[发明专利]一种融合广义对称结构信息的知识辅助空时自适应处理方法

说明书

技术领域

本发明属于空时自适应处理(STAP)领域，特别涉及一种融合广义对称结构信息的知识辅助空时自适应处理(KA-STAP)方法。

背景技术

空时自适应处理(Space-Time Adaptive Processing,STAP)是动平台雷达系统抑制杂波和干扰，提升目标检测能力的核心技术。总干扰加噪声协方差矩阵的估计精度很大程度上影响着STAP的性能。在传统的STAP中，假设训练样本数据满足独立同分布且和待测单元数据具有相同的协方差矩阵(均匀环境)，通常用采样协方差矩阵(SCM)作为总干扰加噪声协方差矩阵的估计。然而，杂波环境通常是非均匀的，例如，杂波反射系数具有空变性、训练数据中通常存在类目标信号等。因此，在实际应用中由于缺乏足够的均匀训练样本，SCM通常并不是总干扰加噪声协方差矩阵的准确估计。

为了获得总干扰加噪声协方差矩阵更精确的估计，利用先验知识的STAP方法(KA-STAP)近年来受到了广泛关注。在KA-STAP中，可以从土地利用和覆盖数据、已有对同一地区的扫描数据、雷达参数等先验信息源中推导获得先验协方差矩阵。剩下的问题就是如何在STAP中利用已经获得的先验知识基于知识的处理可以被分为直接方法和间接方法两大类，其中间接方法利用先验知识选择合适的训练数据，然后进行协方差矩阵估计，而直接方法将先验知识直接运用于自适应处理器的设计中。直接方法和间接方法与传统方法相比，都有效地提升了协方差矩阵的估计性能，然而，与直接方法不同，间接方法未能减小对训练样本的需求。

除了上述基于知识的方法已经用到的各种先验信息外，协方差矩阵广泛存在的特殊结构特征也可以加以利用。在雷达系统中，如果线性阵列对称分布并且脉冲重复间隔固定，那么其总干扰加噪声协方差矩阵具有广义对称结构。这种广义对称结构已经被广泛用于检测器性能的提升中。

发明内容

本发明要解决的技术问题是：针对STAP应用中由于非均匀环境和雷达相关参数限制，难以获得足够均匀样本的问题，提出了一种融合广义对称结构信息的知识辅助空时自适应处理方法。该方法首先利用线性变换将原空时自适应处理问题转化成与之等价的形式。其协方差矩阵由复广义对称矩阵变成相同维数的实对称矩阵，自由度减小为原来的一半。随后，利用广义线性结合和凸结合方法结合训练样本和先验协防差矩阵求得真实协方差矩阵的最小均方误差估计，进一步提升了STAP的性能。此外，将上述协方差矩阵估计方法引入到检测器的设计中，分别给出了部分均匀环境下的知识辅助广义对称自适应余弦估计器(KA-P-ACE)和随机非均匀模型下的知识辅助广义对称GLRT检测器(KA-P-GLRT)。所提的检测器在利用协方差矩阵广义对称结构特性的同时，利用线性结合或凸结合的方法将先验知识引入到了检测器的设计中，显著地提升了检测器的性能。

本发明解决其技术问题所采用的技术方案是：一种融合广义对称结构信息的知识辅助空时自适应处理方法，其实现步骤如下：

步骤(1)、利用酉变换矩阵进行线性变换，将原空时自适应处理问题转化成与之等价的形式，使其协方差矩阵由复广义对称矩阵变成相同维数的实对称矩阵；

步骤(2)、利用样本数据获得变换后协防差矩阵的一个估计；

步骤(3)、求先验协方差矩阵在最小欧氏距离准则下的最优实对称估计；

步骤(4)、利用广义线性结合和凸结合方法结合训练样本和先验协防差矩阵求得真实协方差矩阵的最小均方误差估计；

步骤(5)、根据两步设计得到部分均匀模型和随机非均匀模型假设下的检测器形式，实现对目标的检测。

本发明与现有技术相比优点在于：

(1)、本发明提出的一种融合广义对称结构信息的知识辅助(Knowledge Aided，KA)空时自适应处理方法既结合先验环境知识，又充分利用总干扰加噪声协方差矩阵特殊结构，更大程度地降低了协方差矩阵估计时对训练样本的需求量；

(2)、本发明针对非均匀环境下的目标检测问题，分别针对部分均匀模型和随机非均匀模型提出了相应的知识辅助广义对称检测器。与现有知识辅助检测器以及广义对称检测器相比，本发明所提方法显著提升了检测性能，尤其在训练样本缺乏的情况下；

(3)、本发明实现简单，自适应计算。

附图说明

图1为本发明一种融合广义对称结构信息的知识辅助空时自适应处理方法流程图；