一种基于不确定先验知识的降维稀疏STAP方法及装置制造方法及图纸

根据本发明专利技术实施例公开的一种基于不确定先验知识的降维稀疏STAP方法及装置，利用离散傅里叶变换对雷达接收信号进行一阶降维，得到杂波一阶降维稀疏测量模型；基于不确定的雷达参数先验知识构造二阶降维矩阵，并通过二阶降维矩阵对杂波一阶降维稀疏测量模型进行二阶降维，得到杂波二阶降维稀疏测量模型；基于杂波二阶降维稀疏测量模型构建杂波子空间优化问题；求解杂波子空间优化问题得到杂波子空间，并通过杂波子空间计算STAP滤波器的权重矢量。通过本发明专利技术的实施，对杂波稀疏测量模型进行二阶降维，并设计STAP滤波器权矢量以避免矩阵求逆运算，有效降低了滤波器设计的计算复杂度，提高了在机载雷达的杂波抑制上的实现性。

A reduced dimension sparse STAP method and device based on uncertain prior knowledge

【技术实现步骤摘要】
一种基于不确定先验知识的降维稀疏STAP方法及装置
本专利技术涉及雷达杂波抑制
，尤其涉及一种基于不确定先验知识的降维稀疏STAP方法及装置。
技术介绍
对于机载雷达而言，空时自适应处理(Space-TimeAdaptiveProcessing，STAP)一直以来都是杂波抑制与目标检测的一项重要技术。它充分利用相控阵列天线提供的多个空域通道信息和相干脉冲串提供的时域信息，通过空域和时域二维自适应滤波的方式进行杂波抑制，改善了传统方法只利用多普勒维检测目标，且只在时频域上进行处理的性能。相比传统的运动目标检测技术，空时自适应处理技术有更高的系统自由度，对处理背景杂波的适应性更强，但全维STAP方法也存在着对独立同分布训练样本数需求大，收敛缓慢的限制，这使得全维STAP方法在现实应用中举步维艰，尤其是在非均匀杂波的环境下。针对全维STAP收敛慢的问题，研究人员近些年提出了一些基于稀疏的互质阵列、互质脉冲重复间隔的空时自适应处理算法，可以在少量独立同分布训练样本下持有较高的杂波抑制水平，但是这些算法的计算复杂度较高，在机载雷达杂波抑制上的实现性较差。
技术实现思路
本专利技术实施例的主要目的在于提供一种基于不确定先验知识的降维稀疏STAP方法及装置，至少能够解决相关技术中所采用的空时自适应处理算法的复杂度较高，在机载雷达杂波抑制上的实现性较差的问题。为实现上述目的，本专利技术实施例第一方面提供了一种基于不确定先验知识的降维稀疏STAP方法，该方法包括：利用离散傅里叶变换对雷达接收信号进行一阶降维，得到杂波一阶降维稀疏测量模型；基于不确定的雷达参数先验知识构造二阶降维矩阵，并通过所述二阶降维矩阵对所述杂波一阶降维稀疏测量模型进行二阶降维，得到杂波二阶降维稀疏测量模型；基于所述杂波二阶降维稀疏测量模型构建杂波子空间优化问题；求解所述杂波子空间优化问题得到杂波子空间，并通过所述杂波子空间计算STAP滤波器的权重矢量。为实现上述目的，本专利技术实施例第二方面提供了一种基于不确定先验知识的降维稀疏STAP装置，该装置包括：一阶降维模块，用于利用离散傅里叶变换对雷达接收信号进行一阶降维，得到杂波一阶降维稀疏测量模型；二阶降维模块，用于基于不确定的雷达参数先验知识构造二阶降维矩阵，并通过所述二阶降维矩阵对所述杂波一阶降维稀疏测量模型进行二阶降维，得到杂波二阶降维稀疏测量模型；构建模块，用于基于所述杂波二阶降维稀疏测量模型构建杂波子空间优化问题；计算模块，用于求解所述杂波子空间优化问题得到杂波子空间，并通过所述杂波子空间计算STAP滤波器的权重矢量。根据本专利技术实施例提供的基于不确定先验知识的降维稀疏STAP方法及装置，利用离散傅里叶变换对雷达接收信号进行一阶降维，得到杂波一阶降维稀疏测量模型；基于不确定的雷达参数先验知识构造二阶降维矩阵，并通过二阶降维矩阵对杂波一阶降维稀疏测量模型进行二阶降维，得到杂波二阶降维稀疏测量模型；基于杂波二阶降维稀疏测量模型构建杂波子空间优化问题；求解杂波子空间优化问题得到杂波子空间，并通过杂波子空间计算STAP滤波器的权重矢量。通过本专利技术的实施，对杂波稀疏测量模型进行二阶降维，并设计STAP滤波器权矢量以避免矩阵求逆运算，有效降低了滤波器设计的计算复杂度，提高了在机载雷达的杂波抑制上的实现性。本专利技术其他特征和相应的效果在说明书的后面部分进行阐述说明，且应当理解，至少部分效果从本专利技术说明书中的记载变的显而易见。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术第一实施例提供的降维稀疏STAP方法的基本流程示意图；图2为本专利技术第一实施例提供的一阶降维方法的流程示意图；图3为本专利技术第二实施例提供的不同先验知识准确度对本专利技术方法输出SINR的影响示意图；图4为本专利技术第二实施例提供的不同Me对本专利技术方法输出SINR的影响示意图；图5为本专利技术第二实施例提供的不同Md对本专利技术方法输出SINR的影响示意图；图6-1为本专利技术第二实施例提供的不同误差范围的平台速度估计精度与本专利技术方法输出SINR的关系示意图；图6-2为本专利技术第二实施例提供的不同误差范围的水平角估计精度与本专利技术方法输出SINR的关系示意图；图7为本专利技术第二实施例提供的多普勒通道数量对本专利技术方法输出SINR的影响示意图；图8为本专利技术第二实施例提供的不同算法的理论性能比较示意图；图9为本专利技术第二实施例提供的不同算法输出的SINR与样本数量的关系示意图；图10为本专利技术第二实施例提供的不同算法输出的SINR与目标多普勒频率的关系示意图；图11为本专利技术第三实施例提供的降维稀疏STAP装置的结构示意图；图12为本专利技术第四实施例提供的电子装置的结构示意图。具体实施方式为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而非全部实施例。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。第一实施例：为了解决相关技术中所采用的空时自适应处理算法的复杂度较高，在机载雷达杂波抑制上的实现性较差的技术问题，本实施例提出了一种基于不确定先验知识的降维稀疏STAP方法，如图1所示为本实施例提供的降维稀疏STAP方法的基本流程示意图，本实施例提出的降维稀疏STAP方法具体包括以下的步骤：步骤101、利用离散傅里叶变换对雷达接收信号进行一阶降维，得到杂波一阶降维稀疏测量模型。在本实施例一种可选的实施方式中，请参阅如图2所示的一阶降维方法的流程示意图，步骤101的实现具体包括以下步骤：步骤201、基于降维转换矩阵，利用离散傅里叶变换对雷达接收信号进行降维，并获取降维信号中的干扰分量。具体的，利用降维转换矩阵，可以将降维信号表示为：其中，(·)H表示共轭转置运算，U为降维转换矩阵，at为目标未知的复振幅，表示空时导向矢量，xu为接收信号的干扰分量；而降维信号中的干扰分量可以表示为：xr,u＝UHxu＝UHxc+UHn，其中，xc为杂波分量，n为噪声分量。由于降维转换仅考虑多普勒域，因此降维转换矩阵U可以表示为：Ut表示多普勒域M×m的转换矩阵，且是频率为的离散傅里叶变换系数向量，I为单位矩阵，m为选择的多普勒单元的数量。步骤202、确定降维信号中的干扰分量的协方差矩阵。具体的，降维后干扰信号的协方差矩阵可表示为：其中，为接收信号的干扰分量xu在对应频本文档来自技高网...

【技术保护点】
1.一种基于不确定先验知识的降维稀疏STAP方法，其特征在于，包括：/n利用离散傅里叶变换对雷达接收信号进行一阶降维，得到杂波一阶降维稀疏测量模型；/n基于不确定的雷达参数先验知识构造二阶降维矩阵，并通过所述二阶降维矩阵对所述杂波一阶降维稀疏测量模型进行二阶降维，得到杂波二阶降维稀疏测量模型；/n基于所述杂波二阶降维稀疏测量模型构建杂波子空间优化问题；/n求解所述杂波子空间优化问题得到杂波子空间，并通过所述杂波子空间计算STAP滤波器的权重矢量。/n

【技术特征摘要】
1.一种基于不确定先验知识的降维稀疏STAP方法，其特征在于，包括：
利用离散傅里叶变换对雷达接收信号进行一阶降维，得到杂波一阶降维稀疏测量模型；
基于不确定的雷达参数先验知识构造二阶降维矩阵，并通过所述二阶降维矩阵对所述杂波一阶降维稀疏测量模型进行二阶降维，得到杂波二阶降维稀疏测量模型；
基于所述杂波二阶降维稀疏测量模型构建杂波子空间优化问题；
求解所述杂波子空间优化问题得到杂波子空间，并通过所述杂波子空间计算STAP滤波器的权重矢量。


2.如权利要求1所述的降维稀疏STAP方法，其特征在于，所述利用离散傅里叶变换对雷达接收信号进行一阶降维，得到杂波一阶降维稀疏测量模型包括：
基于降维转换矩阵，利用离散傅里叶变换对雷达接收信号进行降维，并获取降维信号中的干扰分量；所述降维信号表示为：



其中，(·)H表示共轭转置运算，U为降维转换矩阵，at为目标未知的复振幅，表示空时导向矢量，xu为接收信号的干扰分量；
所述降维信号中的干扰分量表示为：
xr,u＝UHxu＝UHxc+UHn，
其中，xc为杂波分量，n为噪声分量，Ut表示多普勒域M×m的转换矩阵，且是频率为的离散傅里叶变换系数向量，I为单位矩阵，m为选择的多普勒单元的数量；
确定所述降维信号中的干扰分量的协方差矩阵；所述协方差矩阵表示为：



其中，为接收信号的干扰分量xu在对应频率为的傅里叶变换系数，为Toeplitz矩阵；
基于所述协方差矩阵构建降维虚拟空时快拍向量；所述降维虚拟空时快拍向量表示为：zr＝Gz，且



其中，P为虚拟转换矩阵，F为NνMν×N2M2的矩阵，表示伪逆操作，R为干扰分量的协方差矩阵，r为协方差向量；
基于所述降维虚拟空时快拍向量确定杂波一阶降维稀疏测量模型；所述杂波一阶降维稀疏测量模型表示为：



其中，Φr＝GΦ，Φr的维度为mNν，Φr各维度的元素个数为NdNs，为所述一阶降维稀疏测量模型中的杂波稀疏向量。


3.如权利要求2所述的降维稀疏STAP方法，其特征在于，所述基于不确定的雷达参数先验知识构造二阶降维矩阵包括：
将杂波的实际多普勒频率限制于区间并将所述区间均分为Me等份得到误差情况下对应的归一化多普勒频率：



其中，为理论多普勒频率，为不确定量，νp为搭载雷达平台的速度，ψ为偏航角，为俯仰角，θ为方位角；
对所有方位角下的所述归一化多普勒频率进行归集得到：



其中，Md为得到的离散多普勒频率点总数；
计算各方位角下对应的归一化空域频率，然后基于所述归一化空域频率以及所述离散多普勒频率点构造二阶降维矩阵。


4.如权利要求3所述的降维稀疏STAP方法，其特征在于，所述杂波二阶降维稀疏测量模型表示为：



其中，Ψ为二阶降维矩阵，为二阶降维稀疏模型中的杂波稀疏向量，为热噪声功率，ε为虚拟空时快拍的估计误差。


5.如权利要求4所述的降维稀疏STAP方法，其特征在于，所述杂波子空间优化问题表示为：



其中，s.t.表示约束条件，ζ1表示虚拟空时快拍的估计误差ε的有关噪声容限。


6.如权利要求5所述的降维稀疏STAP方法，其特征在于，所述求解所述杂波子空间优化问题得到杂波子空间包括：
基于OMP-like算法，初始化残差向...

【专利技术属性】
技术研发人员：阳召成，汪小叶，刘海帆，黄建军，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44