基于知識的機(jī)載雷達(dá)雜波抑制技術(shù)研究.pdf

1、雜波抑制是機(jī)載雷達(dá)目標(biāo)探測面臨的主要問題?？諘r自適應(yīng)處理（STAP）算法對雜波進(jìn)行空域和時域的聯(lián)合處理，可顯著提高機(jī)載雷達(dá)的雜波抑制能力。實際的雜波環(huán)境往往呈現(xiàn)出非均勻、非平穩(wěn)特性，傳統(tǒng)的采用與待檢測單元相鄰的樣本對協(xié)方差矩陣進(jìn)行最大似然估計的STAP算法性能受限，如何準(zhǔn)確有效地估計待檢測單元的雜波協(xié)方差矩陣，成為進(jìn)一步提升機(jī)載雷達(dá)目標(biāo)探測性能的關(guān)鍵問題。
　　本文研究非均勻雜波環(huán)境下的空時自適應(yīng)處理問題，分析了非均勻環(huán)境下進(jìn)行數(shù)

2、據(jù)樣本篩選的必要性，對現(xiàn)有樣本篩選算法進(jìn)行了仿真，并利用實測數(shù)據(jù)驗證了處理算法的實際性能；在此基礎(chǔ)上，提出了一種改進(jìn)樣本自適應(yīng)樣本篩選算法，在小系統(tǒng)自由度情況下，具有更優(yōu)的篩選性能。本文的具體內(nèi)容概括如下：
　　1．介紹機(jī)載雷達(dá)雜波回波模型及 STAP基本理論。從全空時自由度處理的STAP算法出發(fā)，討論了降維/降秩處理的必要性，介紹了常用降維STAP算法的基本原理，并對STAP處理性能的評估參數(shù)進(jìn)行說明。
　　2．對機(jī)載雷達(dá)

3、的非均勻雜波環(huán)境，進(jìn)行信號建模與雜波仿真。對比分析了雜波的最小方差功率譜與傅里葉譜。介紹了非均勻環(huán)境下的雜波協(xié)方差矩陣估計方法及知識輔助STAP（KA-STAP）濾波器的基本原理。
　　3．研究了兩種經(jīng)典的獨立同分布（IID）樣本篩選算法，即廣義內(nèi)積（GIP）法和基于傅里葉譜相似度（FSPS）的樣本篩選算法，討論了不同的非均勻雜波場景下，兩種算法的適用性，并進(jìn)行了建模仿真和性能對比。結(jié)果表明，GIP算法對存在少量離散強(qiáng)雜波單元的非

4、均勻環(huán)境有較好的篩選效果，但在存在大量非均勻樣本的環(huán)境下，算法性能較差；FSPS算法則在強(qiáng)非均勻性雜波環(huán)境下呈現(xiàn)出良好的穩(wěn)健性。利用兩種算法對機(jī)載雷達(dá)實測數(shù)據(jù)進(jìn)行了處理，驗證了算法的有效性。
　　4．針對在小系統(tǒng)自由度下，已有的 FSPS算法在污染樣本剔除及相似樣本選擇環(huán)節(jié)都存在分辨率不足的問題，提出一種基于稀疏恢復(fù)技術(shù)的自適應(yīng)樣本篩選算法。該方法利用高精度稀疏恢復(fù)信息對參考單元樣本進(jìn)行篩選。相比FSPS算法，該方法在小系統(tǒng)自由度