论文部分内容阅读
现代机载雷达尤其是预警雷达中多采用大规模阵列与多脉冲体制,此外由于机载雷达所处的地形多变特性以及环境的非均匀性,使得雷达信号处理中所需巨大的样本数量与环境可提供的样本数量相矛盾。为了解决在少样本或无参考样本情况下,机载雷达空时自适应处理(STAP)中杂波协方差矩阵估计、降维算法、波形设计、目标检测等问题,需借助于一定的先验信息来提高机载雷达STAP性能。因此,本文围绕着机载雷达协方差矩阵结构特征,并展开相关空时二维信号处理算法研究。本文主要工作与贡献为:(1)建立机载雷达目标杂波模型以及分析杂波协方差矩阵结构机载雷达信号建模是后续工作展开的基础。首先本文分别对机载相控阵雷达、多输入多输出(MIMO)雷达体制下目标与杂波建模,并给出相应的杂波协方差矩阵。在此基础上,分析得出了杂波协方差矩阵具有一定的特殊结构,包括一种线性结构的集合。利用该结构,研究了协方差矩阵的极大似然估计方法以及几种放缩估计算法。(2)机载相控阵雷达结构化杂波协方差矩阵估计算法研究机载相控阵雷达杂波协方差矩阵具有多个低秩空域与时域杂波基矩阵Kronecker积求和的非线性结构。利用一种Kronecker积置换运算,可将该非线性结构转变为向量外积求和的线性结构。基于此,借助于近似梯度下降算法,本文提出一种将极大似然估计问题、先验协方差矩阵以及秩约束三者相结合的迭代估计算法。并理论上证明了估计得到的协方差矩阵以及基矩阵均具有Hermite矩阵特性。(3)基于结构化杂波协方差矩阵的机载MIMO雷达的两级STAP与矩阵估计研究机载MIMO雷达的杂波协方差矩阵可表示为发射空域、接收空域与时域基矩阵Kronecker积求和的非线性结构,并利用一种Kronecker积结构的权向量特性,本文提出一种收发两级STAP的处理模式,能够保证输出信杂噪比(SCNR)性能优越情况下有效地降低运算复杂度。此外本文提出一种基于双核范数的结构化杂波协方差矩阵估计算法,能够有效解决杂波协方差矩阵具有特殊结构约束的估计问题。并理论上证明了该算法所得的协方差矩阵能够保证上述非线性结构。(4)基于最大化互信息量的机载MIMO雷达波形设计算法研究建立了具有发射波形形式的机载MIMO雷达目标与杂波协方差矩阵结构模型。本文采用最大化目标与接收信号之间的互信息量为优化准则,提出一种基于目标与杂波统计先验信息的波形设计算法,并借助于多源交替方向法(ADMM)解决了有不同距离环之间影响的波形设计问题。(5)分布式机载MIMO雷达目标检测算法研究建立了分布式机载MIMO雷达体制下的目标与杂波模型。本文借助于贝叶斯检测框架,提出了一种分布式机载MIMO雷达在仅已知先验杂波协方差矩阵谱结构信息且无参考样本情况下的点目标检测器。此外,采用块稀疏贝叶斯学习(BSBL)估计算法,提出了一种无参考样本的分布式机载MIMO雷达距离扩展目标检测器,并给出了该检测器在有无目标两种假设下的概率密度函数。