科研之友
微信
新浪微博
Facebook
分享链接
摘要
空时自适应处理（Space-Time Adaptive Processing， STAP）技术在时间维（脉冲维）和空间维（阵元维）联合进行信号处理，以实现动目标检测功能。但是，传统STAP技术的计算复杂度非常高，而且在优化处理信号过程中需要大样本的支撑，在实际的工作场景中，杂波环境复杂易变，不易获取足够多的独立同分布样本，因此杂波抑制效果较差。稀疏恢复空时自适应处理（Sparse Recovery Space-Time Adaptive Processing， SR-STAP）算法可以利用很少的训练样本实现杂波抑制，但大多数SR-STAP算法的计算量巨大，运行速度慢，算法实时性不高。此外，SR-STAP算法需要对连续空时二维平面进行离散化处理，将空时二维平面划分为很多细小的网格，由于真实的杂波在空时平面上是连续分布的，同时考虑雷达接收信号中噪声、系统参数误差等因素的影响，真实杂波点与离散化网格点之间一定存在着偏差，会造成网格失配现象，导致SR-STAP算法杂波抑制性能下降。针对此问题，本文提出了基于自适应字典校正的稀疏恢复STAP算法。该算法首先通过子空间投影法筛选出与杂波最相关的原子；然后围绕选定原子由粗到细进行自适应局部网格划分，按照局部网格迭代选优准则，不断调整选择局域内的最优原子，直到满足迭代终止条件，以匹配真实的杂波点；最后利用选定的最优原子对应的空时导向矢量构造杂波子空间，更新噪声子空间上与杂波子空间正交的投影矩阵得到STAP权值。仿真实验表明，所提算法与传统SR-STAP算法相比，具有更高的稀疏恢复精度，更快的运行速度，改善了STAP性能。
- 出版日期2023
- 单位内蒙古工业大学
