[发明专利]基于广义内积任意阵列下的干扰样本剔除方法

说明书

技术领域

本发明属于空时二维自适应处理技术领域，特别涉及任意阵列构型环境下的干扰污染样本挑选，具体是一种基于广义内积任意阵列下的干扰样本剔除方法。用于机载雷达以及所有涉及时空二维自适应信号处理技术。

背景技术

机载雷达的地物杂波呈现出的空时二维耦合的特性，需要采用空时二维自适应信号处理(Space-Time Adaptive Processing，STAP)技术同时在空域和时域内对信号进行处理。为了能够有效的利用STAP技术进行杂波抑制和运动目标检测，需要精确的估计杂波背景的协方差矩阵。杂波背景的协方差矩阵估计的精确性将对STAP的性能产生很大的影响。传统的STAP方法中的协方差矩阵是基于最大似然估计得到的，估计所用的训练样本则来自待测单元两侧的距离单元。但是为了获得良好的性能，必须选取大量的均匀样本，即每个距离单元的样本服从独立同分布，这一要求在实际环境中并不能得到有效的满足。

把选取的样本称为训练样本，在实际的环境中，训练样本中除了静止的地物杂波之外，往往还含有运动的目标产生的干扰。由训练样本中的动目标形成的干扰目标会导致目标信号的对消，使STAP对目标的检测能力下降。针对干扰目标引起的训练样本非均匀问题，美国科学家William L.Melvin等人提出了非均匀检测器(Non-Homogeneity Detector，NHD)的思想，即由训练样本估计待检测区域的空时相关矩阵之前，先对训练样本进行检测以剔除被干扰污染的样本，从而可以更有效地估计出空时相关矩阵，使得下一步的空时二维自适应处理更加准确。

针对上述问题，目前主要采用的是基于广义内积(Generalized Inner Products，GIP)的非均匀检测器，即传统的广义内积方法，以及KASSM方法(KA Sample Selecting Method)。广义内积方法的基本原理是利用广义内积值作为鉴别统计量，首先在待测样本的两端选取多个训练样本，并利用这些样本去估计杂波协方差矩阵，然后再计算每个训练样本的广义内积值，最后设置一个广义内积值的检测门限，剔除超过检测门限的训练样本，再利用剩余的训练样本进行协方差矩阵估计。但是，该方法易受到训练样本的影响，计算量大，干扰目标数量较多时对干扰目标的检测并不敏感，在保证检测出所有干扰的同时，检测门限设置太低，容易剔除大量的均匀样本，使得STAP的目标检测性能下降。

KASSM方法，是假设折叠系数为整数，基于正侧视均匀等距线阵(Uniform Linear Array，ULA)的杂波呈线性分布这一特性而提出的，因此并不适用于任意阵列构型，故干扰污染样本的挑选性能会下降。

现有的两种方法中，传统的广义内积方法使用局限性较大，并不适用于任意阵列构型，剔除干扰样本的能力差，同时需要矩阵求逆，计算量较大。KASSM方法虽然剔除干扰样本的能力有所提高，但是同样不适用于任意阵列构型。

经在一定范围内检索，现有的剔除干扰样本方法都不适用于非均匀构型。

发明内容

本发明的目的在于克服现有技术的不足，提出一种能够在任意阵列构型下应用，且计算量小的基于广义内积任意阵列下的干扰样本剔除方法。

本发明是一种基于广义内积任意阵列下的干扰样本剔除方法，其特征在于，包括以下步骤：

步骤1，得到训练样本：利用发射信号，并接收对应的回波数据；在接收的回波数据中，在待检测距离单元的左右两端分别选取多个距离单元，将选取的L个距离单元的回波数据作为对应的L个训练样本，将第i个训练样本表示为X_i，i取1至L；

步骤2，离线组成杂波子空间的低秩逼近矩阵U_r，将每个训练样本按照方位向均匀划分为N_c个样本块，离线构造杂波散射体导向矢量矩阵V_c，在杂波散射体导向矢量矩阵V_c中计算得到所有的非零特征值对应的特征向量，组成杂波子空间的低秩逼近矩阵U_r；

步骤3，利用低秩逼近矩阵近似表达真实杂波子空间特性，根据杂波子空间的低秩逼近矩阵U_r，离线计算杂波噪声协方差矩阵的逆矩阵

步骤4，根据采集到的每个训练样本的数据及杂波噪声协方差矩阵的逆矩阵计算出每个训练样本的广义内积值(GIP)；

步骤5，根据噪声功率，设定检测门限η；