基于知識的機載雷達雜波抑制技術研究.pdf

1、雜波抑制是機載雷達目標探測面臨的主要問題?？諘r自適應處理（STAP）算法對雜波進行空域和時域的聯(lián)合處理，可顯著提高機載雷達的雜波抑制能力。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)方差矩陣進行最大似然估計的STAP算法性能受限，如何準確有效地估計待檢測單元的雜波協(xié)方差矩陣，成為進一步提升機載雷達目標探測性能的關鍵問題。
　　本文研究非均勻雜波環(huán)境下的空時自適應處理問題，分析了非均勻環(huán)境下進行數(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；在此基礎上，提出了一種改進樣本自適應樣本篩選算法，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．介紹機載雷達雜波回波模型及 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)進行說明。
　　2．對機載雷達

3、的非均勻雜波環(huán)境，進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。利用兩種算法對機載雷達實測數(shù)據(jù)進行了處理，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技術的自適應樣本篩選算法。該方法利用高精度稀疏恢復信息對參考單元樣本進行篩選。相比FSPS算法，該方法在小系統(tǒng)自由度