一种基于知识辅助的空时自适应处理新算法

邓晶　刘延春

摘要：空时自适应处理（STAP）是一种用于运动平台雷达对运动目标检测的有效技术，能够显著提升现有雷达装的检测性能。在实际应用中，该技术需要大量的训练样本对接收信号中的杂波、噪声协方差矩阵进行估计。然而，由于在大多数探测环境中杂噪背景变化较快，可用于估计的独立样本较少，从而导致该技术性能损失严重。针对这种情况，本文提出了一种基于知识辅助（KA）的新型STAP算法，该算法通过先验知识首先对杂噪协方差矩阵进行推算，并将推算的结果与少量样本估计结果进行融合，从而极大地减少了精确估计所需样本的数量。仿真实验结果表明，本文算法能够显著提升现有STAP技术的收敛速度，克服其在实际应用中的障碍。

关键词：机载雷达；空时自适应处理；知识辅助

中图分类号：TN957.51 文献标识码：A 文章编号：1009-3044（2018）27-0253-02

20世纪70年代，Reed等人首次提出了空时二维自适应处理（STAP）方法[1]。该方法将原有的自适应阵列处理技术推广至阵列-脉冲两个维度，通过空时联合处理，根据接收信号中非期望信号（本文主要针对杂波、噪声）的统计特性自适应形成二维滤波器，有效提高了非期望信号的抑制能力，显著增强了运动平台雷达对地面动目标的检测功能。

经过几十年的研究，STAP技术在理论上已相当成熟。然而，在实际运用中，该技术却面临严重瓶颈。由于该技术本身属于自适应信号处理范畴，应用中必需大量的样本信号对非期望信号的统计特性（杂波、噪声协方差矩阵）进行估计。但实际中探测场景变化很快，可用于估计的独立同分布训练样本数量远远少于精确估计所需的数目[1，2]。

针对这一点，各国研究者开展了快速收敛STAP算法的研究，探求适用于少量样本的STAP处理方法，并取得了一些成果。其中，美国DDAPA提出的知识辅助（KA）思想，是一种可用于提高STAP收敛速度的可行思路[3]。鉴于这一点，本文将KA引入STAP处理中，提出了一种基于知识辅助的STAP信号处理算法。该算法将原有的估计过程与先验知识有机融合，仅需少量样本就可以达到与杂波协方差矩阵已知条件下相近的性能，是一种实际可行的快速收敛STAP算法。

1 空时自适应处理基本原理

图2给出了本文算法的收敛速度曲线，并与对角加载矩阵求逆（LSMI）算法的收敛速度曲线进行了对比。从图中可以看出，本文算法能够有效提高原有STAP算法的收敛速度，仅需几个样本即能完成杂波有效抑制。

3 结束语

本文借助知識辅助思想，提出了一种基于知识辅助的新型STAP算法。该算法通过先验知识获取杂噪协方差矩阵，并用于最终的自适应处理，与原有STAP算法相比，收敛速度显著提高，可直接用于实际处理。

参考文献：

[1] I. S. Reed， J. D. Mallett， L. E. Brennan. Rapid convergence rate in adaptive arrays[J]. IEEE Transactions on Aerospace and Electronic Systems， 1974， 10（6）：853-863.

[2] W. L. Melvin. Eigenbased modeling of nonhomogeneous airborne radar environments[J]. Proc.of the IEEE National Radar Conf.， Dallas， TX， USA， 1998： 171-176.

[3] J. R. Guerci. Knowledge-Aided Adaptive Radar at DARPA： An Overview[J]. IEEE Signal Processing Magazine， 2006， 23（1）：41-50.

[4] J. Ward. Space-Time Adaptive Processing for Airborne Radar Systems[J]. Lincoln Lab， Mass， Inst Technol， Lexington， MA， Tech Rep 1015， DTIC AD-A293032，1994.

[通联编辑：梁书]