[发明专利]一种基于稀疏贝叶斯学习的空时自适应处理方法

摘要

本发明公开一种基于稀疏贝叶斯学习的空时自适应处理方法，首先，合理地运用雷达回波数据构建训练数据，将空时自适应处理的杂波抑制问题转化为模式分类的问题；而后采用SBL方法进行杂波抑制，实现动目标检测。该方法充分运用SBL方法训练权值稀疏的特点，提高了可用回波数据较少的情况下动目标检测的性能，同时有效减少了检测过程中的运算量。

主权项

一种基于稀疏贝叶斯学习的空时自适应处理方法，其特征在于，包括：S1、初始化脉冲多普勒(Pulse Doppler，PD)雷达动目标检测系统的参数，包括：阵列天线的阵元个数，记做N；一个相干处理时间内发射脉冲个数，记做M；雷达发射信号波长，记做λ；接收信号的杂噪比，记做CNR；接收信号的信噪比，记做SNR；接收信号的干噪比，记做JNR；雷达系统脉冲重复频率，记做PRF；雷达平台的速度，记做V；阵列天线的阵元间隔，记做d；训练数据中每一个多普勒的训练次数，记做Nc；待检测的距离门数，记做Nt；待检测的回波数据矩阵为L，L为Nt行2MN列的矩阵；S2、根据步骤S1中初始化的参数构建训练数据矩阵；S3、根据步骤S2的训练数据矩阵构建目标矩阵；S4、根据步骤S2得到的训练数据矩阵以及步骤S3得到的目标矩阵，通过稀疏贝叶斯学习的方法，计算得到权系数矩阵；S5、根据步骤S4得到的权系数矩阵，以及待检测的回波数据矩阵，检测各距离门的动目标。