机载极化阵列多输入多输出雷达极化空时自适应处理性能分析

为进一步提升机载多输入多输出(MIMO)雷达空时自适应处理(STAP)的杂波抑制与目标检测性能,本文提出基于极化阵列MIMO雷达的极化空时自适应处理(PSTAP)方法.首先,将新型的极化阵列应用于机载MIMO雷达,建立了机载极化阵列MIMO雷达极化空时自适应处理的信号模型.然后,基于分辨格思想,将杂波影响等效为与杂波自由度相关的独立杂波点源的形式,得到极化阵列MIMO雷达极化空时自适应处理协方差矩阵的等价表示.进而,结合上述等价协方差矩阵,对极化阵列MIMO雷达极化空时自适应处理的输出信杂噪比(SCNR)性能进行了推导分析,讨论了其中极化、空、时匹配系数的影响.理论分析表明,通过利用附加的极化域信息,极化阵列MIMO雷达极化空时自适应处理相比于传统MIMO-STAP能够有效提升杂波抑制性能,更有利于慢速运动目标检测,并且目标与杂波极化参数差别越大,输出SCNR的性能改善效果越明显.仿真结果验证了本文所提极化阵列MIMO雷达极化空时自适应处理方法的有效性与优越性.

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。

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.

极化空时自适应匹配滤波检测器

针对极化空时自适应处理时目标极化状态和杂波协方差矩阵未知等实际瓶颈问题,提出了一种适应于机载极化阵列雷达的极化空时自适应匹配滤波(PST-AMF)检测算法.该检测算法先利用回波数据估计目标的极化状态,然后再将估值代入似然比得到了新的检验统计量,进一步推导了检测器虚警概率和检测概率的解析表达式,从理论上证明了该检测方法具备恒虚警(CFAR)特性.该检测器计算量比极化空时广义似然比检测器(PST-GLRT)少,易于工程实现.最后,仿真验证了在检测慢速运动目标时,其性能优于单个通道的空时自适应匹配滤波检测器(ST-AMF),具备较强的稳健性.

机载雷达极化空时自适应滤波性能分析

该文针对极化空时自适应处理时,目标极化状态未知的瓶颈问题,提出了先预估计目标的极化状态,然后再进行滤波的方法。该方法无需在极化域专门设置滤波器组进行搜索,大大减少了计算量。提出了最小方差无偏估计和正交投影估计两种极化矢量的估计方法,并将估计性能与Cramer-Rao界进行了比较,从理论上证明了最小方差无偏估计性能较好。与之相对应,提出了两种极化空时自适应滤波方法。仿真验证了特别当目标慢速运动时,极化空时自适应滤波明显优于空时自适应滤波。

基于KA-SRCN-pSTAP的低空风切变风速估计方法

针对由于独立同分布(IID)样本严重不足,导致极化空时自适应(pSTAP)处理性能下降,进而导致低空风切变风速估计不准确的问题,本文提出了一种基于知识辅助的稀疏表示杂波零陷极化空时自适应(KA-SRCN-pSTAP)的低空风切变风速估计方法。该方法首先利用杂波脊的先验知识辅助构造极化空时稀疏字典,然后利用极化空时稀疏字典,通过SRCN算法挑选原子并对到杂波线性子空间补空间上的投影矩阵进行估计,从而得到pSTAP权矢量,最后构造pSTAP滤波器对地杂波进行抑制,准确估计低空风切变风速。该方法仅使用少量IID样本,将SRCN算法与极化-空时域相结合,完成对风切变风速的有效估计。仿真实验结果证明该方法可以有效实现少样本情况下的风速准确估计。