警检测器设计以及实测数据验证等方面.

机载雷达空时自适应处理技术研究综述

空时自适应处理(Space Time Adaptive Processing,STAP)技术通过空域和时域2维联合自适应滤波的方式,实现了机载雷达对强杂波与干扰的有效抑制。作为提升机载雷达性能的一项关键技术,近年来备受雷达领域的关注与世界军事强国的重视。该文从方法、实验系统和应用3个方面回顾了空时自适应处理技术的发展过程和研究现状,着重阐述了其发展过程中遇到的关键技术问题,介绍了STAP技术在装备上的应用情况,并讨论了下一步的发展趋势,提出了需要或值得进一步研究的方向。

稀疏恢复空时自适应处理技术研究综述

相较于传统空时自适应处理(STAP)技术,稀疏恢复(SR)STAP技术在小样本条件下杂波抑制性能显著提升,因此适用于现实非均匀杂波环境.本文首先阐述了SR STAP基本原理,分析了机载雷达杂波空时稀疏特性;然后总结了SR STAP发展历史与现状,并在此基础上针对其相关科学问题进行了探讨,包括:空时谱估计还是杂波抑制、单观测样本还是多观测样本、白化还是置零、重构算法参数依赖还是不依赖、非平稳杂波下是否适用及干扰条件下是否可行;最后给出了当前SR STAP技术走向实用化过程中所面临的关键问题,即网格失配和空域误差影响,并分别讨论了无网格压缩感知和字典自校正的解决途径.

修正空时自适应处理在水下自导系统中的应用

为了将空时自适应处理(STAP)抑制杂波的理论应用于水下环境,从而解决浅水抗混响问题,提出了应用于水下自导系统的修正空时自适应方法。结合雷达目标回波模型分析了空时自适应的原理;比较了雷达和水下自导系统目标回波模型,针对水下自导系统目标模型和混响空-时耦合项对空时自适应方法进行修正,并提出了应用空时耦合导向矢量进行空时处理;将该修正方法用于最优处理和目标检测。仿真结果表明,修正空时自适应方法有利于水下目标检测,应用空-时耦合导向矢量有助于提高目标方位估计能力。

适于非均匀杂波环境的空时自适应处理方法

本文针对非均匀杂波环境，提出了一种空时自适应处理的新方法．该方法具有系统自由度低，稳健性强、低速目标检测性能好、工程实现方便等特点，与局域联合处理方法及和差波束法相比，它在非正侧面阵机载雷达的实际系统中具有明显的性能优势．

空时自适应处理中基于知识的训练样本选择策略

针对空时自适应处理中样本协方差矩阵受干扰目标污染时检测性能下降的问题,提出了一种基于知识的空时自适应处理(knowledge aided space time adaptive processing,KA-STAP)方法。该方法将待测距离单元杂波的先验知识与广义内积非同态检测器(general inner product nonhomogeneity detector,GIP NHD)结合,对训练样本进行有效选择。通过仿真证明该方法能有效剔除存在干扰目标的样本,提高训练样本被干扰目标污染时空时自适应处理的检测性能。

空时二维自适应处理的统一理论、模型与局域处理方法

本文提出了机载相控阵雷达空时二维自适应处理的统一理论，并建立了空时二维处理器系统设计的统一数学模型。根据信号处理域的不同类型，本文把处理器系统分为四大类。本文对这四大类局域处理系统进行了深入研究与分析，给出与提出了多种可能的降维变换。同时提出了局域杂波自由度的概念，为简化处理器的设计提供了理论依据。结合计算机模拟就几种典型的局域处理器进行了性能考察与比较。