复杂环境下基于相关域的机载MIMO雷达空时自适应处理方法研究

Multiple-input multiple-out (MIMO) radar systems can offer higher performance in spatial resolution and clutter suppression than phased-array systems, therefore making research on space-time adaptive processing (STAP) for colocated MIMO radar can achieve better performance in ground moving target indication (GMTI). Most of STAP techniques against nonhomogeneous clutter are only discussed in one case of nonhomogeneity, and there is still a great challenge of handling the distance dependence for non-sidelooking airborne radar. Therefore, based on above-mentioned problems an intensive research is carried out. Firstly, airborne MIMO radar models under the consideration of several cases of nonhomogeneity coexisting are established, and then MIMO-STAP methods based on time-lag domain are proposed, and clutter suppression algorithms for non-sidelooking airborne MIMO radar are developed by employing elevation adaptivity. In this way, the goal of enhancing the abilities of airborne radar clutter suppression and low velocity target detection can be achieved. The expected research results will enrich MIMO radar theory, and improve the GMTI performance for airborne radar under complex environments, which has important theoretical significance and practical value for monitoring and controlling the flow of ground traffic, monitoring ocean currents and glacier, and military target surveillance.

多输入多输出（MIMO）雷达具有较高的空间分辨率和较强的杂波抑制能力，研究集中式MIMO体制下的空时自适应处理(STAP)方法可以更好地实现地面动目标检测。目前针对非均匀杂波环境下的研究大多只针对某一种非均匀现象，并且机载非正侧视阵雷达在解决距离依赖性问题方面仍存在很大挑战。本项目拟从以上两点展开深入研究。通过研究多种非均匀现象共存条件下的机载MIMO雷达模型、复杂环境下基于相关域的MIMO-STAP算法和联合俯仰维信息的MIMO非正侧视阵杂波抑制方法，达到提升机载雷达杂波抑制和检测低弱速目标的能力的目的。项目的预期研究成果将丰富MIMO雷达理论,提高机载雷达对复杂环境下动目标检测的能力,对我国地面交通流量监测与控制，洋流、冰川的监测及军事目标的监视都有重要的理论意义和实用价值。

多输入多输出（MIMO）雷达和空时自适应处理（STAP）技术相结合的MIMO-STAP技术可以发挥MIMO雷达的角度分辨力和参数估计精度优势，改善雷达对多径杂波的抑制性能，从而实现更好的杂波抑制和动目标检测性能。然而如何能够在非均匀环境下获得机载MIMO雷达系统所需的训练样本成为一个迫切需要解决的重要问题。.本项目基于现有研究成果的基础上，建立复杂环境下的机载MIMO雷达模型，对多种非均匀杂波抑制算法进行深入分析和研究，得到如下创新成果：.（1）提出一种三迭代降维MIMO-STAP算法。将全维处理器中的空时权向量分解为三个低维权向量的Kronecker积形式，同时分解高维数杂波数据，对接收信号的协方差矩阵进行子阵划分，降低需要估计的协方差矩阵维数，从而解决了独立同分布样本数和运算量大的问题。.（2）提出一种基于代价函数重构的改进直接数据域（DDD）算法。先通过空域两阵元或时域两脉冲相消来滤除目标信号，然后做前后向空时平滑获得训练样本。最后利用基于相关域的STAP算法估计低维杂波协方差矩阵，求解空时自适应权向量，从而在较小空时孔径损失的前提下降低计算量和样本数目，对多种非均匀杂波实现整体同时抑制。.（3）提出一种非均匀环境下两级STAP孤立干扰抑制算法。首先利用脉冲相消算子去除训练样本中的干扰目标，然后，利用相关域的STAP算法对孤立干扰进行抑制，从而实现了单独分别抑制多种非均匀杂波。.（4）提出一种级联降维STAP杂波抑制方法，先对接收数据进行预滤波处理，实现固定结构降维，降低杂波自由度，再对预滤波处理输出的信号进行自适应滤波，进一步降低计算量和训练样本数目的要求。.上述研究成果对机载MIMO雷达在实际复杂环境中的稳健杂波抑制问题提供技术支持，对于实现MIMO雷达动目标检测技术具有重要意义。