[发明专利]基于迭代子空间跟踪算法的雷达稳健空时自适应处理方法

说明书

技术领域

本发明属于雷达技术领域，涉及一种基于迭代子空间跟踪算法的雷达稳健空时自适应处理方法，用于在有限样本的情况下，将空间信息和慢时间信息分别进行处理，以减轻非均匀分布的杂波的影响。

背景技术

空时自适应处理(STAP)是在运动平台进行杂波抑制一种强有力的工具，其被广泛地应用于机载雷达。杂波、干扰以及噪声的统计特性为确切已知(即已知杂波、干扰以及噪声的协方差矩阵)的空时自适应系统被认为是对运动目标进行检测的最佳方法，也是在剧烈变化的杂波和干扰的情况下检测微弱运动目标的最佳方法。在空时自适应处理中，杂波的协方差矩阵是从没有目标信号的辅助数据中计算得到的，但该辅助数据在实际中是相当缺乏的，因而计算的杂波的协方差矩阵是不精确的。因此，机载雷达空时自适应处理的一个重要问题就是训练样本支撑问题；同时，计算杂波的协方差矩阵时，含有目标信号的辅助数据会导致秩亏损，尤其在几何推理的非平稳环境中更为严重。由于杂波不依赖于距离，对于侧视机载雷达(SLAR)，杂波的协方差矩阵可以根据辅助距离单元的样本来进行估计；而对于非侧视机载雷达(non-SLAR)，对杂波的协方差矩阵进行估计时，会出现一个由天线平面结构引起的杂波的距离依赖问题，因此，在待检测单元，辅助距离单元不能模拟杂波，STAP算法不能很好地抑制杂波。目前，有很多减轻杂波的距离依赖的方法被提出，比如：多普勒弯曲，高阶多普勒弯曲，角度多普勒补偿，自适应的角度多普勒补偿，导数更新法以及配准补偿法等，由于上述方法都是对空时同时进行处理，所以上述方法的时间复杂度高。

还有另外的一些减轻杂波的距离依赖的方法，如：功率选择训练法，非均匀检测器，广义内积等。这些方法都通过除去了空时不匹配的数据来减轻杂波的距离依赖问题，但这样会使训练样本的数据个数减少，从而影响空时自适应处理的效果。

发明内容

针对上述现有技术的不足，本发明的目的在于提出一种基于迭代子空间跟踪算法的雷达稳健空时自适应处理方法，该方法能够在有限样本的情况下，运用迭代子空间跟踪算法将空间信息和慢时间信息分别进行处理，能够减轻非均匀分布的杂波的影响。

实现本发明的技术思路是：首先，由最大似然估计原则得到两维空时自适应处理在角度-多普勒域的空间/慢时间信息，并给出求解空间权矢量和时间权矢量的最优化问题；接着，考虑将所述空间信息和慢时间信息分别进行处理，利用迭代子空间跟踪算法求解得到空间权矢量和时间权矢量，并计算稳健空时导向矢量，实现雷达的稳健空时自适应处理。

为达到上述技术目的，本发明采用以下技术方案予以实现。

一种基于迭代子空间跟踪算法的雷达稳健空时自适应处理方法，其特征在于，包括以下具体步骤：

步骤1，首先，已知雷达接收的空-时数据矩阵X为：

其中，x(n，k)为第n个天线、第k个脉冲的接收数据，n＝1，2，...，N，N为天线个数，k＝1，2，...，K，K为脉冲个数；

然后，根据雷达接收的空-时数据矩阵X，由最大似然估计原则获得两维空时自适应处理在角度-多普勒域包含的空间/慢时间信息，即得到P个距离单元的空-时数据矩阵，其中，第p个距离单元的空-时数据矩阵X_p为：

其中，x_p(n，k)为第n个天线、第k个脉冲的接收数据中第p个距离单元的接收数据，p＝1，2，...，P，P为距离单元个数；

所述雷达接收的空-时数据矩阵X与P个距离单元的空-时数据矩阵的关系为：

步骤2，首先，根据雷达接收的空-时数据矩阵X，将其对应的空-时自适应权矩阵W写为：W＝uv^T，其中，u为N×1维的空间权矢量，v为K×1维的时间权矢量；然后，给出求解空间权矢量u和时间权矢量v的最优化问题：其中，a为空间导向矢量，b为时间导向矢量，E{·}表示求数学期望，上标H表示共轭转置；

步骤3，利用迭代子空间跟踪算法求解得到空间权矢量u和时间权矢量v，并计算稳健空时导向矢量s；

步骤4，将稳健空时导向矢量s与雷达接收的空-时数据矩阵X进行Kronecker积，得到自适应空时处理后的雷达空-时数据矩阵，即得到自适应空时处理后的目标信号。

相对于其他现有技术，本发明的优点为：

(1)当波达方向(DOA)和多普勒频率不匹配时，雷达的空时自适应处理过程都是稳健的；

(2)在本发明中，将空间信息和慢时间信息分别进行处理，因而时间复杂度低。

附图说明