[发明专利]基于二维滑窗稳健空时自适应处理的目标检测方法

说明书

技术领域

本发明涉及空时自适应处理技术领域，特别涉及一种基于二维滑窗稳健空时自适应处理的目标检测方法，本发明应用于机载雷达的回波信号处理。

背景技术

机载雷达的地物回波呈现的空时耦合谱特性决定了其采用空时自适应处理(Space-Time Adaptive Processing，STAP)的杂波抑制效果优于一维杂波抑制技术。传统的STAP方法利用训练数据估计待测数据的空时相关矩阵。均匀环境下，两组数据的统计特性基本相似。该类方法有效地利用了回波的统计特性，可以获得较好地杂波抑制性能；然而，机载雷达的实际工作环境往往是非均匀的，难以满足自适应处理对于均匀训练样本数的需求，并且传统方法对于待测数据本身含有的干扰抑制效果较差。为此，基于待测数据本身的STAP类方法被提出，例如直接数据域(Direct Data Domain，DDD)、反复迭代自适应(Iterative Adaptive Approach，IAA)、基于幅度相位估计(Amplitude and Phase Estimation，APES)的STAP方法等。其中，基于二维幅度相位估计(Two Dimension Amplitude and Phase Estimation，2D-APES)的2D-APES方法保证接收信号的时域及空域输出与目标信号的均方误差最小，充分利用了杂波的统计信息，从而能够较好地同时在空域及时域对干扰杂波进行抑制，并且计算量小。但在实际应用中，目标的参数信息，即目标的波达方向(Direction of Arrival，DOA)或多普勒频率往往不能准确获取，目标真实导向矢量产生失配。2D-APES方法对导向矢量失配非常敏感，导致目标检测性能下降。

针对上述导向矢量失配问题，目前主要有以下几种方法：

第一种方法，对角加载技术(diagonally loaded，DL)。DL可以降低空时相关矩阵小特征值的扰动，增加波束形成器的稳健性，提供了到达角失配的稳健性，以及阵元位置、增益位置和相位扰动的稳健性等。但在实际情况对于加载量的多少往往是根据经验值设定，加载量的不确定严重影响对角加载的性能。

第二种方法，基于最差性能的最优的稳健方法，该方法将目标DOA及多普勒频率约束在一个误差锥域内，通过凸优化方法求解最优滤波器权值，然而该方法并不能给出一个解析解，并且计算量大。

发明内容

针对上述技术问题，本发明的目的在于提出一种基于二维滑窗稳健空时自适应处理的目标检测方法，保证接收信号的时域及空域输出与目标信号的均方误差最小，充分利用了回波的统计信息，根据两点正交约束及迭代对角加载方法，在不增加较大的计算量的前提下，有效保证了导向矢量失配时2D-APES方法的稳健性。

为了达到上述目的，本发明采用以下技术方案予以实现。

一种基于二维滑窗稳健空时自适应处理的目标检测方法，包括以下步骤：

步骤1，利用机载雷达发射信号，并接收相应的回波数据；

步骤2，对所述回波数据进行空时滑窗处理，得到空时滑窗后的回波数据；

步骤3，由先验信息构造目标视在导向矢量误差边界矩阵，其中所述先验信息包括目标归一化多普勒的上限、目标归一化多普勒的下限、目标真实波达方向的上限和目标真实波达方向的下限，所述导向矢量误差边界矩阵包括目标视在导向矢量的上限和目标视在导向矢量的下限；

步骤4，计算所述空时滑窗后的回波数据在目标张成的子空间的正交补空间上的投影分量的自相关矩阵；

步骤5，通过以下公式计算所述自相关矩阵对角加载后的相关矩阵：

R′_⊥＝R_⊥+γI

其中，R_⊥为自相关矩阵，R'_⊥为对角加载后的相关矩阵，I为单位矩阵，γ为加载因子，初始值为1；

步骤6，根据所述目标视在导向矢量误差边界矩阵和对角加载后的相关矩阵求解目标视在导向矢量误差边界矩阵的共轭转置矩阵的权矢量；

步骤7，判断所述目标视在导向矢量误差边界矩阵的共轭转置矩阵与所述权矢量相乘得到的列向量的模值是否小于1；若所述模值小于1，则增加所述加载因子γ后重新执行所述步骤5至步骤6；若所述模值大于等于1，则将对应的权矢量作为最优权矢量；

步骤8，利用所述最优权矢量构造滤波器对所述空时滑窗后的回波数据进行滤波，得到目标回波数据。

优选地，所述步骤1包括以下子步骤：