高维小样本自适应阵列信号处理研究及应用

With the development of the morden radar and communication techniques, the scale of the antenna(sensor) array and the dimension of signals become larger and larger. However, the samples which could be used is small due to the limits of environment. For example, in the typical multiple-input multiple-output(MIMO) radar, the dimension(or degree) of signals have achieved to thousands or ten thousands, while only tens to hundreds of samples are available to be used, i.e., the number of samples is markedly smaller than the dimension of signal, which leads to many methods of adaptive array processing disable. Therefore, the study of adaptive large-scale array signal processing under small sampled data will become a hot research area in signal processing and have impormant academic and practical signification for performance improvement of the airborne radar and MIMO radar. Against the background of large-scale array processing, this project mainly study on the new theories and methods of the adaptive beamforming, space-time adaptive processing and parameters estimation using high-dimensional and small-sampled data. Aimed at different applications, the fast, efficient and robust adaptive array processing algorithms will be proposed. Furthermore, the impact caused by small-sampled data, the unhomogeneous samples and varied nonideal factors will be deeply investigated to improve the performace of the exited and proposed methods, and finally provide therories and methods for the application of large scale adaptive array processing.

随着现代雷达、通信等技术发展，采用的天线（传感器）阵列规模越来越大、信号维数越来越高。然而，因受环境等因素的限制，采集样本数还是很少。如在典型的多输入多输出（MIMO）雷达等中，信号维数或自由度常可达到数千到数万，而采集样本只有几十到数百个，即采集样本数远小于信号维数，这导致许多阵列信号处理方法失效。因此，高维小样本自适应阵列信号处理将成为信号处理领域的研究热点，其研究对于提升机载雷达和MIMO雷达等的信号处理性能具有重要的理论和现实意义。本项目以大规模阵列信号处理为背景，着重研究高维小样本情况下的自适应波束形成、空时多维自适应处理和参数估计等的新理论、新方法。针对不同应用背景，提出快速、有效、稳健的自适应阵列信号处理算法。深入研究小样本、非均匀样本及各种非理想因素等对自适应阵列信号处理算法的影响，提出改善现有和新提算法性能的方法，为大规模自适应阵列处理的实用提供理论和方法支持。

本项目在国家自然科学基金的资助下，对高维小样本情况下的自适应阵列信号处理从多个方面进行了深入的研究。主要的研究内容和成果包括以下几个方面：（1）提出一种空域数据分解的两级降维STAP方法，明显提高小样本条件下的杂波抑制能力。（2）利用空时导向矢量特殊的Kronecker特性，通过重新构造新的权矩阵采用低秩逼近方法降低STAP算法的计算复杂度和样本需求量。（3）基于线性相位和幅度约束设计MIMO雷达降维自适应稳健波束形成器，提高系统抗大角度误差的能力，并显著降低计算量和样本需求量。（4）设计一种基于迭代广义瑞利商（IGRQ）的最坏情况性能最优稳健波束形成算法，明显降低传统二阶锥规划（SOCP）算法的计算量。（5）在非均匀杂波环境下，采用稀疏表示技术明显提高小样本下杂波协方差矩阵的估计精度。（6）利用目标辐射源空间分布的稀疏性，研究了基于稀疏表示的多块拍联合DOA估计方法，提高了分辨力和估计精度。（7）利用机载雷达的先验信息设计预滤波器来明显提高传统空时二维处理（STAP）算法的目标检测性能。（8）考虑先验信息误差，利用雷达系统参数等先验信息设计具有一定稳健特性的双基地机载雷达预滤波方法，提高杂波抑制能力。在项目支持下，目前团队发表相关的论文46篇，其中SCI检索13篇，EI检索33篇，授权发明专利7项。