[发明专利]一种STAP杂波协方差矩阵估计方法

说明书

本发明属于雷达技术领域，具体涉及基于CUT自身先验知识的STAP杂波协方差矩阵估计方法。本发明公开了一种基于CUT自身先验知识的杂波协方差矩阵估计方法。该方法首先对CUT待检测频率通道的杂波进行重建，进一步从CUT中提取除了待检测频率以外的其他频率成分的杂波，最后由重建的杂波来计算CUT的杂波协方差矩阵。本发明解决了STAP中杂波协方差矩阵的估计问题，估计的杂波协方差矩阵更准确，提高了杂波的抑制性能。

技术领域

本发明属于雷达技术领域，具体涉及利用待检测单元自身的先验知识估计其杂波协方差矩阵的技术。

背景技术

空时自适应处理(STAP)是雷达和通信信号处理中的一项关键技术，被广泛用于雷达及通信信号处理之中。STAP要求设计的最优权向量时，可以使得输出信杂噪比(SCNR)最大。其中，s是目标信号空时导向向量，R_CUT为待检测距离单元的杂波协方差矩阵。然而实际中R_CUT是未知的，需通过选取的训练样本来估计。

目前的STAP方法中，CUT的CCM(杂波协方差矩阵)完全用选取的训练样本来估计。典型的是：文献《Wu Y,Wang T,Wu J,et al.Training Sample Selection for Space-TimeAdaptive Processing in Heterogeneous Environments[J].IEEE GeoscienceRemoteSensing Letters,2014,12(4):691-695.》提出选择与CUT(Cell Under Test，测试单元)子孔径协方差矩阵相似的样本来估计CUT的CCM，然而该方法只考虑了局部相似，从而会遗漏掉一些局部不相似但整体相似的参考单元；针对该问题，文献《Wu Y,Wang T,Wu J,etal.Robust training samples selection algorithm based on spectral similarityfor space–time adaptive processing in heterogeneous interference environments[J].Radar Sonar Navigation Iet,2015,9(7):778-782.》《X.Zhang,Q.Yang,W.Deng,Weak target detection within the nonhomogeneous ionospheric clutterbackground of HFSWR based on STAP,Int.J.Antennas Propag.2013(2013),doi:10.1155/2013/382516.》选择与CUT整体波形相似的训练样本来估计CCM。其中文献《Wu Y,Wang T,Wu J,et al.Robust training samples selection algorithm based onspectral similarity for space–time adaptive processing in heterogeneousinterference environments[J].Radar SonarNavigation Iet,2015,9(7):778-782.》选择与CUT的频域的波形相似的训练样本，文献《X.Zhang,Q.Yang,W.Deng,Weak targetdetection within the nonhomogeneous ionospheric clutter background of HFSWRbased on STAP,Int.J.Antennas Propag.2013(2013),doi:10.1155/2013/382516.》选择和CUT时域波形相似的样本。由于完全不相似的样本也可能有相同的协方差矩阵，因此文献《Wu Y,Wang T,Wu J,et al.Robust training samples selection algorithm based onspectral similarity for space–time adaptive processing in heterogeneousinterference environments[J].Radar SonarNavigation Iet,2015,9(7):778-782.》《X.Zhang,Q.Yang,W.Deng,Weak target detection within the nonhomogeneousionospheric clutter background of HFSWR based on STAP,Int.J.AntennasPropag.2013(2013),doi:10.1155/2013/382516.》可能会丢弃部分有用样本，针对该问题，文献《Li H,Bao W,Hu J,et al.A Training Samples Selection Method Based onSystem Identification for STAP[J].Signal Processing,2018，142：119-124.》提出了基于系统辨识的样本选择方法，直接选择与CUT杂波协方差矩阵相似的样本作为参考单元。