[发明专利]一种共轭梯度空时自适应处理方法及系统

说明书

本发明适用于雷达信号处理领域，提供共轭梯度空时自适应处理方法，包括：根据待检测距离单元内目标空时导向向量和干扰加噪音分量，确定基于变换域L1范数的共轭梯度空时自适应滤波器的输入信号；根据待检测距离单元的杂波稀疏特性，建立共轭梯度空时自适应滤波器的优化问题模型；采用基于变换域L1范数的共轭梯度算法，递归迭代地计算优化问题模型，得到共轭梯度空时自适应滤波器的权向量；根据权向量对该输入信号进行自适应处理。本发明实施例提出了一种低复杂度的基于变换域L1范数的共轭梯度空时自适应处理方法，能够在一些简单假设条件下，迭代地计算滤波器的权向量而不用协方差矩阵求逆，降低了10倍左右计算的复杂度，同时保持良好的性能。

技术领域

本发明属于雷达信号处理技术领域，尤其涉及一种基于变换域L1范数的共轭梯度空时自适应处理方法及系统。

背景技术

空时自适应处理(STAP，Space-Time Adaptive Processor)是机载雷达系统中杂波抑制和动目标检测的经典技术。对STAP技术的研究一直紧紧围绕着如何在保持STAP算法的杂波抑制性能的同时，加快低训练快拍下的收敛性和降低系统计算的复杂性是STAP技术的关键问题。

在STAP的发展历程中，为了解决STAP技术的关键问题，先后提出了三种主要类型的算法，即降维和降秩STAP技术，基于先验信息的STAP技术，基于稀疏度的STAP技术。这三种算法在STAP技术的发展中是按时间先后顺序提出的。首先，降维和降秩STAP技术是采用降低系统自由度来加快低训练快拍下的收敛性，之后基于先验信息的STAP技术是他们通过将一些先验知识结合到STAP设计中来加快低快拍下的收敛性。最后对于基于稀疏度的STAP技术是利用问题的稀疏本质，如杂波或权向量等的稀疏性，以加速STAP方法在低快拍下的收敛性。

虽然这些方法在快拍支持有限的情况下显着提高了滤波器杂波抑制和目标检测的性能，但高计算复杂度仍然是一个问题。

发明内容

本发明所要解决的技术问题在于提供一种基于变换域L1范数的共轭梯度空时自适应处理方法及系统，旨在解决现有技术在快拍支持有限的情况下显著提高算法的收敛性能，但计算复杂度高的问题。

本发明是这样实现的，一种基于变换域L1范数的共轭梯度空时自适应处理方法，包括：

步骤A，根据待检测距离单元内目标空时导向向量和干扰加噪音分量，确定基于变换域L1范数的共轭梯度空时自适应滤波器的输入信号；

步骤B，根据所述待检测距离单元的杂波稀疏特性，建立所述共轭梯度空时自适应滤波器的优化问题模型；

步骤C，采用基于变换域L1范数的共轭梯度算法，递归迭代地计算所述优化问题模型，得到所述共轭梯度空时自适应滤波器的权向量；

步骤D，根据所述权向量对所述共轭梯度空时自适应滤波器的输入信号进行自适应处理。

进一步地，在所述步骤A中，所述待检测距离单元的空时快拍以x表示，则有：

x＝α_tv_t+x_u；

其中，其中α_t为复数，v_t表示所述目标空时导向向量，x_u表示所述干扰加噪音分量，表示多普勒频率，表示空间频率，表示克罗内克积，x_u由干扰x_j、杂波x_c和热噪声x_n组成。

进一步地，在所述步骤B中，所述共轭梯度空时自适应滤波器表示为以下优化问题，即：