一种极低训练样本数时的空时自适应处理方法与系统技术方案

本发明专利技术公开了一种极低训练样本数时的空时自适应处理方法与系统，首先确定空域和时域网格数，构建数据模型；然后利用阵列接收到训练样本构造采样协方差矩阵；接着利用阵列信号数据模型及采样协方差矩阵构造协方差矩阵初始估计值；再迭代估计协方差矩阵，直至达到最大迭代次数或满足协方差矩阵收敛条件；最后利用迭代估计得到的协方差矩阵构造STAP权值，并输出STAP滤波结果。本发明专利技术充分利用了机载雷达空时二维数据的结构信息，使所提出的方法能用于极低训练样本的情形，流程简便，迭代过程对初始值不敏感，可收敛至全局最优解，所提方法相比已有方法，在极低训练样本数时的滤波性能大为提升。大为提升。大为提升。

【技术实现步骤摘要】
一种极低训练样本数时的空时自适应处理方法与系统


[0001]本专利技术属于机载雷达信号处理领域，更具体地，涉及一种极低训练样本数时的空时自适应处理方法与系统。

技术介绍

[0002]空时自适应处理（Space
‑
Time Adaptive Processing，STAP）被公认为机载雷达强杂波背景下最有效的技术手段之一。最优STAP技术需要事先获得杂波加噪声协方差矩阵，然而实际环境中杂波加噪声协方差矩阵未知，需要用一定训练样本数进行估计。根据里德
‑
马利特
‑
布伦南（Reed, Mallett and Brennan，RMB）准则，当采用训练样本对待检测距离单元的杂波加噪声协方差矩阵进行估计时，若要使STAP性能损失量控制在3dB以内（相对于当待检测距离单元杂波加噪声协方差矩阵已知时的最优处理），独立同分布的训练样本数至少为系统自由度的2倍。然而，机载雷达面临的环境复杂多变，往往难以获得这么多的训练样本，尤其对于采用STAP技术的机载雷达，这是由于STAP的系统自由度为相控阵的空域阵元数与脉本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种极低训练样本数时的空时自适应处理方法，其特征在于，包括：步骤1：确定阵列信号数据模型对应的空域网格数和时域网格数，构建数据模型；步骤2：利用阵列接收到的个样本构造采样协方差矩阵；步骤3：利用所述阵列信号数据模型及所述采样协方差矩阵构造协方差矩阵的初始估计值；步骤4：迭代估计所述协方差矩阵，直至达到最大迭代次数或满足所述协方差矩阵的收敛条件；步骤5：利用迭代估计得到的所述协方差矩阵构造STAP权值，并输出STAP滤波结果。2.根据权利要求1所述的一种极低训练样本数时的空时自适应处理方法，其特征在于，所述步骤1中，所述空域网格数和时域网格数的范围分别为阵元数的10~20倍和脉冲数的10~20倍，接收信号表示为：其中，和分别表示第个空域网格对应的归一化空域频率和第个时域网格对应的归一化多普勒频率，即，，，，，，，为虚数单位，上标表示转置，表示Kronecker积，为第个空域网格和第个时域网格对应信号的幅度，为热噪声，为网格信号矩阵，为信号幅度向量。3.根据权利要求2所述的一种极低训练样本数时的空时自适应处理方法，其特征在于，所述步骤2中，所述采样协方差矩阵的表达式为：
其中，为雷达接收到的第个真实样本，的维数为，，为阵列接收到快拍数，上标表示共轭转置。4.根据权利要求3所述的一种极低训练样本数时的空时自适应处理方法，其特征在于，所述步骤3中，协方差矩阵的初始估计值为：其中，其中，表示对角矩阵，，且对角元素分别为的表达式为：的表达式为：为矩阵的第列，，在、和的表达式中，上标表示初始值。5.根据权利要求4所述的一种极低训练样本数时的空时自适应处理方法，其特征在于，所述步骤4中，迭代估计协方差...

【专利技术属性】
技术研发人员：刘维建，吴晓峰，杜庆磊，李槟槟，周必雷，张昭建，陈浩，陈辉，
申请(专利权)人：中国人民解放军空军预警学院，
类型：发明
国别省市：