[发明专利]一种基于不确定先验知识的降维稀疏STAP方法及装置

说明书

根据本发明实施例公开的一种基于不确定先验知识的降维稀疏STAP方法及装置，利用离散傅里叶变换对雷达接收信号进行一阶降维，得到杂波一阶降维稀疏测量模型；基于不确定的雷达参数先验知识构造二阶降维矩阵，并通过二阶降维矩阵对杂波一阶降维稀疏测量模型进行二阶降维，得到杂波二阶降维稀疏测量模型；基于杂波二阶降维稀疏测量模型构建杂波子空间优化问题；求解杂波子空间优化问题得到杂波子空间，并通过杂波子空间计算STAP滤波器的权重矢量。通过本发明的实施，对杂波稀疏测量模型进行二阶降维，并设计STAP滤波器权矢量以避免矩阵求逆运算，有效降低了滤波器设计的计算复杂度，提高了在机载雷达的杂波抑制上的实现性。

技术领域

本发明涉及雷达杂波抑制技术领域，尤其涉及一种基于不确定先验知识的降维稀疏STAP方法及装置。

背景技术

对于机载雷达而言，空时自适应处理(Space-Time Adaptive Processing，STAP)一直以来都是杂波抑制与目标检测的一项重要技术。它充分利用相控阵列天线提供的多个空域通道信息和相干脉冲串提供的时域信息，通过空域和时域二维自适应滤波的方式进行杂波抑制，改善了传统方法只利用多普勒维检测目标，且只在时频域上进行处理的性能。

相比传统的运动目标检测技术，空时自适应处理技术有更高的系统自由度，对处理背景杂波的适应性更强，但全维STAP方法也存在着对独立同分布训练样本数需求大，收敛缓慢的限制，这使得全维STAP方法在现实应用中举步维艰，尤其是在非均匀杂波的环境下。针对全维STAP收敛慢的问题，研究人员近些年提出了一些基于稀疏的互质阵列、互质脉冲重复间隔的空时自适应处理算法，可以在少量独立同分布训练样本下持有较高的杂波抑制水平，但是这些算法的计算复杂度较高，在机载雷达杂波抑制上的实现性较差。

发明内容

本发明实施例的主要目的在于提供一种基于不确定先验知识的降维稀疏STAP方法及装置，至少能够解决相关技术中所采用的空时自适应处理算法的复杂度较高，在机载雷达杂波抑制上的实现性较差的问题。

为实现上述目的，本发明实施例第一方面提供了一种基于不确定先验知识的降维稀疏STAP方法，该方法包括：

利用离散傅里叶变换对雷达接收信号进行一阶降维，得到杂波一阶降维稀疏测量模型；

基于不确定的雷达参数先验知识构造二阶降维矩阵，并通过所述二阶降维矩阵对所述杂波一阶降维稀疏测量模型进行二阶降维，得到杂波二阶降维稀疏测量模型；

基于所述杂波二阶降维稀疏测量模型构建杂波子空间优化问题；

求解所述杂波子空间优化问题得到杂波子空间，并通过所述杂波子空间计算STAP滤波器的权重矢量。

为实现上述目的，本发明实施例第二方面提供了一种基于不确定先验知识的降维稀疏STAP装置，该装置包括：

一阶降维模块，用于利用离散傅里叶变换对雷达接收信号进行一阶降维，得到杂波一阶降维稀疏测量模型；

二阶降维模块，用于基于不确定的雷达参数先验知识构造二阶降维矩阵，并通过所述二阶降维矩阵对所述杂波一阶降维稀疏测量模型进行二阶降维，得到杂波二阶降维稀疏测量模型；

构建模块，用于基于所述杂波二阶降维稀疏测量模型构建杂波子空间优化问题；

计算模块，用于求解所述杂波子空间优化问题得到杂波子空间，并通过所述杂波子空间计算STAP滤波器的权重矢量。