[发明专利]基于空域多级分解的机载MIMO雷达后多普勒自适应处理方法

说明书

本发明公开了基于空域多级分解的机载MIMO雷达后多普勒自适应处理方法，对机载MIMO雷达回波信号先进行多普勒滤波处理，然后再在一个或多个多普勒通道进行自适应处理，并且对高维自适应权矢量进行分解，使其变为几个低维权矢量的Kronecker积，通过循环迭代得到权系数，利用权系数对雷达回波信号进行处理得到抑制杂波的雷达回波信号；本发明能够有效降低机载MIMO雷达系统空时自适应处理时的计算量和样本需求量，从而提高小样本条件下，机载MIMO雷达抑制杂波和检测动目标的性能，并节约宝贵的时间和资源。

技术领域

本发明属于机载雷达信号处理技术领域，涉及一种基于空域多级分解的机载MIMO雷达后多普勒自适应处理方法。

背景技术

随着MIMO(Multiple-input multiple-output)技术在移动通信领域的不断发展，并同时受到综合脉冲孔径雷达的启发，MIMO雷达的概念在近几年被提出并得到了国内外军事界与学术界的广泛关注，已成为世界各国研究的热点。机载MIMO雷达在无需增加实际收发物理孔径的基础上，采用较小的天线规模即可形成很大的虚拟阵列孔径，这在一定程度上克服了机载应用背景下传统雷达天线孔径和重量受载机平台严格限制的缺点。

但是同样的，机载MIMO雷达杂波的多普勒频率会产生严重扩展，杂波的多普勒带宽甚至会达到两倍的脉冲重复频率。传统的动目标显示方法和动目标检测方法并不能有效消除机载雷达的杂波，而分布在整个方位-多普勒平面上的杂波会严重影响雷达系统检测目标，而从空域和时域联合抑制杂波的空时自适应处理(Space-time adaptiveprocessing,STAP)方法能有效的抑制机载雷达杂波并检测动目标。但是STAP方法要对高维杂波加噪声协方差矩阵进行估计并且求逆，因此需要巨大的均匀训练样本和计算量，这和实际中机载雷达小样本和实时处理的需求相悖。后多普勒自适应处理方法FA(Factoredapproach,因子法)和EFA(Extended factored approach，扩展因子法)，将全维自适应处理的问题转变成了在K个多普勒通道(假设有K个多普勒通道)分别自适应处理的问题，大大降低了运算量和均匀训练样本需求量。即使如此，在空域自由度庞大的机载MIMO雷达中，FA和EFA还是不能有效抑制杂波。

发明内容

针对上述现有技术中存在的问题或缺陷，本发明的目的在于，提供一种基于空域多级分解的机载MIMO雷达后多普勒自适应处理方法，相较于传统后多普勒自适应处理方法，该方法能够有效降低机载MIMO雷达系统空时自适应处理时的计算量和样本需求量，从而提高小样本条件下，机载MIMO雷达抑制杂波和检测动目标的性能，并节约宝贵的时间和资源。

为了实现上述目的，本发明采用如下技术方案：

基于空域多级分解的机载MIMO雷达后多普勒自适应处理方法，包括以下步骤：

步骤1，机载MIMO雷达的发射阵元发射正交信号，正交信号经过杂波散射单元和动目标反射后形成回波，回波被机载MIMO雷达的接收阵元接收并处理后形成雷达回波信号；雷达回波信号包括杂波回波信号、动目标回波信号和噪声；

步骤2，对雷达回波信号在多个多普勒通道内分别进行滤波，得到多个多普勒通道滤波后的雷达回波信号；多普勒通道滤波后的雷达回波信号包括多普勒通道滤波后的杂波加噪声信号和多普勒通道滤波后的动目标回波信号；

步骤3，针对多普勒通道滤波后的杂波加噪声信号和该多普勒通道内的滤波后的动目标回波信号，构造该多普勒通道下的初始代价函数；针对初始代价函数中的权矢量进行分解，得到该多普勒通道下的优化后的代价函数；

步骤4，求解多普勒通道下的优化后的代价函数，得到该多普勒通道下的权系数；