[发明专利]一种机载雷达稀疏恢复类STAP算法中的字典校正方法

说明书

本发明提供的一种机载雷达稀疏恢复类STAP算法中的字典校正方法，通过在运动过程中，使用波束扫描接收测量模式下多个距离门的地杂波回波信号的空时二维数据矩阵；根据空时耦合关系，对多个距离门下的时域脉冲采样数据进行多普勒滤波，获得多个角度下的真实空域导向矢量构成的空域阵列流形；将空域阵列流形构成校正后的空时字典矩阵；利用空时字典矩阵，对在工作模式下多个距离门接收的空时二维数据矩阵进行稀疏恢复类空时自适应处理。本发明能够在任意阵列误差的情况下，解决机载雷达稀疏恢复类空时自适应算法中的使用字典校正效果不佳的问题，并且在较少的训练样本下重构出准确的杂波协方差矩阵，从而获得好的杂波抑制效果。

技术领域

本发明属于雷达信号处理技术领域，具体涉及一种机载雷达稀疏恢复类STAP算法中的字典校正方法。

背景技术

空时自适应处理器定义为对天线阵元的空域采样和一个相干积累时间内的脉冲采样得到的数据的二维滤波，作为一种有效的机载相控阵雷达杂波抑制技术，空时自适应处理(STAP具有能够在强杂波背景下检测慢速运动目标的能力。最优的STAP权矢量由杂波协方差矩阵的逆和目标的空时导向矢量的乘积得到，因此，STAP处理器的性能依赖于待检测单元杂波协方差矩阵的估计精度和目标的空时导向矢量的准确性。

杂波协方差矩阵通过与待检测单元有着相同的统计特性且是独立同分布的相邻距离门的训练样本估计得到。由RMB准则可知，训练样本的数目大于两倍的系统自由度时可以保证输出的信杂噪比损失小于3dB。然而，在实际的非平稳或非均匀的杂波环境中，很难得到足够多的独立同分布的训练样本，这会导致STAP算法性能的严重下降。稀疏恢复类算法通过一个过完备字典和一个稀疏的系数向量来表示或者近似一个信号，在STAP算法中，字典是归一化空时二维平面上的采样点的空时导向矢量的集合，稀疏就意味着系数向量中的大多数元素都为零。由于杂波是低秩的，稀疏恢复类空时自适应处理(SR STAP)的本质就是用字典中尽可能少的空时导向矢量来估计出杂波子空间。

在有限的训练样本下，SR STAP算法能够获得很好的杂波抑制性能。但是当存在任意阵列误差时，真实的空时导向矢量很难去获得，用理想的空时导向矢量代替真实的空时导向矢量时，字典和杂波数据中导向矢量间的失配导致稀疏恢复类算法不能很好的重构杂波协方差矩阵，杂波抑制的性能会严重的下降。

发明内容

为了解决现有技术中存在的上述问题，本发明提供一种机载雷达稀疏恢复类STAP算法中的字典校正方法。本发明要解决的技术问题通过以下技术方案实现：

本发明提供的一种机载雷达稀疏恢复类STAP算法中的字典校正方法，应用于机载雷达，所述机载雷达包括多个均匀间隔的全向阵元包括：

步骤1，在运动过程中，使用波束扫描接收测量模式下多个距离门的地杂波回波信号的空时二维数据矩阵；

其中，所述二维数据矩阵包括第一维的空域采样数据以及第二维的第一相干积累时间的时域脉冲采样数据，所述空域采样数据以及时域脉冲采样数据存在空时耦合关系，所述空时耦合关系表示回波信号的空域频率与多普勒频率之间在同一角度下的对应关系；

步骤2：根据空时耦合关系，对多个距离门下的时域脉冲采样数据进行多普勒滤波，获得多个角度下的真实空域导向矢量构成的空域阵列流形；

其中，所述多普勒滤波存在多个对应的滤波角度，所述真实空域导向矢量根据多个距离门的滤波数据得到；

步骤3：将空域阵列流形构成校正后的空时字典矩阵；

步骤4包括：利用所述空时字典矩阵，对在工作模式下多个距离门接收的空时二维数据矩阵进行稀疏恢复类空时自适应处理；

其中，所述工作模式下接收的空时二维数据与在测量模式下接收的空时二维数据的相干积累时间不同。

可选的，所述空时二维数据矩阵的表达式表示为：