空时二维自适应处理的目标污染样本挑选方法

在空时二维自适应处理 (STAP)中 ,杂波样本数据不满足独立同分布 (iid)条件是影响STAP处理的一个重要因素 .这种非iid特性不仅包含地面的不均匀性和散射体的内部运动 ,也包括了目标和一些类似目标的干扰造成的样本数据污染 .在某些情况下 ,被目标污染的样本会对权系数矢量的估计造成明显的影响 ,使输出信杂比大大下降 .本文首先分析了目标信号对广义旁瓣相消结构 (GSC)处理方式的影响 ,指出采用阻塞矩阵和不包含检测单元的辅助数据不能有效消除目标信号的影响 .而现有的非均匀检测 (NHD)方法不能有效挑出污染样本 .据此 ,本文提出杂波剩余功率下降的目标污染样本选择准则和两种新的非均匀样本检测方法 ,可以将对自适应有影响的污染样本数据剔除 .试验结果证实了新方法的有效性 ,而且其中一种方法的运算量很小 ,便于工程实现 。

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。

基于非均匀检测的机载雷达空时自适应处理方法

提出了一种新的非均匀杂波环境下的数据样本选取方法——关联维数 (CD)非均匀检测器 ,研究了非均匀杂波环境中改进干扰协方差矩阵的估计和自适应权的形成问题。仿真结果表明 ,非均匀检测器与空时自适应处理 (STAP)方法相结合 ,可显著地改进机载雷达的检测性能。

稳健的对角加载广义内积算法

针对空时自适应处理(STAP)在非均匀条件下的协方差矩阵估计问题,提出了对角加载广义内积(DL-GIP)算法.将对角加载用于改善广义内积(GIP)检测算法的检测性能.对于DL-GIP算法的关键是选择加载电平,给出了具体的选择方法.从理论上详细分析了对角加载对GIP性能的影响,即合理的对角加载可以提高检测概率和输出信噪比.最后的仿真分析验证了理论分析的正确性,即DL-GIP具有较高的检测概率和稳健的多个离群点检测能力,而且检测性能优于其他(广义内积和投影设计)非均匀检测(NHD)方法.

基于频心法的STAP非均匀检测器

针对杂波谱移动非均匀和功率非均匀现象,提出了"频心"法非均匀检测器。该检测器利用杂波谱移动非均匀和功率非均匀环境下杂波散射中心频率和能量随距离变化这一特点进行非均匀样本选取。仿真结果证明这种非均匀检测器在杂波谱移动非均匀和功率非均匀环境下具有较好的非均匀检测性能。

一种非均匀背景下的多策略CFAR检测器

为了提高非均匀背景下的雷达目标恒虚警(CFAR)检测性能,该文基于变化指数CFAR(VI-CFAR)检测器,提出一种多策略CFAR(MS-CFAR)检测器。该检测器通过对参考窗中的杂波背景进行估计,自适应选择单元平均CFAR(CA-CFAR)、逼近CFAR(AC-CFAR)和交互式CFAR(S-CFAR)中的一种作为最优检测策略。仿真结果表明,MS-CFAR在继承了VI-CFAR优点的基础上,在均匀背景、杂波边缘和多目标干扰等背景下都表现出更好的检测性能,且具有更稳健的抗杂波边缘和抗多目标干扰性能。

知识辅助的机载MIMO雷达STAP非均匀样本检测方法

针对样本协方差矩阵受干扰目标污染时机载多输入多输出(multiple-input multiple-output,MIMO)雷达空时自适应处理(space-time adaptive processing,STAP)目标检测性能下降的不足,提出一种知识辅助(knowledge-aided,KA)的广义内积非均匀样本检测方法。首先利用扁长椭球波函数估计的杂波子空间知识,离线构造杂波协方差矩阵,然后与广义内积非均匀检测器(generalized inner product non-homogeneity detector,GIP NHD)结合,实现对训练样本的有效选择,使目标检测不受训练样本中干扰目标的影响。仿真结果表明,相对于常规GIP方法,KA-GIP方法能够对存在干扰目标的样本进行更加有效地剔除,并且机载MIMO雷达STAP的目标检测性能得到显著提升,因此更有利于实际工程应用。

一种基于多级维纳滤波的多通道SAR动目标检测算法

该文针对机载多通道SAR-GMTI系统及实测数据,提出一种新的地面慢动目标检测算法。新算法利用多级维纳滤波器实现多通道SAR系统杂波抑制,同时结合对角加载技术和非均匀检测器,进一步改善SAR系统在非均匀环境下的动目标检测性能。实测数据实验结果表明:与常规的自适应检测方法相比,新算法能够明显提高系统对杂波的抑制能力及非均匀环境下系统的动目标检测性能。

实测数据的降秩空时自适应处理方法

在实际非均匀环境中,机载雷达数据的非均匀性会恶化杂波协方差矩阵的估计,严重地降低了空时自适应处理器的性能。本文首先用非均匀检测器在非均匀环境下选择辅助距离门,来估计样本协方差矩阵。而后讨论了基于广义旁瓣相消器结构上的两种降秩空时自适应处理方法：主分量法和互谱法,这两种方法都是利用杂波和干扰的低秩属性,用依赖于采样数据的转换矩阵来构造空时自适应滤波器。最后对从Mountain Top计划测得的数据,应用上述两种降秩方法对其进行了分析。仿真实验表明了这两种方法的可行性,减少了计算量,并提高了有效可测收敛性,可有效地提高空时自适应处理器的性能。

UWB SAR非均匀区域目标检测方法

在超宽带合成孔径雷达(UWBSAR)图像目标检测中不仅会遇到均匀杂波区域,还会遇到叶簇区域、空旷区域及干扰目标等组成的非均匀杂波区域。恒虚警率(CFAR)目标检测是雷达目标检测的重要方法,而传统的CFAR检测对UWBSAR非均匀杂波区域目标检测效果较差。首先分析了叶簇区域、空旷区域及二者混合区域的杂波分布。然后针对UWBSAR的实际情况,运用智能索引变量的CFAR检测技术(VICFAR),使得均匀杂波和非均匀杂波背景中目标检测都取得了较好的效果。最后,利用实际UWBSAR目标检测结果验证了VICFAR的有效性。

基于局域模板的STAP非均匀检测器

分析了STAP(Space Time Adaptive Processing)中强干扰目标影响传统非均匀检测器性能的机理,针对强干扰目标引起的非均匀检测器性能下降和传统自适应功率剩余(APR)方法运算量大的问题,提出了一种基于局域模板的非均匀检测器(Local Template NHD,LT-NHD)。该方法不需要进行协方差矩阵求逆的耗时运算,便能获得较高的运算效率;此外,其检测不易受训练样本中的强目标样本影响,能获得比传统方法更为鲁棒的检测性能。实测数据实验验证了本文方法的有效性。

知识辅助的APR非均匀样本检测方法

针对空时自适应处理(STAP)中样本协方差矩阵受强干扰目标污染时检测性能下降的问题,提出了一种知识辅助的自适应功率剩余(KA-APR)非均匀样本检测方法。该方法将杂波先验知识与自适应功率剩余非均匀检测器(APR NHD)相结合,对训练样本进行有效选择。仿真结果表明,相对于传统的APR方法,KA-APR方法能更有效剔除存在强干扰目标的样本,提高训练样本被强干扰目标污染时空时自适应处理的检测性能。