基于稀疏恢复的机载雷达稳健空时自适应处理方法研究

Ground motive target detection (GMTD) is one of the major tasks of airborne radar. Space-time adaptive processing (STAP) can obtain the statistical information of clutter from training data adaptively. Hence, clutter can be suppressed and the output signal-to-clutter-plus-noise is improved, which is helpful to the target detection. Thus, STAP method has been applied in GMTD of airborne radar extensively. However, when the training samples are few, non-homogeneous or non-stationary, performance of the traditional STAP method degrades severely, and the target cannot be detected at worst. To cope with the shortcoming of traditional STAP method, this project exploits the low rank property of clutter subspace and the sparse distribution of clutter spectrum in the angle-Doppler plane. The robust STAP methods based on sparse recovery will be studied. Firstly, the fast calculation method of sparse recovery based on iterative adaptive approach will be studied, which can reduce the computational load. Then, the robust STAP method based on joint sparse recovery will be studied, which exploits the clutter distribution characteristic to suppress outliers and improve robustness of STAP. Finally, a knowledge-aided STAP method will be proposed for the non-side-looking airborne radar, which can separate the target from clutter directly.

地面运动目标检测是机载雷达的重要任务之一。空时自适应处理（STAP）可以根据样本数据中的杂波统计信息对其有效抑制，从而提高输出信杂噪比，达到运动目标检测的目的。因此，STAP方法在机载雷达的运动目标检测领域得到了广泛的应用。但是在小样本、非均匀、非平稳的条件下，传统STAP方法的性能会急剧下降，难以实现有效的运动目标检测。针对传统STAP方法的缺陷，本项目利用杂波子空间的低秩特性以及杂波在角度-多普勒平面上稀疏分布的特点，研究基于稀疏恢复的稳健STAP方法。首先借助迭代自适应，研究稀疏恢复的快速实现方法，降低计算复杂度；然后研究基于联合稀疏恢复的稳健STAP算法，利用杂波分布的一致性抑制离群点的影响，提高STAP的稳健性；最后，针对非正侧视雷达不易利用样本数据的缺陷，借助稀疏恢复和机载雷达杂波分布的先验知识实现杂波的运动目标的直接分离。

地面运动目标检测是机载雷达的重要任务之一，在军事侦察、国防安全、交通监测等领域有着广泛的应用。然而，机载雷达工作在下视状态，回波信号中包含有大量的地面杂波，使得动目标的检测比较困难。另外，由于雷达通常工作在复杂的电磁环境中，大量的干扰信号也会对动目标检测产生严重影响。空时自适应处理（STAP）可以根据样本数据中的杂波统计信息对其有效抑制，达到运动目标检测的目的。因此，STAP方法在机载雷达运动目标检测领域得到了广泛的应用。但是在小样本、非均匀、非平稳的条件下，传统STAP方法的性能会急剧下降，难以实现有效的运动目标检测。.针对传统STAP方法的不足，本项目利用杂波子空间的低秩特性以及杂波在角度-多普勒平面上稀疏分布的特点，研究基于稀疏恢复的稳健STAP方法。借助机载雷达参数和杂波分布的先验信息，通过知识辅助和色加载等方法，提升杂波统计特性的估计精度，同时抑制干扰信号的影响；研究基于联合稀疏恢复的稳健STAP算法，采用模糊数学中的隶属度方法，利用杂波分布的一致性抑制离群点的影响，提高STAP的稳健性；针对稀疏恢复方法中由于离散化网格划分不准确引起的离网效应，提出全局搜索和局域搜索相结合的方法，提升杂波稀疏恢复的准确性，并提升动目标检测性能；针对稀疏恢复方法计算复杂度高的问题，采用空域角度粗略离散化，借助杂波分布的先验信息，迭代计算杂波多普勒频率，并精确估计杂波空时功率谱，在计算量显著降低的条件下确保动目标检测的准确性；为了提升稀疏恢复的准确性，提出使用稀疏贝叶斯学习过程迭代计算杂波功率谱的算法，可以提升动目标检测性能；在弧形阵列雷达中，提出基于稀疏约束迭代自适应方法，实现动目标的准确检测。.本项目的相关研究，提出了在小样本、非均匀条件下机载雷达检测地面动目标的有效方法，对于提升复杂电磁环境下相关雷达的检测性能具有重要价值。项目研究成果的实用性较强。