非理想条件下基于联合稀疏恢复的机载雷达杂波抑制方法研究

Compared with traditional methods, sparse recovery-based Space-time adaptive processing (STAP) methods can improve the clutter suppression ability under nonhomogeneous clutter environment. However, the existed methods recover the clutter spectrum only use single measurement data and ignore the influence of the nonideal measured data, thereby suffer from poor clutter cancellation performance in realistic airborne radar scenario. Here, we need to resovle the problem of sparse recovery-based clutter suppression under nonideal conditions. In details, we respectively research the multiple measurement data jointly sparse recovery-based STAP method considering of the influence of the low clutter-to-noise ratio, system errors, intrinsic clutter motion, and nonstationary clutter. The study will extend the scope of application of sparse recovery-based STAP method from ideal conditions to realistic nonideal situations, and significantly improve the clutter suppression ability under complicated geographical environment. Therefore, the study will proide the theory and key technology support for the improvement of the active airborne radar and the develoment of the next generation airborne radar.

相比传统方法，稀疏恢复空时自适应处理（STAP）方法可改善机载雷达在非均匀杂波环境下的杂波抑制性能。然而，已有稀疏恢复方法研究侧重于单样本情况，且较少考虑各种非理想因素，因此在实际应用中存在较大性能损失。本项目主要研究适用于存在低杂噪比、系统误差、杂波起伏及非平稳杂波等非理想条件下的多观测样本联合稀疏恢复STAP方法。本项目的研究将稀疏恢复STAP方法的适用范围由理想条件拓展到实际应用背景，可望有效提升机载雷达在复杂地貌环境下的杂波抑制性能，并为我国现役机载雷达的改进和下一代新体制机载雷达的研制提供理论和关键技术支撑。

空时自适应处理（STAP）技术是当前机载雷达杂波抑制的有效手段。与传统方法相比，稀疏恢复STAP方法可显著改善机载雷达在现实非均匀杂波环境下的杂波抑制性能。然而，已有稀疏恢复STAP方法研究侧重于单样本情况，且较少考虑各种非理想因素，因此在实际应用中存在较大性能损失。本项目主要研究了适用于实际非理想条件下的多观测稀疏恢复STAP方法，形成一系列原创创新研究成果，包括：对噪声稳健的子空间稀疏恢复STAP方法、参数不依赖的稀疏贝叶斯学习STAP方法、网格失配非自适应/自适应校正的稀疏恢复STAP方法以及基于稀疏恢复的非平稳杂波抑制方法。发表与录用学术论文28篇，其中在IEEE GRSL、SP和IET RSN等国际学术期刊发表学术论文9篇（已检索9篇）；在电子学报和IET Radar Conference等EI源刊及EI收录国际会议发表和录用学术论文9篇（已检索4篇）；在雷达学报等国内核心期刊发表学术论文10篇；申请中国发明专利10项。本项目的研究将稀疏恢复STAP方法的适用范围由理想条件拓展到实际应用背景，可望有效提升机载雷达在复杂地貌环境下的杂波抑制性能，并为我国现役机载雷达的改进和下一代新体制机载雷达的研制提供理论和关键技术支撑。