基于稀疏恢复的空时自适应处理技术研究

摘要

空时自适应处理技术（STAP）通过多脉冲和多阵元的联合处理，可有效地实现对强地杂波的抑制，实现慢速目标检测。传统统计类STAP方法通常要求两倍于系统空时自由度的独立同分布训练样本来估计杂波协方差矩阵。在非均匀、非平稳杂波环境中该要求通常无法得到满足，因此研究如何进一步的降低对训练样本数的需求具有重要的意义。本文以机载雷达为背景，针对杂波在空时平面的稀疏性对基于稀疏恢复的STAP技术展开了研究，主要工作内容如下：
　　首先对STAP技术的研究背景进行了介绍，阐述了STAP技术中面临的难点，归纳总结了现有STAP技术，介绍了稀疏恢复的发展历史和研究现状，探讨了基于稀疏恢复的STAP技术的优势及存在的问题。
　　在第二章中对压缩感知与稀疏恢复理论的基本原理进行了介绍，归纳总结了各类稀疏恢复算法的核心思想及其适用场景。针对联合稀疏恢复问题在介绍其数学模型的基础上对其基本原理进行了分析。
　　重点研究了基于杂波空时功率谱稀疏性的STAP技术。对杂波稀疏性进行了探讨，分析了用有限个空时导向矢量近似整个杂波子空间的合理性，以正侧视均匀线性阵列为例对基于稀疏恢复的STAP方法的杂波抑制性能进行了研究，介绍了其处理框架并通过仿真实验验证了该方法具有显著降低训练样本数的优势；对利用多个训练样本进行联合稀疏恢复的STAP技术进行了研究，通过仿真验证了基于混合l2,1范数最小化的STAP方法可以显著提高空时谱的恢复精度，获得更好的杂波抑制效果，而基于改进的正交匹配追踪算法的STAP方法可以在牺牲部分精度的情况下显著的提高运算效率。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1研究背景及意义

1.2 STAP研究历史及现状

1.3本文的研究内容

第二章 稀疏恢复理论

2.1引言

2.2压缩采样与稀疏恢复数学模型

2.3稀疏恢复算法

2.4联合稀疏模型

2.5小结

第三章 基于稀疏恢复的STAP方法

3.1引言

3.2信号模型与性能评价准则

3.3基于稀疏恢复的STAP方法

3.4本章小结

第四章 基于联合稀疏恢复的STAP方法

4.1引言

4.2基于混合l2,1范数最小化的STAP方法

4.3基于一种改进正交匹配追踪算法的STAP方法

4.4本章小结

第五章 总结与展望

5.1本文总结

5.2展望

参考文献

致谢

作者简介