[发明专利]一种基于子孔径平滑的辅助杂波样本筛选方法

说明书

本发明公开一种基于子孔径平滑的辅助杂波样本筛选方法，采用超低旁瓣子孔径滑窗方法大幅提升旁瓣区的信杂噪比，并结合拟合方差偏离的方法提取目标大信号能量，并予以剔除，从而改善初始杂波协方差矩阵的纯度；同时，结合子孔径平滑方法能够显著改善小目标的输出信杂噪比，结合GIP等算法剔除包含小目标的杂波样本，从而提高包含微动器件这类目标的弱离散分布检测点的输出信杂噪比，为后续基于检测输出的目标识别提供可能。克服了已有的非均匀杂波样本筛选方法面临的初始协方差矩阵包含目标信号而无法剔除目标信息的问题，能够大幅降低系统运算复杂度，提高系统应用效能。

技术领域

本发明涉及一种基于子孔径平滑的辅助杂波样本筛选方法，属于雷达技术领域，特别是一种自适应非均匀/受目标污染杂波样本剔除技术，适用于实际工程中30dB以上信杂噪比的强杂波背景下的自适应非均匀/受目标污染杂波样本剔除情况。

背景技术

训练样本选取的基本思想是在给定的一组训练样本集中选择杂波统计特性相近的训练样本来估计杂波协方差矩阵并用于计算STAP滤波权矢量。传统的方法主要包括：采样协方差求逆(Sample Matrix Inversion,SMI)法，该方法直接对原始样本集做STAP，然后剔除剩余功率较大的样本。内积法则主要根据杂波样本的功率将样本进行分组，然后对不同类别的样本进行组内STAP处理。基于广义内积(Generalised Inner Product,GIP)的样本剔除方法，该方法根据样本的广义内积值对样本进行分类，通常的做法是剔除广义内积值偏离平均值较大和较小的样本，它不仅利用了功率信息，也利用了相位信息，因此可以获得比内积法更优的性能。自适应功率剩余(Adaptive Power Residue,APR)迭代剔除法和迭代广义内积方法都是在SMI和GIP的基础上引入迭代思想，优化杂波协方差矩阵，从而剔除非均匀样本。自适应相干估计器(Adaptive Coherence Estimator,ACE)也是一种非均匀样本剔除方法，它估计的是白化后的数据矢量与期望目标矢量的夹角，以此来判别是否包含目标信号。上述基于样本协方差矩阵的样本筛选方法都假设初始训练样本集中并不包含目标样本，这一假设很难满足。

目前国内外对基于子孔径滑窗的强目标/微动目标污染杂波样本剔除方法的研究未见公开，因此亟需一种能自适应剔除受目标污染的非均匀杂波样本剔除方法，这也是天基预警雷达杂波抑制工程化需考虑的重要问题之一。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提出了一种基于子孔径平滑的辅助杂波样本筛选方法，解决在实际工程中受信噪比高于20dB的强目标污染和部分包含自旋、进动和章动等微动目标污染引起的输出信杂噪比下降问题。

本发明的技术方案是：

一种基于子孔径平滑的辅助杂波样本筛选方法，包括步骤如下：

1)接收到雷达系统N个通道的原始数据，对每个通道的原始数据沿着距离向做脉冲压缩处理，获得R个距离单元，再沿每个距离单元的方位向做傅里叶变换，获得M个多普勒单元，将所述原始数据处理获得N个通道的距离脉压-方位多普勒数据；其中，第n个通道第r个距离单元第m个多普勒单元的距离脉压-方位多普勒数据为X_n(r,m)；其中，n∈[1,N]，r∈[1,R]，m∈[1,M]，R为雷达系统每个通道单次脉冲采样窗对应的距离单元总数；M为雷达系统每个通道相干积累时间内发射的脉冲数；所述雷达系统为天基雷达或机载雷达；

2)利用超低旁瓣加窗矢量，对步骤1)获得的所述N个通道的距离脉压-方位多普勒数据X_n(r,m)进行P组子孔径平滑处理，获得P组子孔径滑窗数据X_p(r,m)；