一种基于系统辨识的STAP训练样本选择方法技术方案

本发明专利技术公开了一种基于系统辨识的STAP训练样本选择方法，属于雷达技术领域。本发明专利技术首先给出了基于系统辨识的样本选择模型，在此基础上，进一步提出用神经网络辨识CUT的杂波模型，然后利用辨识出的模型对其他距离单元进行滤波，最后根据滤波后输出的方差大小选择出与CUT杂波协方差矩阵相似的样本。本发明专利技术解决了STAP中训练样本不足的问题，估计的杂波协方差矩阵更准确，提高了杂波的抑制性能。

A STAP training sample selection method based on system identification

The invention discloses a STAP training sample selection method based on system identification, belonging to the radar technology field. The invention firstly gives the model of system identification based on sample selection, on this basis, further put forward the clutter model using CUT neural network, and then filtering the other distance unit using the identified model, according to the variance of the output filter size selection with CUT complex wave sample covariance matrix similarity. The invention solves the problem of insufficient training samples in the STAP, and the estimated clutter covariance matrix is more accurate, and the clutter suppression performance is improved.

【技术实现步骤摘要】
一种基于系统辨识的STAP训练样本选择方法
本专利技术属于雷达
，具体涉及到基于系统辨识的STAP训练样本选择方法。
技术介绍
空时自适应处理(STAP)是雷达和通信信号处理中的一项关键技术，被广泛用于雷达及通信信号处理之中。STAP要求设计最优权向量时，使得输出信杂噪比(SCNR)最大。其中，s是目标信号空时导向向量，RCUT为待检测距离单元的杂波协方差矩阵。然而实际中RCUT是未知的，需通过选取的训练样本来估计。设训练样本的杂波协方差矩阵是RTS，则选取的训练样本的要求是：(1)应满足RTS＝RCUT。(2)训练样本要足够多，因为用于估计协方差矩阵的训练样本数至少大于系统自由度的2倍，才能使STAP的输出信噪比损失小于3dB。目前训练样本选择方法主要分为三类。第一类是功率选择训练算法，其基本原理是挑选杂波功率大的样本，从而加深杂波凹口深度。第二类是广义内积(GIP)算法，其基本原理是通过广义内积统计量来剔除掉训练样本中与待检测单元杂波背景统计特性不同的样本。第三类是基于波形相似的方法。其中，基于波形相似的方法尤其受到关注。该类方法通常是在时域或频域上选取与CUT(待检测距离本文档来自技高网...

【技术保护点】
一种基于系统辨识的STAP训练样本选择方法，其特征在于，包括下列步骤：步骤1：基于待检测距离单元CUT进行多次杂波预测模型训练，取滤波输出方差

【技术特征摘要】
1.一种基于系统辨识的STAP训练样本选择方法，其特征在于，包括下列步骤：步骤1：基于待检测距离单元CUT进行多次杂波预测模型训练，取滤波输出方差最小的杂波预测模型作为CUT杂波模型H；步骤2：通过CUT杂波模型H对待选样本xk进行滤波，得到滤波输出的方差步骤3：若方差小于或等于预设阈值T1...

【专利技术属性】
技术研发人员：胡进峰，鲍伟伟，曹健，姚冯，陈卓，蔡雷雷，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51