[发明专利]基于知识辅助的SR-STAP方法及存储介质

说明书

本发明公开了一种基于知识辅助的SR‑STAP方法及存储介质，该方法包括：通过机载雷达获取待检测距离单元的样本数据；将杂波的空间频率均匀离散为网格点集合；获取所述杂波的离散多普勒频率网格点集合；基于预设条件调整多普勒频率，得到新的多普勒频率组；调整空间频率，得到新的离散化空间频率组；根据新的多普勒频率组和所述新的离散化空间频率组对应的空时导向矢量构建空时导向矢量字典；利用所述空时导向矢量字典对样本数据进行稀疏分解，得到稀疏恢复向量；利用稀疏恢复向量进行杂波协方差矩阵估计。本发明对空间频率和多普勒频率进行联合调整，构造超完备的空时导向矢量字典，有效解决网格失配的问题，改善STAP方法的性能。

技术领域

本发明涉及机载雷达技术领域，尤其涉及一种基于知识辅助的SR-STAP方法及存储介质。

背景技术

机载雷达具有优越的运动目标检测能力，在军事和民用领域极具应用价值。但是，机载雷达处于下视工作状态，接收信号中的杂波强度较高。另外，由于载机的运动使得杂波的分布范围变广、强度增大。同时，由于地形变化、电磁干扰、系统误差等因素的影响，杂波呈现出明显的非均匀性分布，雷达的目标检测能力受到严重影响。为了解决上述问题，有效抑制杂波，提升机载雷达的目标检测能力，学者提出了空时自适应处理(Space-timeAdaptive Processing，STAP)方法。该方法利用杂波在空间上和时间上的耦合性，进行空时二维域内的自适应滤波，从而准确检测出运动目标。为了保证杂波抑制和动目标检测效果较好，传统的STAP算法通常需要从均匀杂波环境中获取足够的训练样本。但在实际场景中，尤其是在非同质杂波环境下，很难满足这一要求。因此，导致了传统STAP方法的性能急剧下降。

随着压缩感知理论的兴起，一些学者提出了将稀疏恢复方法用于空时自适应滤波，逐步形成了基于稀疏功率谱恢复的STAP方法(SR-STAP)。该类方法中使用由空时导向矢量构成的冗余基字典对样本数据进行稀疏表示，并挑选系数较大的元素重构样本数据，可以形成杂波的高分辨功率谱估计，实现较好的杂波抑制性能。稀疏表示使用的字典通常由均匀离散化的空间频率和多普勒频率所对应空时二维导向矢量构成，其前提条件是样本数据中杂波的导向矢量与字典中的部分导向矢量精确匹配，即杂波可以精确落在离散化空时网格点上。然而实际应用中，由于阵列工作模式、系统参数等因素，杂波的导向矢量与字典中的导向矢量之间会存在偏差，即部分杂波分量不再位于离散化空时平面网格点上，出现所谓的离网效应，导致稀疏恢复误差显著增大和STAP滤波器性能严重下降。现有的SR-STAP方法由于使用了空时平面均匀离散化形成的固定字典，导致杂波的稀疏恢复有较大的误差，不利于杂波抑制和动目标检测。

为提高SR-STAP方法的性能，国内外研究者探索了解决离网效应以增加稀疏恢复准确性的方法。其中，基于知识辅助的SR-STAP方法成为了近年来国内外学者的研究热点，其科研成果表明，基于知识辅助的SR-STAP方法可以较好地解决训练样本数不足以及离网效应带来的STAP性能下降的问题，并缓解运算量和数据存储带来的压力。2018年武汉理工大学的研究者提出了一种利用杂波脊的先验知识对字典进行调整来缓解SR-STAP方法中离网效应的算法(KASR-STAP)。该算法利用雷达系统参数和惯性导航系统信息等先验知识计算出杂波脊分布，在角度-多普勒平面上离散网格，在不同的阵列场景下均能较好的缓解离网效应。但是KASR-STAP方法存在的问题是在利用先验知识在角度-多普勒平面上离散网格时，只根据杂波分布调整了多普勒频率的网格位置，而没有对应调整空间频率的网格位置，对离网效应(网格失配问题)改进不全面，SR-STAP方法性能的提升没有达到理想情况。现有基于知识辅助的字典校正方法没有全面考虑多普勒频率和空间频率的耦合性，对字典校正不全面，STAP的性能改善程度不够高。

发明内容

鉴于现有技术中存在的上述技术问题，本发明实施例提供一种基于知识辅助的SR-STAP方法，其能够解决现有SR-STAP方法不利于杂波抑制和动目标检测，以及现有基于知识辅助的字典校正方法对离网效应改进不全面，STAP的性能改善程度不够高的技术问题。

为了解决上述技术问题，本发明实施例采用了如下技术方案：