论文部分内容阅读
天波雷达因其具备远距离目标探测及预警能力,不仅在国防中扮演着重要角色,同时也具有很强的民用价值,受到各大国的高度重视。海杂波抑制是天波雷达中的关键问题,而空时自适应处理(STAP)是一种有效的杂波抑制技术。因此,研究天波雷达STAP具有重要的意义。然而,STAP在实际的天波雷达应用中会面临训练样本需求高、杂波环境非均匀以及运算量大等问题,其海杂波抑制性能会受到影响。本文针对这些问题,从训练样本选择、杂波协方差矩阵重构以及降维处理三个方面出发,对天波雷达STAP算法展开研究,主要工作概括如下:(1)针对杂波环境非均匀问题,给出了一种基于系统辨识的天波雷达STAP训练样本选择方法,可获得更多的训练样本和更好的海杂波抑制效果。我们注意到当两个信号的协方差矩阵相同时,它们的波形可能完全不相似。传统基于波形相似性的方法只选择波形相似的样本,而遗漏大量相似性低的可用训练样本。基于此考虑,本文提出用回声状态神经网络来判断待选样本与待检测距离单元(CUT)杂波是否具有相同的协方差矩阵,从而选择杂波协方差矩阵相同的样本作为训练样本。(2)针对训练样本短缺问题,给出了一种基于协方差矩阵重构的天波雷达STAP方法,该方法充分利用CUT自身的杂波信息,提高了样本严重短缺时杂波协方差矩阵估计的准确度。我们注意到传统基于训练样本统计的方法在估计杂波协方差矩阵时,会舍弃可能存在目标信号的CUT,然而CUT本身却包含着准确的杂波信息。基于以上考虑,本文提出根据CUT数据来重构杂波协方差矩阵,同时利用训练样本对重构数据进行修正,剔除目标分量以避免目标对消。(3)针对全维STAP运算量大的问题,给出了一种基于稀疏滤波的天波雷达降维STAP方法,该方法可实现辅助通道的自适应选择,提高了杂波抑制性能。与JDL等传统固定结构的降维方法不同,所提方法基于稀疏理论自适应地选择合适的辅助通道构造降维矩阵。由于天波雷达海杂波具有低秩特性,在构造降维矩阵时,只需要选择少量性能较好的辅助通道即可有效地抑制海杂波。本文在设计STAP滤波器时通过稀疏正则化处理,强制权向量中非零系数尽可能少,实现辅助通道的自适应选择。