基于稀疏结构的高维小样本空时自适应处理方法研究

As one of the key techniques in AEW radar, space-time adaptive processing (STAP) can effectively suppress clutter and jamming. Unfortunately, there are still some deficiencies, including insufficient degrees of freedom (DoFs) and inadequate training sample, in STAP for the limitations of environment and airborne platform. Therefore, according to the structure of airborne radar, the high dimension STAP algorithm with low training sample demanding based on sparse structure will be studied in the project. The main content is covered by three aspects: First, in order to achieve high dimension STAP by small scale antenna array and short coherent time, the sparse structure will be designed by exploiting the relationship between antenna array and pulses. Second, aiming at the problem of excessive training sample demanding in high dimension STAP, we will integrate the designed STAP with the dimension/rank-reduced structure based on the ideas of multi-stage dimension/rank-reduced and nested weight vector to develop a modest STAP method with low training sample demanding. Finally, the target and jamming will be transformed and separated in a certain domain. Then the jamming will be adaptively suppressed by obtaining the statistics of jamming. Obtaining high dimension STAP under the restrictions of space and time is a novel and challenging issue. The project is of great significance on the insightful understanding the sparse structure design and enhancing the applicability of STAP algorithm.

作为机载预警机中的关键技术，空时自适应处理（STAP）能有效抑制机载雷达杂波和干扰。但是，环境和载机平台空间等因素的限制导致STAP存在自由度不足，训练样本不够等问题。基于此，本项目将根据载机平台特点，研究基于稀疏结构的具有小样本需求量的高维STAP算法，主要包括三个方面：首先，分析空时处理中阵列与脉冲的关系，研究稀疏结构的设计，利用小阵列和短时间得到高维STAP算法；其次，针对高维STAP计算量大和训练样本需求量高的问题，将STAP算法与降维/降秩算法结构相结合，根据多级降维/降秩和权矢量嵌套的思想，研究出符合实际样本需求量的算法；最后，在有源干扰存在情况下，在不同变换域中将干扰和目标分离，进而获得干扰统计特性并自适应的抑制干扰。在有限的空间和时间条件下得到高维小样本STAP算法是一个新颖而有挑战性的课题，本项目的研究对深入理解稀疏结构设计，增强STAP算法实用性有重要理论意义。

如何在有限的阵元下设计大孔径的阵列是一个富有挑战性而且具有实际应用价值的课题，这有助于提升波达方向（Direction of arrival, DOA）估计，空时自适应处理（Space-time adaptive processing，STAP）和波束形成等阵列信号处理关键技术性能。传统阵列信号处理算法基于均匀线性阵列（Uniform Linear Array，ULA）模型，存在DOA估计和STAP自由度不够的缺点，随着该项技术在各领域中的广泛应用，均匀线性阵列模型已不再满足实际需求。稀疏阵列是一种能有效扩展阵列孔径，提供更多自由度的阵列结构，这种结构为实现更多自由度，更高精度的DOA估计和STAP算法性能提供了可能。基于这一现状，本研究结合经典的稀疏阵列模型，针对不同的天线阵列结构，通过对阵列结构和算法的设计与优化，试图进一步提升稀疏阵列在DOA估计和STAP处理性能，主要研究内容如下：.(1) 通过对嵌套阵列（Nested Array，NA）的阵元分布特点的充分分析，提出了基于四阶差分虚拟阵的扩展移位稀疏阵列的构造。所提出的阵列结构根据四阶累积量的性质，扩展的NA中的传感器间距可以超过原始的基于NA的移位扩展结构，从而显著增加连续四阶差分虚拟阵阵元的数量，自由度也得到了显著的改进；.(2) 在原有NA的基础上，提出了一种新的稀疏阵列结构，基于四阶差分虚拟阵的压缩嵌套阵列，用于四阶累积DOA估计。推导了物理阵元与相应连续四阶差分阵元个数之间关系的闭合表达式。除此之外，还提出了一种基于四阶累积量的小尺度稀疏阵列结构GCNA。推导了物理阵元与相应的连续虚拟阵元数量之间的关系。当部署小型阵列时，GCNA比典型的稀疏阵列具有更多的自由度；.(3) 为了降低连接到天线的射频链的成本，将混合模数结构应用于天线架构的设计。研究了基于混合模数系统的具有小计算量高分辨率的DOA估计方法，该算法避免高维矩阵运算和求逆，以高效的恢复协方差矩阵。另外，为了获得高自由度，将嵌套阵列应用于模数混合结构，并提出用于DOA估计的增强型BSA (EBSA)。通过消消除空间协方差矩阵的大量冗余元素，可以减少解线性方程的计算开销。