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。

和差天线空时自适应测角方法及性能分析

雷达模拟和差天线技术通过射频功率合成器形成和差波束,在目标角度测量中应用广泛,然而运动平台雷达经过空时自适应处理(Space-Time Adaptive Processing,STAP)后难以还原鉴角曲线,即自适应处理后的等效鉴角曲线与静态鉴角曲线发生偏离.针对此问题,本文提出和差天线体制雷达空时自适应测角方法 .该方法通过和差STAP算法抑制杂波后实现角度估计,并且通过理论推导建立了角度估计与和通道输出信噪比、差通道剩余杂噪比之间的关系,重点分析了杂波剩余对角度估计的非一致性影响.仿真实验验证了本文方法的有效性.

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。

机载雷达空时自适应检测方法研究进展

与空时自适应处理(STAP)相比,机载雷达空时自适应检测(STAD)方法利用待检测单元及训练样本的数据形成合理的检测统计量,直接判定目标的有无,而不用先进行杂波抑制,然后再检测。STAD方法具有处理流程简洁、设计灵活等特点,而且其相应的检测统计量通常具有恒虚警率(CFAR)特性,因而不需要进行专门的CFAR处理。更为重要的是,STAD往往比杂波抑制后检测的传统方法具有更好的检测性能。该文首先对STAD的技术要点进行简要地概括,然后对现有的STAD方法进行分类介绍,最后对STAD的下一步研究进行展望。

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。

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.

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。

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。

降维空时自适应处理研究

该文首先分析了降维空时自适应处理(STAP)的一般原理,接着从理论上证明了在处理器维数和辅助样本数相同的条件下降维STAP的互谱方法(CSM)提供了特征空间内所有降维处理方法的性能上界。文中还通过仿真将两种固定结构的降维方法与CSM做了性能比较,结果表明时域预滤波级联局域空时联合处理法(3DT-SAP)非常接近性能上界,是一种非常有效的降维方法。

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．

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。

基于线性约束的空时自适应单脉冲技术

机载雷达平台的空时自适应处理(Space-Time Adaptive Processing,STAP)通常用于对地面运动目标的检测,但无法实现对相应目标的空时参数估计。该文基于线性约束自适应单脉冲技术,提出一种运动目标空时参数估计新方法。该方法通过对差波束进行零点约束、鉴角率约束及去耦约束,有效地克服了主瓣内杂波对差波束形状的影响,保持了单脉冲特性,提高了目标空时参数的估计性能。仿真结果表明,与同类方法相比,该方法具有优异的空时参数估计性能。

空时自适应处理的通用平台设计与实现

该文利用多个高性能数字信号处理器,结合FPGA和通用处理器,实现了一个空时自适应处理(STAP)的通用实时平台系统。借鉴Valiant(1990)提出的BSP模型,采用多重流水线,提出一个空时自适应处理(STAP)计算模型。该模型可以弥补STAP算法和实际并行系统的差距,为开发提供了统一框架;同时,方便了对算法的性能评估。在基于该模型的具体开发过程中,选择可扩展簇式多处理机结构作为系统硬件架构,采用数据块静态分配方案进行算法的分解与映射,并采取一系列通信和程序优化的方法。结果表明,系统能满足实时要求,可扩展性好,方便类似系统的系列开发。

任意线阵的直接数据域空时自适应处理方法

研究机载预警雷达在前视任意线阵构形下的地杂波和干扰抑制问题.在采用迭代法获得单个距离门回波数据的空时二维谱基础上,结合图像特征分析提取杂波和干扰分布特性曲线,通过将待检测单元数据向重构的杂波和干扰子空间正交投影检测动目标.能避免直接数据域方法存在的空时孔径损失和克服传统统计空时自适应处理(STAP)方法在非平稳环境性能下降问题,仿真结果表明本文方法具有良好的动目标检测性能.