导　　师： 黄建军;毛绍宁

授予学位： 硕士

作　　者： (）;

机构地区： 深圳大学

摘　　要： 空时自适应处理(Space-Time Adaptive Processing,STAP)作为机载雷达杂波抑制与运动目标检测的关键技术,在非均匀、非平稳杂波环境中面临着独立同分布(Independent Identically Distributed,IID)训练样本不足的难题。随着压缩感知(Compressive Sensing,CS)/稀疏恢复(Sparsity Recovery,SR)理论的发展,功率谱稀疏恢复STAP技术应运而生,并迅速成为了研究热点。该技术突破了传统统计类STAP对IID训练样本需求的极限,对克服非均匀、非平稳杂波环境下IID训练样本不足的难点拥有巨大优势。该技术的优越性能依赖于准确的杂波稀疏模型,然而,实际系统和环境中存在的阵列误差、杂波起伏、空时导向词典等非理想因素使得现采用的模型失配,导致功率谱稀疏恢复STAP性能下降。因此,本文以机载雷达为研究背景,围绕杂波抑制问题,开展了阵列误差下稳健功率谱稀疏恢复STAP方法研究,其主要内容可分为以下几个方面。1)建立了阵列幅相误差下的稀疏信号模型,分析了阵列幅相误差对功率谱稀疏恢复STAP方法性能的影响,结合仿真实验,从数值分析的角度说明了阵列幅相误差对功率谱稀疏恢复STAP方法的性能影响。2)探讨了基于传统阵列误差校正的功率谱稀疏恢复STAP算法的有效性,提出了一种稳健功率谱稀疏恢复STAP算法,即基于正交匹配追踪(Orthogonal Matching Pursuit,OMP)与最小二乘法(Least Square,LS)交替迭代的功率谱稀疏恢复STAP算法。该算法通过OMP与LS交替迭代的方式联合估计杂波功率谱与阵列幅相误差。实验表明,该算法具有较好的稳健性。3)为降低上述算法的计算复杂度,提出了一种基于知识的快速稳健功率谱稀疏恢复STAP算法,该算法利用先验知识降低了空时导向词典的维数,缩小了稀疏恢复搜索的空间。实验表明,相比上述基于OMP与LS交替迭代的功率谱稀疏恢复STAP算法,该算法具有更低的计算复杂度

关 键 词： 空时自适应处理 稀疏恢复 空时功率谱 阵列幅相误差 杂波抑制

领　　域： []