STAP中基于知識的雜波協(xié)方差矩陣估計技術研究.pdf

1、空時自適應處理(Space-Time Adaptive Processing, STAP)技術由于能夠有效提高機載雷達的雜波抑制性能和目標檢測性能而受到了廣泛關注。STAP中一個關鍵的步驟是估計待檢測單元的雜波協(xié)方差矩陣(Clutter Covariance Matrix,CCM)。CCM的估計方法有兩類，一類是利用雜波的統(tǒng)計特性，借助于和待檢測單元滿足獨立同分布的訓練樣本，根據(jù)一定的準則(如最大似然準則)實現(xiàn)估計；另一類是利用雜波的結

2、構特性，借助于雜波模型，通過估計雜波模型中的參數(shù)實現(xiàn)估計。
　　第一類方法在均勻樣本數(shù)目足夠多的情況下能實現(xiàn)比較好的估計。然而，實際環(huán)境中樣本往往是非均勻的，直接利用非均勻的樣本數(shù)據(jù)來估計協(xié)方差矩陣會引起估計誤差，導致性能的下降。第二類方法在模型與真實協(xié)方差矩陣匹配且各參數(shù)估計準確的情況下能取得比較好的估計性能，然而計算量較大。研究人員發(fā)現(xiàn)發(fā)掘并使用先驗知識實現(xiàn)智能化信號處理能有效提高雜波抑制的性能。本文在此背景下圍繞STAP中基

3、于知識的雜波協(xié)方差矩陣估計方法展開研究工作。
　　第二章重點討論了CCM的特性，包括特征譜、功率譜以及實際因素對CCM的影響。仿真結果表明通道誤差、雜波起伏以及載機偏航等實際因素會引起雜波自由度的增加和功率譜的展寬或變形。
　　第三章提出了一種新的基于幾何特性(協(xié)方差矩陣之間的距離)選擇訓練樣本的方法。文章中分析了多種距離指標(包括歐式距離，黎曼距離，譜距離，物理歐式距離以及物理譜距離)，并討論了三種計算距離的方法(相鄰樣本

4、協(xié)方差矩陣之間的距離，樣本協(xié)方差矩陣與采樣協(xié)方差矩陣之間的距離以及樣本協(xié)方差矩陣與知識輔助的協(xié)方差矩陣之間的距離)。仿真結果表明利用樣本協(xié)方差矩陣與知識輔助的協(xié)方差矩陣之間的黎曼距離、物理歐式距離或物理譜距離能更加有效地實現(xiàn)樣本的選擇。
　　第四章研究了基于先驗合成孔徑雷達(Synthetic Aperture Radar,SAR)圖像的CCM估計方法。忽略散射體方位散射特性的變化，理想情況下，基于SAR圖像的協(xié)方差矩陣估計誤差較