论文部分内容阅读
当机载相控阵雷达工作在下视状态进行运动目标检测时,会收到功率很强的杂波,这些杂波会降低机载相控阵雷达的运动目标检测性能。空时自适应处理(Space-Time Adaptive Processing,STAP)技术通过空域和时域的二维联合处理,在保证目标增益一定的情况下抑制杂波,提高机载相控阵雷达的动目标检测性能。常规的STAP需要由满足独立同分布的训练样本来估计待处理单元的杂波协方差矩阵,并且为了保证STAP的性能,训练样本的数量要大于系统自由度的两倍,然而,非均匀环境中的训练样本通常并不满足独立同分布条件,这就会引起STAP的性能下降。此外,转发式干扰也会污染STAP的训练样本,使得STAP的性能下降。转发式干扰还会引起虚警,并抬高目标检测的门限,导致雷达系统的目标检测性能下降。如何有效抑制非均匀环境中的杂波和干扰是机载相控阵雷达的一个重要研究课题。本文针对以上问题展开研究,具体内容如下。1.研究了道路密集环境中的STAP。主波束中的车辆回波信号会污染STAP的训练样本,导致STAP时目标自相消,引起漏警。针对这一问题,我们提出一种基于道路信息的知识辅助STAP方法。本方法首先根据主波束中道路相对于雷达的位置估计道路上车辆相对于雷达的径向速度;然后得到可能含有主波束车辆回波信号的距离-多普勒单元;接着根据训练样本与杂波导向矢量和主波束内道路导向矢量的匹配程度判断这些训练样本是否包含主波束车辆回波信号;最后在进行STAP估计杂波协方差矩阵时剔除被主波束车辆回波信号污染的训练样本。所提方法利用先验道路信息改进STAP性能,解决了道路密集环境中训练样本被车辆信号污染的问题。可以防止STAP时由主波束车辆回波信号引起的目标自相消现象的发生,从而改进雷达的动目标检测性能。2.研究了基于先验地型和高程数据的STAP。非均匀环境中用于估计STAP杂波协方差矩阵的训练样本可能与待处理单元的杂波具有不同的分布特性,这就会引起所估计的杂波协方差矩阵不准确,从而导致STAP性能下降。本文提出了一种基于先验杂波协方差矩阵挑选训练样本的方法。本方法首先利用地型数据、高程数据和雷达系统参数等先验信息估计训练样本和待处理单元的先验杂波协方差矩阵,然后利用先验杂波协方差矩阵估计训练样本和待处理单元的相似度,接着根据相似度挑选与待处理单元杂波最相似的样本作为训练样本,进而估计待处理单元的杂波协方差矩阵,最后,通过自适应权值对待处理单元进行滤波处理。本方法由于考虑了待处理单元的特性,可以较精确地估计待处理单元的杂波协方差矩阵,从而改进非均匀杂波环境中STAP的性能。3.研究了基于子孔径协方差矩阵和空时二维谱的训练样本挑选方法。为解决非均匀杂波环境中训练样本非均匀的问题,本文还提出了基于子孔径协方差矩阵和空时二维谱的训练样本挑选方法。基于子孔径协方差矩阵的方法通过子孔径平滑技术估计待处理单元和训练样本的子孔径协方差矩阵,然后由子孔径协方差矩阵估计训练样本和待处理单元的相似度,最后挑选与待处理单元最相似的训练样本来估计待处理单元的协方差矩阵。基于空时二维谱的训练样本挑选方法由空时谱估计训练样本和待处理单元的相似度,并挑选与待处理单元相似的训练样本来估计协方差矩阵。因为所挑选的训练样本与待处理单元相似,所以可以较精确地估计待处理单元的杂波协方差矩阵。4.研究了机载相控阵雷达抗密集转发式干扰方法。密集转发式干扰不仅会引起虚警,而且会抬高其附近单元的恒虚警率检测门限进而导致雷达对动目标的检测性能下降;另外,它还会污染STAP的训练样本,导致STAP对杂波的抑制性能下降。针对这些问题,本文提出了两种抗密集转发式干扰算法。第一种算法首先估计干扰方向,然后形成指向干扰方向的和波束,并用广义旁瓣相消技术在空域滤除干扰。广义旁瓣相消中的协方差矩阵是利用在清晰区挑选的干扰样本估计得到的。本算法可以有效抑制密集转发式干扰,减少由其引起的虚警,改善雷达目标检测性能,同时本算法还具有结构简单,易于实现的优点。第二种算法是基于最大似然估计的抗转发式干扰算法:首先估计转发式干扰的空域导向矢量,然后采用最大似然方法估计出运动目标的幅度并以此来进行检测。仿真实验表明所提算法可以有效抑制杂波和转发式干扰,从而改善密集转发式干扰环境中的动目标检测性能。