System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种机载stap雷达杂波协方差矩阵估计方法及装置,属于雷达杂波抑制。
技术介绍
1、在现代高科技战争中,机载雷达被视为关键设备,在军事领域发挥着至关重要的作用。机载雷达以飞机作为安装载体,具有许多优势,例如在低空目标探测方面拥有更远的探测距离、更强的机动性以及更广泛的活动范围,这使得机载雷达能够更有效地探测目标。
2、由于机载雷达杂波复杂性,传统的空域处理或者单纯的时域处理已经难以再适应检测慢速目标环境。因此,为克服杂波的空时域扩散问题,brennan等人提出将空时域处理结合起来的空时自适应处理(space-time adaptive processing,stap)理论。然而复杂的环境很难获得足够多的独立同分布训练样本,使stap技术对杂波的抑制性能下降。如果要保证stap处理后的输出信杂噪比(signal-to-clutter-plus-noise ratio,scnr)损失在3db范围之内,用于估计杂波协方差矩阵(clutter covariance matrix,ccm)的训练样本的个数不能少于系统自由度的2倍。然而机载雷达由于现实复杂的环境等因素,并没有足够多的有效样本用来估计杂波噪声协方差矩阵,最终导致杂波抑制性能恶化。稀疏恢复stap(sparse recovery based stap,sr-stap)方法利用杂波谱在整个角度-多普勒平面上分布的稀疏性,将stap问题描述成一个稀疏恢复的问题,计算出stap滤波器的权值。sr-stap方法在样本数极少的情况下也能得到较好的性能,是在压缩感
3、基于上述问题,文献(feng w,guo y,zhang y,et al.airborne radar spacetime adaptive processing based on atomic norm minimization[j].signalprocessing,2018,148:31-40.)提出了基于原子范数最小化(atomic norm minimization,anm)的稀疏恢复方法,文献(kang b,monga v,rangaswamy m.computationally efficienttoeplitz approximation of structured covariance under a rank constraint[j].ieee transactions on aerospace and electronic systems,2015,51(1):775-785.)提出了在秩约束下的结构化托普利兹协方差矩阵估计方法,文献(du x,aubry a,de maio a,et al.toeplitz structured covariance matrix estimation for radar applications[j].ieee signal processing letters,2020,27:595-599.)提出了一种迭代方法的托普利兹结构协方差矩阵估计方法,但是上述方法仍然不能获得准确度较高的ccm估计,杂波抑制性能仍然较差。
技术实现思路
1、为了解决上述问题,本专利技术提出了一种机载stap雷达杂波协方差矩阵估计方法及装置,能够精确估计杂波协方差矩阵,从而提高机载相控阵雷达系统的杂波抑制能力。
2、本专利技术为解决其技术问题所采取的技术方案是:
3、第一方面,本专利技术实施例提供的一种机载stap雷达杂波协方差矩阵估计方法,包括如下步骤:
4、获取待估计的机载stap雷达的低秩矩阵;
5、利用双线性核范数最小化方法将低秩矩阵分解为两个小矩阵;
6、利用ccm的托普利兹-块-托普利兹结构特性,将机载stap雷达杂波协方差矩阵的优化问题转化为新的优化问题;
7、利用admm算法求解新的优化问题得到杂波协方差矩阵。
8、作为本实施例一种可能的实现方式,所述利用双线性核范数最小化方法将低秩矩阵分解为两个小矩阵的公式为:
9、rank(rc)=||u||*+||v||* <8>
10、其中,rank(·)表示矩阵的秩,||·||*表示核范数,rc=uvt是将低秩矩阵分解为两个较小的因子矩阵,u∈cm×d,v∈cn×d,其中,d为常数,且d<<min(m,n),c表示复矩阵,m为脉冲数,n为阵元数。
11、作为本实施例一种可能的实现方式,所述新的优化问题为:
12、
13、其中,ξ≥0表示矩阵ξ是半正定矩阵,rc为杂波协方差矩阵,s(t)为具有托普利兹-块-托普利兹结构的矩阵,ψ是hermitian矩阵,(·)h表示共轭转置,λ为平衡系数,||·||f为矩阵frobenius范数。
14、作为本实施例一种可能的实现方式,所述利用admm算法求解新的优化问题得到杂波协方差矩阵,包括:
15、给出新的优化问题表达式的增广拉格朗日函数:
16、
17、其中,p1、p2、p3和p4是拉格朗日乘子,δ是惩罚因子;
18、根据admm算法,首先固定其他参数,更新u和v;
19、接下来依次更新和更新ξ,更新p1、p2、p3和p4,最后更新ψ和xc;
20、假设杂波协方差矩阵rc的特征分解为:rc=qλqh,则杂波加噪声协方差矩阵rcn表示为:
21、
22、式中,q表示rc的特征向量矩阵,λ表示对角阵,k为总样本数。
23、作为本实施例一种可能的实现方式,所述更新u和v的公式如下:
24、
25、
26、式<11>和式<12>的最优解为:
27、
28、
29、其中,i为单位矩阵。
30、作为本实施例一种可能的实现方式,所述更新和的公式如下:
31、
32、
33、式<15>和式<16>都是核范数正则化最小二乘问题,它们的封闭形式解通过svt算子给出,具体步骤如下:
34、首先对和进行svd分解,得到:
35、
36、
37、其中,矩阵b的对角线元素为矩阵奇异值υi,矩阵e的对角线元素为矩阵奇异值τi;
38、重写υi和τi:υi=max[υi-δ,0],τi本文档来自技高网...
【技术保护点】
1.一种机载STAP雷达杂波协方差矩阵估计方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的机载STAP雷达杂波协方差矩阵估计方法,其特征在于,所述利用双线性核范数最小化方法将低秩矩阵分解为两个小矩阵的公式为:
3.根据权利要求2所述的机载STAP雷达杂波协方差矩阵估计方法,其特征在于,所述新的优化问题为:
4.根据权利要求3所述的机载STAP雷达杂波协方差矩阵估计方法,其特征在于,所述利用ADMM算法求解新的优化问题得到杂波协方差矩阵,包括:
5.根据权利要求4所述的机载STAP雷达杂波协方差矩阵估计方法,其特征在于,所述更新U和V的公式如下:
6.根据权利要求5所述的机载STAP雷达杂波协方差矩阵估计方法,其特征在于,所述更新和的公式如下:
7.根据权利要求6所述的机载STAP雷达杂波协方差矩阵估计方法,其特征在于,所述更新Ξ的公式如下:
8.一种机载STAP雷达杂波协方差矩阵估计装置,其特征在于,包括:
9.一种计算机设备,其特征在于,包括处理器、存储器和总线,所述存储器
10.一种存储介质,其特征在于,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1-7任一所述的机载STAP雷达杂波协方差矩阵估计方法的步骤。
...【技术特征摘要】
1.一种机载stap雷达杂波协方差矩阵估计方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的机载stap雷达杂波协方差矩阵估计方法,其特征在于,所述利用双线性核范数最小化方法将低秩矩阵分解为两个小矩阵的公式为:
3.根据权利要求2所述的机载stap雷达杂波协方差矩阵估计方法,其特征在于,所述新的优化问题为:
4.根据权利要求3所述的机载stap雷达杂波协方差矩阵估计方法,其特征在于,所述利用admm算法求解新的优化问题得到杂波协方差矩阵,包括:
5.根据权利要求4所述的机载stap雷达杂波协方差矩阵估计方法,其特征在于,所述更新u和v的公式如下:
6.根据权利要求5所述的机载stap雷达杂波协方差矩阵估计方法,其特征...
【专利技术属性】
技术研发人员:杜晓林,昌宇晴,刘珅砚,唐梦皎,李洪高,
申请(专利权)人:烟台大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。