论文部分内容阅读
由于实际场景中杂波强度远大于目标强度,常规的雷达信号处理方法在相控阵天线很难实现超低副瓣的情况下难以抑制这种强杂波。空时自适应信号处理(Space-Time Adaptive Processing,STAP)方法是一种有效的雷达信号处理技术,它在充分利用时域信息和空域信息对目标进行相干积累的同时,能进行空时二维联合滤波以抑制场景中的强杂波,获得较高的杂波抑制性能。正因为有如此优越的性能,STAP已经成为现代预警机雷达领域中的研究焦点之一,也逐渐成为了雷达检测中的一项关键技术。然而STAP需要用充分多的独立同分布(Independent and Identically Distributed,IID)的样本数据估计杂波协方差矩阵(Clutter Covariance Matrix,CCM),但实际中雷达系统面临的杂波环境往往是非均匀的,因此很难获得充分多的IID样本数据,这样就会造成信号对消过多或杂波对消不足,影响STAP的滤波性能。另外,STAP滤波器系数求解过程中CCM求逆的计算复杂度是三阶的,这样的计算复杂度在雷达系统自由度很高的条件下会严重影响STAP杂波抑制的实时性。为了减少对独立同分布样本的需求量和降低STAP滤波器系数求解的计算复杂度,国内外的学者们广泛的研究了准最优性能的STAP技术。但由于很多情况下杂波环境是极度非均匀的,准最优下得到的CCM也不能准确反映待检测距离单元杂波的统计特性。同时,准最优STAP方法只是降低了求解滤波器系数的计算量,并没有降低其计算复杂度。随着稀疏技术的发展,一些学者将稀疏恢复(Sparse Recovery,SR)方法引入了STAP,提出了一种基于稀疏恢复的STAP(SR-STAP)方法,这种方法利用散射点的空时谱在空时平面上的稀疏性,能用极少量样本数据甚至用待检测距离门单元上的数据估计CCM,极大的减少了估计CCM所需要的样本数据量。SR-STAP的发展已经有四五年的历史,现阶段SR-STAP方法的研究热点有失匹配问题,多观测向量问题、共型阵问题、和直接数据问题。但是这些问题都有一个共性问题,就是杂波空时谱的估计问题,杂波空时谱估计的准确与否直接涉及到STAP的杂波抑制性能,因此杂波空时谱的估计是SR-STAP方法的核心。同时,空时谱估计的快慢会涉及到STAP杂波抑制的实时性,因此本文的主要内容是空时谱的准确估计和快速估计。本文提出了一个快速估计空时谱的稀疏恢复算法,同时也提出了一个快速求解滤波器系数的方法;其次,研究了空时谱的失配问题并提出了一个空时谱失匹配的补偿算法;为了能准确的估计宽带体制下的杂波空时谱,最后建立了宽带体制下的稀疏STAP模型,这是因为在宽带体制下,受到宽带的影响,杂波和目标在平面部分重叠,重叠程度和宽带大小成正比,这样容易导致杂波空时谱估计不准确。为此本文主要完成了如下三方面的工作:1.提出了杂波空时谱估计的快速算法;Focal Underdetermined System Solver(FOCUSS)算法是在SR-STAP中估计高分辨杂波空时谱的有效方法,但FOCUSS算法的计算复杂度比较高,不适合直接用于实际的杂波空时谱估计中,为此本文提出了一种基于双共轭梯度法(Bi-Conjugate Gradient,BICG)的快速FOCUSS算法,即BICG-FOCUSS。BICG-FOCUSS算法是将FOCUSS算法在每次迭代中求Moore Penrose广义逆的部分用数学方法进行变换,使得求解广义逆与另一向量乘积的部分与求一个线性方程组的解等价,然后采用BICG求解该线性方程。BICG是一种与共轭梯度法类似的求解线性方程组的迭代方法,比直接法求解的计算复杂度低一个量级。仿真结果显示BICG-FOCUSS算法在保证算法收敛精度的前提下能比常规FOCUSS算法更快的收敛到稀疏解。本文将BICG-FOCUSS算法应用于SR-STAP的杂波空时谱的估计中,分别在单基地雷达体制、双基地雷达体制和Mountaintop系统下进行仿真实验,结果显示基于BICG-FOCUSS快速算法能够快速并准确的估计杂波空时谱。另外,滤波器系数是用CCM的逆和目标的空时导向向量做乘积得到的,但是CCM的求逆的计算复杂度是三阶的,这样也会降低STAP杂波抑制的实时性。本文将自适应滤波器系数的计算等价为用BICG求解一个线性方程组的解,因为BICG的计算复杂度是二阶的,所以这种方法能在极短的时间内得到滤波器的系数。2.提出了一种空时谱失匹配的补偿算法;本文针对SR-STAP中空时谱估计的失匹配现象提出了一种参数搜索的正交匹配搜索算法(Parameter-seareched Orthogonal Matching Pursuit,PSOMP)算法。PSOMP是OMP算法的一个改进,它将OMP算法从基矩阵中选择得到的原子进行调整,使得每一个与散射点最相关的原子都能匹配该散射点。该方法将散射点和基矩阵中原子的频率差作为参数,首先利用OMP算法选择散射点最匹配的原子,然后将两个参数携带到该原子上,最后通过优化问题搜索最优的参数使得携带最优参数的原子与信号中的散射点相匹配。本文从理论上说明了该搜索问题近似等价为为一个凸优化问题,目标函数极大值对应的参数值即是所要得到的最优参数。该凸优化问题可以用最速下降法或逆牛顿法求解,其梯度向量或Hesse矩阵都能显式的给出。相比于OMP算法,PSOMP算法额外的步骤是用优化算法求解最优的参数。文章将提出的PSOMP算法和已有的CSDL算法和POMP算法进行了仿真实验对比。对比表明,参数PSOMP算法能够有效的补偿失匹配造成的空时谱模糊,而且还能在极短的时间内得到补偿。3.为了准确估计宽体体制下的杂波空时谱,本文提出了一种宽带体制下的稀疏STAP模型。STAP利用杂波和目标在运动情况下在空时平面上的特征差异来抑制杂波,取得了显著的效果。但是在宽带体制下,受到宽带的影响,杂波和目标在空时平面部分重叠,重叠程度和宽带成正比,这样容易导致估计的杂波空时谱不准确,使得STAP性能严重下降。因此本文拓展了STAP的研究,以线性调频(Linear Frequency Modulated,LFM)信号为发射信号,建立一种宽带体制下的STAP模型。本文对散射点的回波信号进行空间采样和相干脉冲采样,然后定义了空间频率、空间调频率、多普勒频率、多普勒调频率、空间-多普勒耦合频率,并按照常规STAP空时导向向量的形式定义了空间-多普勒导向向量。因此,散射点在距离门上的回波信号就可以表示为这些空间-多普勒导向向量的线性组合,这就是基于LFM-STAP的信号模型。由于STAP方法需要通过充足的IID样本数据估计CCM,而大量的训练很难得到满足,因此本文将稀疏技术引入了LFM-STAP中,提出了基于稀疏恢复的LFM-STAP方法,并分别在正侧视和斜视体制下进行仿真实验,实验结果显示在LFM信号为STAP基础信号时,提出的基于稀疏的LFM-STAP模型能够准确估计宽带体制下的杂波空时谱。