[发明专利]一种基于信杂噪比损失的机载雷达训练样本选择方法

说明书

本发明属于机载雷达信号处理领域，具体提供一种基于信杂噪比损失的机载雷达训练样本选择方法，用于剔除与目标距离环杂波特性不一致的训练样本，保证用于机载雷达空时自适应处理中杂波协方差矩阵估计的训练样本的均匀性。相比于传统方法，本发明利用子孔径协方差矩阵直接表征目标距离环和训练样本的杂波特性，可确保杂波特性的表征不受其他样本的影响。为消除目标信号影响，本发明采用基于Capon谱积分重构的方式剔除目标距离环中可能包含目标信号成分，相比正交投影方式，可更好保留杂波特性。本发明采用输出的信杂噪比损失作为检验统计量，直接表征当前样本与CUT杂波特性的近似程度。

技术领域

本发明属于机载雷达信号处理领域，具体涉及一种机载雷达训练样本选择方法，用于剔除与目标距离环杂波特性不一致的训练样本，保证用于机载雷达空时自适应处理中杂波协方差矩阵估计的训练样本的均匀性。

背景技术

空时自适应处理技术是机载雷达探测强杂波背景下地面慢速弱小目标的有效手段，而空时自适应处理的关键在于目标距离环杂波协方差矩阵的估计，通常采用与目标距离环具有独立同分布且不包含目标信号的训练样本进行估计，而训练样本通常选择与目标距离环相邻的一系列参考距离环。但是在实际应用场景下，由于受到各种非理想因素的影响，如离散强散射点、干扰目标信号、杂波内运动、地形变化、天气影响等等，可能导致训练样本的杂波特性与目标距离环不一致，降低利用训练样本对目标距离环杂波协方差矩阵的估计精度，从而降低空时自适应处理性能，使机载雷达对地面目标的探测性能恶化。因此，对原始训练样本进行筛选，剔除其中与目标距离环杂波特性不一致的训练样本，对于提升机载雷达对地面运动目标探测性能具有重要意义。

目前，现有的机载雷达训练样本选择方法主要基于广义内积、波形相似性、地形数据及子孔径协方差矩阵进行。如文献“Tang B,Tang J,Peng Y.Detection ofheterogeneous s amples based on loaded generalized inner product method[J].Digital Signal Processing,2012,22(4):605-613”中公开一种基于广义内积的机载雷达训练样本选择方法，利用原始训练样本计算样本协防差矩阵表征目标距离环的杂波特性，然后计算各个训练样本的广义内积作为检验统计量，进行样本筛选；该技术采用原始训练样本计算的样本协方差矩阵，但是没有将目标距离环的杂波特性考虑在内，当大部分样本的杂波特性与目标距离环不一致时，所选择的样本将与目标距离环不具有均匀性。

如文献“Yifeng W,Tong W,Jianxin W,et al.Robust training samplesselection al gorithm based on spectral similarity for space–time adaptiveprocessing in heterogeneous int erference environments[J].Radar SonarNavigation Iet,2015,9(7):778-782”中公开一种基于波形相似性的机载雷达训练样本选择方法，通过比较样本信号与目标距离环信号在时域或频域的波形相似性，剔除差异较大的训练样本，完成样本筛选过程；其训练样本选择的根本目的是选择与目标距离环具有相同协方差矩阵的训练样本，而文献“Li H,Bao W,Hu J,et al.A Training SamplesSelection Method Based on System Identification for STAP[J].SignalProcessing,2017,142(jan.):119-124”中理论分析证明，即使波形完全不同的训练样本，也可能具有相同的协方差矩阵，因此该方法会严重降低训练样本的利用率，导致有效训练样本损失。