论文部分内容阅读
机载雷达处于下视工作时，会面临严重的地杂波干扰，由于载机的飞行运动，处于不同方位的杂波相对于载机的运动速度也是不同的，从而使得杂波谱被大大展宽，杂波呈现空时二维耦合特性。空时自适应处理(STAP)技术利用了空域和时域信息，能有效抑制了杂波检测动目标。但是，传统的STAP技术对样本数量有一定要求，在杂波非均匀环境下，满足条件的独立同分布样本数量难以保证，因此，当样本严重缺乏时，用传统的STAP方法得到的目标检测性能并不理想。 本文将稀疏重构技术与STAP技术相结合，旨在使用极少量的训练样本，进行STAP处理。本文所做的工作具体如下: 1.建立了机载雷达正侧视均匀线阵下的STAP信号模型，对STAP原理进行阐述，并对杂波特性进行分析，包括杂波谱和杂波秩。并且从压缩感知理论的角度出发，分析了稀疏重构理论，并选用经典的稀疏重构算法进行了梳理并且仿真。 2.分析杂波空时二维谱呈现的稀疏特性，在此基础上，将稀疏重构技术与STAP技术相结合，在样本严重不足的情况下，首先用稀疏重构解欠定方程，得到杂波的空时稀疏谱，然后进行杂噪分离与幅度校正得到精确的杂波空时谱，由杂波谱进一步计算杂波协方差矩阵，从而构建自适应滤波器进行STAP滤波处理。本文在稀疏重构杂波空时谱时，用到的稀疏重构算法有OMP、SL0与FOCUSS。同时，本文提出了多观测矢量下的联合稀疏应用到STAP中，使用的联合稀疏算法为MMV-FOCUSS。 3.本文在Matlab环境下，应用仿真数据和MountainTop实测数据分别进行稀疏重建STAP的实验，并通过相关性能指标，与传统STAP方法进行对比，证明在样本数量极少的情况下，稀疏重建STAP方法比传统STAP有更高的目标检测性能。