论文部分内容阅读
近年来，伴随阵列天线在现代雷达、通信、声纳等应用领域的发展，阵列规模越来越大、信号维数也越来越高，然而受工作环境、硬件设备和制造工艺等诸多因素的限制，阵列信号处理中自适应算法的计算复杂度高、训练样本需求较多及性能受非理想因素的影响等问题表现地愈加凸显。本文主要从降维和稳健处理两方面，对多输入多输出（Multiple-Input Multiple-Output, MIMO）雷达、机载预警雷达及机载MIMO雷达信号处理中的自适应波束形成(Adaptive Beamforming)和空时自适应处理（Space-TimeAdaptive Processing, STAP）方法进行了研究，主要工作包括以下几个方面：1.针对相干MIMO雷达自适应波束形成问题，讨论并分析了相干MIMO雷达发射阵和接收阵的双边导向矢量失配模型，提出了一种双边稳健降维自适应波束形成算法。该方法结合双迭代算法（Bi-IterativeAlgorithm, BIA）和二阶凸优化（Second-Order Cone Programming, SOCP）算法，通过松弛和收发分离处理，将原本基于高维协方差矩阵的SOCP问题转化为两个基于低维协方差矩阵的SOCP问题，然后循环优化两个低维的发射权矢量和接收权矢量。与全维稳健算法相比，所提算法能有效克服收发误差耦合问题，具有较好的稳健性，并能大幅降低计算复杂度和对训练样本数的需求。2.建立了机载雷达杂波空时二维数据的矩阵模型，在充分利用载机速度和雷达工作参数等先验信息的基础上，提出了一种机载雷达杂波非自适应空时块对消器(Space-Time Block Canceller, STBC)，并给出了关于STBC权系数的最小二乘代价函数，从而优化得到STBC的权系数。由于STBC权系数仅利用载机速度和雷达工作参数等先验信息计算得到，属于非自适应处理器，因而具有运算量小、无收敛过程等优点，并且可作为机载雷达的杂波预滤波器，从而进一步改善常规动目标显示（Moving Target Indication, MTI）处理和降维STAP算法的性能。此外，在杂波模型中考虑了偏航角的存在，因此，STBC既适用于正侧视雷达，也适用于非正侧视阵雷达。3.利用最优STAP权矩阵的低秩特性，提出了一种基于非正交基迭代（Non-Orthogonal Basis Iterative, NOBI）的空时降维自适应算法。该方法将空时联合滤波器分离为多对空域滤波器组和时域滤波器组，采用截断和堆栈处理，建立了关于空域滤波器权向量组和时域滤波权向量组的双二次代价函数，然后基于非正交基迭代求解滤波器权矢量组，实现了对杂波的空时可分离滤波。与最优STAP相比，NOBI算法避免了高维数据协方差矩阵的估计和求逆运算，有效降低了计算量和对训练样本的需求。4.将空时二维自适应处理（2D-STAP）扩展到空域俯仰、方位和时域三维空间，针对空时三维自适应处理（3D-STAP）提出了两种降维自适应杂波抑制算法。第一种方法是基于先时后空的处理结构，首先采用具有超低旁瓣的时域多普勒预滤波处理实现一级降维，然后将空域俯仰-方位二维波束形成转化为两个一维波束形成问题，从而进一步降低了处理器的维数，实现对杂波空时三维数据的两级降维处理；第二种算法是直接将3D-STAP转化为俯仰、方位和时域三维可分离处理，即将三维权向量近似表示为三个低维权向量的Kronecker积形式，然后基于三迭代算法，依次固定两个权矢量，并构造相应的降维矩阵在低维空间上循环优化另一个权矢量。由于上述两种算法所求权矢量的维数均大幅降低，在小样本情况下具有较好的性能，因而其随样本的收敛性能较好，并具有计算量低、样本需求小等优点。5.构建了机载MIMO雷达杂波模型，并从功率谱和自由度分布对杂波特性进行了分析。探讨了几种经典降维STAP算法在机载MIMO雷达中的应用问题，然后，针对机载MIMO雷达回波数据所具有的发射-接收-脉冲三维结构与3D-STAP中的俯仰、方位和时域三维结构类似，我们将3D-STAP中的降维自适应算法应用到机载MIMO雷达空时自适应处理(MIMO-STAP)中，并通过仿真实验验证了它们的性能。