非均匀杂波环境下基于稀疏恢复的空时自适应处理

In this project, we focus on the space-time adaptive processing (STAP) algorithms design in several typical non-homogeneous clutter environments by exploiting the sparsity of the clutter spectrum, which is used for moving target detection in the airborne/spaceborne radar systems. First, we analyze the sparsity principle of the clutter spectrum in the angle-Doppler domain and the impact of the signal recovering level to the STAP performance in quality, which can provide preconditions for the following research. Then, after describing the typical non-homogeneous phenomena in mathematics, we try to design the multiple range-bin sparse recovery STAP algorithms and fast sparse recovery STAP algorithms by compensating, detecting or estimating the differences between the clutter spectrum from the detection range-bin and the spectrum from neighbor range-bins. Taking advantage of the fast convergence and the high resolution of the sparse recovery technique, the proposed approach can improve the moving target detection performance on the moving platform in the non-homogeneous clutter environments.

本项目旨在充分利用杂波谱的稀疏特性，研究几种典型非均匀杂波环境下的空时自适应处理(STAP)，实现机载/星载体制下雷达的动目标检测。定量分析杂波谱在角度-多普勒域的稀疏机理以及其稀疏恢复能力对STAP性能影响，为该思路展开提供了前提条件。建立几种典型非均匀现象的数学描述，对典型非均匀现象下相邻距离单元杂波谱呈现出的与待检测单元杂波谱的差异进行补偿或检测或估计，设计多观测距离单元下的稀疏恢复STAP算法和快速稀疏恢复STAP算法。该思路能充分利用稀疏恢复带来的快速收敛特性和高分辨性能，提高非均匀杂波环境下运动平台的动目标检测性能。

传统 STAP 方法的检测性能在实际应用中受限于变化的杂波环境， 本项目旨在充分利用杂波谱的稀疏特性，研究几种典型非均匀杂波环境下的空时自适应处理(STAP)，实现机载/星载体制下雷达的动目标检测。.首先，通过对稀疏性内在本质特性的分析，建立了以稀疏滤波器 、稀疏空时功率谱以及阵列流形知识为三条主线的稀疏性 STAP 理论框架，推导了其原理，详细设计了相关 STAP 技术实现算法，实现了稀疏性、阵列流形知识与 STAP理论的有效融合。.其次，为了从根本上消除非平稳、非均匀性杂波环境的影响，建立几种典型非均匀现象的数学描述，研究了无需训练样本的基于空时功率谱稀疏恢复的直接数据域 STAP 技术，提出了基于空时平滑思想的空时功率谱稀疏恢复 STAP 方法，比单个样本稀疏恢复的空时功率谱估计精度更高，所获得的输出 SINR 更高，可以完全克服非均匀、非平稳环境的影响。.最后，为了提高非均匀杂波环境下运动平台的动目标检测性能，充分利用稀疏恢复带来的快速收敛特性和高分辨性能，项目设计了一系列快速STAP 算法，主要包括：针对直接进行中值滤波器的非参数化 IAA 算法计算复杂度高和对弱目标检测难的问题，提出了利用多训练样本的基于自适应软判决门限的非参数化 IAA 算法；针对直接滤波器结构和旁瓣对消结构，提出了基于稀疏滤波器的一系列STAP 方法；针对正则化参数设置难的问题，提出了两种基于开关选择机制的自适应正则化参数选择方法。结合仿真数据和 MountainTop 实测数据，验证了所提算法与传统 STAP 算法相比，有效性更高并且计算复杂度更低。