论文部分内容阅读
新型机载雷达引入认知雷达的工作模式,拥有感知环境信息的能力,静态杂波特性数据库提供先验信息,智能化样本筛选提供符合RMB准则的可用样本,基于知识辅助的空时自适应处理(KA-STAP)技术构建知识辅助滤波器,完成环境匹配的目标检测,形成了具有反馈机制、智能化信息处理的闭环雷达系统。本文利用地理信息系统(GIS)和数字高程模型(DEM)建立杂波特性知识库并进行高逼真的环境杂波建模,应用认知空时自适应处理,提高了STAP在非均匀杂波环境中的杂波抑制和目标检测能力。本文的研究重点如下:(1)研究了基于地理信息的机载雷达杂波建模方法针对先验地理信息如何应用于机载雷达的问题。利用地理信息系统(GIS)对地形进行分类,依据MIT林肯实验室获得的地表覆盖类型及其杂波特性经验模型,建立后向散射系数模型;根据数字高程模型(DEM)给出的实际地形高程数据,建立机载雷达擦地角模型。提出了一种雷达坐标数据与先验杂波数据库匹配的方法,完成了基于地理信息的高逼真度环境杂波建模。(2)研究了机载雷达空时自适应处理智能化样本筛选算法针对在非均匀杂波环境下可用样本如何选择的问题。在机载雷达空时自适应处理中,用于杂波协方差矩阵估计的样本是否服从独立同分布,对于设计空时滤波器至关重要。研究了两类智能样本筛选算法:自适应样本筛选和基于地形属性样本筛选,其中自适应样本筛选采用广义内积算法和基于谱相似度的样本筛选算法。通过对比当前检测单元(CUT)与待筛选样本的广义内积值、傅里叶谱及地形属性,得到与CUT相似的训练样本,为准确估计杂波协方差矩阵做前期准备。(3)研究了知识辅助的空时自适应处理技术针对非均匀杂波环境下样本不足导致STAP性能下降问题。知识辅助的空时自适应处理(KA-STAP)技术利用先验信息构建CUT的先验协方差矩阵,采用色加载技术得到先验协方差矩阵与样本协方差矩阵加权和的色加载矩阵,通过预白化(PW)方法对色加载系数进行优化,得到知识辅助滤波器的最优权。KASTAP技术有效地提升了机载雷达在非均匀杂波场景中的杂波抑制性能。