基于稀疏贝叶斯学习的稳健STAP算法

摘要

为了提高阵列幅相误差和格点失配情况下稀疏恢复空时自适应处理(sparse recovery space-time adaptive processing,SR-STAP)算法的性能,提出一种基于稀疏贝叶斯学习的稳健SR-STAP算法。首先,利用空时导向矢量的Kronecker结构构建SR-STAP误差信号模型;然后,利用贝叶斯推断和最大期望算法迭代求取角度多普勒像和误差参数;最后,利用求解参数估计精确的杂波加噪声协方差矩阵并计算权矢量。仿真实验表明,所提算法能够显著提高稀疏信号模型失配时的目标检测性能。