机载雷达非均匀STAP方法及其应用

构造能够克服常规统计空时自适应处理(STAP)缺点的新型STAP方法是目前STAP技术的主要研究方向之一，目的是能够适应实际非均匀环境的需要。统计STAP性能最优的前提条件是有充足的与待检测样本中的干扰独立同分布(IID)的训练样本，以便估计协方差矩阵。满足这个条件的样本称为均匀样本。但在实际具有空时结构的机载雷达中，系统自由度很高，而且实际环境常常是多变的，导致这个条件难以满足。此时称训练样本是非均匀的。常规统计STAP在非均匀环境中性能会急剧下降。本文着重研究的就是非均匀样本或称环境下的STAP滤波及目标检测。在第二章介绍了非均匀STAP的一些基本知识后，主要研究了两种完整的非均匀STAP方案：整合STAP和直接数据域算法。 第三章考察了样本选择的方法之一——非同态检测器(NHD)。为了能更有根据地选择和分析NHD，需要一种有效的性能指标。我们提出了一种NHD的有效性指标，并利用它重点分析了干扰目标对NHD性能的影响。我们发现：对杂波进行白化处理的NHD，当其使用的协方差矩阵被干扰目标污染时性能会显著下降，而其它NHD识别能力有限。理想的NHD首先应能够发现那些对协方差矩阵影响不可忽略的能量较大的目标信号；其次最好不依赖由样本计算得到的协方差矩阵，以便能较好地识别较弱的干扰目标；最后结构应简单，便于实现。仿真表明，本章建议的虚拟NHD性能卓越，且不受干扰目标存在与否的影响。它还不需在线求逆，因此提高性能所需的计算量也不大。第四章提出了解决干扰目标问题的一种新思路——抗干扰目标STAP算法，这种算法可以归入主波束保形技术中。将常规波束保形技术应用于抗干扰目标STAP算法存在着杂波抑制性能损失过大的缺陷，信号滤除抗干扰目标方法的杂波抑制性能损失相对较小。第4章详细讨论了各种信号滤除方法。信号滤除会产生孔径损失，但由训练样本增加带来的性能提升实际上能够弥补空时孔径的损失。 第五章首先研究功率非均匀环境下功率选择训练法(PST)在主杂波附近的性能损失及其解决方法。PST算法很好地解决了凹陷不足问题，但会使过抑制更加严重，自适应对角加载较好地弥补了这一缺陷。两者的结合能有效抑制杂波分量。本章接着研究了各种非均匀现象同时存在的影响，实际雷达数据中一般均同时包括功率非均匀、干扰目标和分立干扰这三种非均匀现象，而许多非均匀STAP方法仅能解决这些现象中的一种。为了合理地结合使用这些方法得到实用的非均匀 n摘要 里皿里里坦里旦里里里里里里里旦口旦亘组典口里里里里旦里里旦旦旦旦旦里旦鱼 STAP方案，需要分析三种非均匀现象共存对结合使用的影响。在此基础上，本章 最后用仿真数据检验了一种实用的整合STAP方案。 第六章指出了杂波对分立干扰抑制的不利影响，并提出了一种新的直接数据 域分立干扰抑制方法抑制分立干扰。理论分析和仿真证明，用预滤波器将杂波滤 掉，可以排除杂波对分立干扰抑制的不利影响。新方法训练出的分立干扰滤除权 还是空时二维联合处理的。以上两点保证了得到的直接数据域算法能够更好地抑 制分立干扰。第七章用一种新的思路引人和改进了原有的直接数据域算法，直接 数据域STAP检测器仅从待检测距离门选取训练样本，它在非均匀环境下具有优良 的性能。直接数据域算法中实际上作的是降维处理，但其计算量仍比较大，因而 需要二次降维。在二次降维时采用两级降维方案，具有实现简便、稳健性强的优 点。直接数据域算法存在的另一个问题是其中的二维滑动对系统性能的不利影响。 解决这一问题要求同时加大有效“孔径”和训练样本数。本章设计了尽可能利用 其它距离门数据减小有效孔径损失的混合算法。本章表明，在一定条件下，改进 一一包括与统计STAP结合—后的直接数据域方法性能卓越，并有可能实时处理 雷达回波数据。