非均匀环境下的STAP方法研究,    肇庆升降路灯车出租, 肇庆升降路灯车租赁, 肇庆升降路灯车价格   基于STAP的运动目标检测与参数估计需要利用训练样本来估计杂波的协方差矩阵。在训练样本独立同分布且和待检测单元的统计特性一致的条件下，STAP可以取得良好的性能。然而，机载雷达面临的实际杂波环境常常呈现非均匀性。地表4覆盖类型变化、地形高程起伏、陆海交界、杂波内部运动、样本中的目标信号以及强杂波离散点等破环了训练样本的均匀假设，这些非理想的因素使得接收数据的统计特性随时间和空间产生变化。这将使得利用距离单元数据作为训练样本估计产生的协方差矩阵偏离待检测样本的真实协方差矩阵，从而导致了自适应滤波器的性能下降。为此需研究适用于非均匀环境下的STAP方法。杂波非均匀主要有以下四种形式：杂波功率非均匀、杂波谱非均匀、孤立杂波离散点以及干扰目标。杂波功率非均匀是指杂波的回波功率随距离变化，其产生的主要原因是地表覆盖物的变化，城乡结合部以及陆海交界处地面散射率的变化，地形高程起伏造成的遮挡现象等。杂波功率非均匀导致了STAP滤波器的零陷深度不准确。若零陷深度过浅，杂波剩余功率增加，虚警率增大；若零陷深度过深，会使噪声功率增加，较深的凹口也会使得慢速运动目标的检测性能下降。针对杂波功率非均匀这个问题，分别提出了功率调节训练法（PVT）和功率相似训练法（PCT）。杂波谱非均匀是指杂波块的电压响应随慢时间孔径起伏，其产生的主要原因是自然杂波的内部运动，如风吹树木和草地的摆动、海浪的起伏以及降雨和降雪的天气等。杂波谱非均匀导致了STAP滤波器的零陷宽度不准确。若零陷宽度过窄，则杂波剩余增加；若零陷宽度过宽，则造成目标信号相消。针对杂波谱非均匀这个问题，提出了协方差矩阵锥削法（CMT），该方法利用锥削矩阵来修正自适应滤波器的零陷宽度。孤立杂波离散点是指雷达截面积（RCS）极大的点杂波源，其产生的主要原因是人造的具有强散射率的物体（如高大建筑物、电力传输铁塔以及通信天线）、高分辨率观测条件下的海尖峰等。孤立杂波离散点导致了STAP滤波器的零陷深度不准确。若孤立杂波离散点位于待检测样本，将使得虚警率增加；若孤立杂波离散点位于训练样本时，将使得目标输出信杂噪比下降。针对孤立杂波离散点这个问题，[65-67]提出了自适应旁瓣匿影法（ASB）、离散匹配滤波法（dDMF）以及功率选择训练法（PST）。干扰目标是指训练样本中含有的运动目标信号，其产生的主要原因是密布的高速公路网上的各种车辆。干扰目标导致了STAP滤波器的自适应方向图主瓣畸变，进而使得目标检测概率下降，目标角度估计误差。针对干扰目标问题，提出了广义内积法（GIP）、自适应功率剩余法（APR）、相位和功率选择训练法以及重加权法。

      稳健的STAP方法研究,   STAP在理想情况下，可以取得较好的性能。然而，在实际的工程实现中，机载雷达系统中存在多种非理想的因素（如阵元幅相误差、通道响应失配、阵元互耦以及机身近场散射等）。不同的空时自适应处理器对这些非理想因素的敏感程度各不相同，分析非理想因素对空时自适应处理器的性能影响并研究相应的稳健处理方法具有重要的实际意义。阵元幅相误差是一种与角度无关的复增益误差，它主要是由于接收阵元的放大器的增益不一致性造成的。阵元幅相误差使得假定的导向矢量与实际的导向矢量不匹配。分析了阵元幅相误差对自适应匹配滤波（AMF）检测器、自适应相干估计（ACE）检测器的性能影响。指出阵元幅相误差会导致地面运动目标检测（GMTI）中目标定位不准确。针对阵元幅相误差这个问题，提出了利用辅助信源对阵元误差进行离线校准的方法。提出了基于杂波数据的阵元幅相误差自校准方法。通道响应失配是一种依赖于频率的复增益误差，它主要是由于雷达接收机同相通道与正交通道频率响应在信号带宽内不一致造成的。利用CMT理论分析了通道响应失配对杂波信号的影响，指出通道响应失配将导致杂波秩增加、主瓣杂波凹口展宽，进而使得慢速运动目标检测性能下降。针对通道响应失配这个问题，提出了采用有限脉冲响应（FIR）滤波器来均衡接收机的带内通道响应的方法。提出了一种二维频率域（距离频率与多普勒频率）的自适应通道均衡方法。阵元互耦是指阵列天线中当前工作单元被其邻近工作单元所激励，从而导致了单元之间的耦合性。阵元互耦将造成阵元方向图畸变、阵元激励电流改变以及阵元辐射阻抗变化等。建立了考虑互耦时的机载雷达空时信号模型，并且分析指出阵元互耦将导致杂波脊展宽、输出信杂噪比下降（SCNR）以及最小可检测速度（MDV）增大等。采用机载雷达实测的MCARM数据验证了互耦的存在并指出对阵元互耦进行补偿可以有效降低雷达的虚警率、提高弱目标的检测性能。针对阵元互耦这个问题，提出采用逐元法计算互耦矩阵。提出了一种基于迭代优化的约束互耦矩阵估计方法。机身近场散射是由雷达回波被机载雷达平台（特别是飞机机翼）折射所造成的。建立了基于衍射几何理论（GTD）的近场散射信号模型。机身近场散射导致杂波谱沿空间频率维展宽，从而使得STAP性能出现下降。针对机身近场散射这个问题，通过分析指出通过增加空域自由度，近程散射对STAP的性能影响可以得到有效减弱。

     知识辅助的STAP方法研究,  杂波非均匀导致了协方差矩阵估计误差，进而使得雷达目标检测性能下降。传统的基于数据的补偿方法可以在一定程度上克服非均匀杂波对STAP带来的性能影响。然而，在极端非均匀环境下，传统的补偿方法的性能下降，适用性受到限制。为了解决这个问题，研究人员提出了知识辅助（KA）的空时自适应处理方法。KA-STAP是一种贝叶斯的信号处理方法，它利用雷达获取的外部工作环境的先验知识，来改善机载雷达在非均匀杂波环境下的检测性能。先验知识包括惯性导航设备中的参数（雷达工作参数、载机运动参数、波束指向等）、陆地覆盖及地形使用数据、数字地形高程数据（DTED）、合成孔径雷达（SAR）图像、高光图像及道路信息分布数据等。基于知识辅助的空时自适应处理方法可以分为间接法和直接法两大类。间接法是指利用先验知识来辅助训练样本挑选和滤波器类型的选择。知识辅助样本挑选是指利用外部信息源对杂波进行分类，把属于同一地理特征的杂波划成同一类杂波。然后对每一类的杂波分别进行自适应滤波处理。提出了基于LCLU数据的训练样本挑选方法并且利用MCARM数据和KASSPER数据进行了性能验证。知识辅助滤波器类型选择是指根据雷达工作环境选取合适的滤波器处理结构。现有的STAP方法有多种处理结构，如全自适应处理、降维自适应处理、线性预测类处理以及直接数据域处理等。在不同的工作条件下，这些滤波器的性能与运算量各不相同。提出了滤波器类型选择的准则，指出在均匀杂波环境下采用统计类STAP方法；在非均匀环境下采用混合类STAP方法；在极端非均匀环境下采用非自适应的滤波方法。直接法是指利用先验知识来辅助自适应滤波器权值计算。知识辅助滤波器权值计算是一种贝叶斯的滤波器计算方法，其利用先验知识构造的协方差矩阵与接收数据估计的协方差矩阵两部分融合来计算滤波器权值矢量。典型的方法有色加载（L）、谱域的协方差估计、知识辅助的参数化协方差矩阵估计（KAPE）以及知识辅助的结构化协方差矩阵估计等。实际中先验协方差矩阵的构造是一个十分重要的问题，提出了利用雷达先前相干处理间隔（CPI）的接收数据预测杂波协方差矩阵的方法。提出了利用合成孔径雷达数据识别离散杂波点并构造预滤波处理器的方法。7KA-STAP在理论研究上已经取得较大进展，但是其在工程实用中依然面临着较多问题。由于设备的精度、环境的变化以及信息的陈旧等因素，雷达获得的先验知识可能不够准确或者出现错误。此时，相对于传统STAP方法，KA-STAP方法反而会降低雷达系统性能。因此，KA-STAP中的一个重要问题就是测定先验知识的精度，然后决定先验协方差矩阵的置信度。

     肇庆升降路灯车出租, 肇庆升降路灯车租赁, 肇庆升降路灯车价格

       复杂电磁环境下的STAP方法研究,  在现代战争中，机载雷达面临日益复杂的电磁环境，不仅受到杂波的影响，同时也会受到多种形式的干扰影响。干扰类型众多，按照干扰能量来源可以分为有源干扰和无源干扰；按照作用原理可以分为压制式干扰与转发式干扰；按照来波方向可以分为主瓣干扰与旁瓣干扰；按照干扰的人为因素可以分为有意干扰和无意干扰。干扰的存在直接影响了机载雷达的运动目标检测性能。因此，干扰环境下的杂波抑制问题值得深入研究。压制式干扰是由干扰机在阻塞频带内发射大功率的噪声信号产生的，其在时域等效于增加了接收机的噪声水平，从而降低了目标的信噪比与检测性能。针对压制式干扰这个问题，提出了利用辅助天线预先抑制干扰的方法，提出了空时联合抑制干扰的方法。转发式干扰是由干扰机产生的具有确定或随机距离和多普勒频率的与目标形式类似的信号，其会导致雷达在接收端产生大量虚假目标，从而使得接收回波数据呈现非均匀性，进而影响雷达对真实目标的检测与跟踪性能。针对转发式干扰这个问题，提出了子频带平滑法与样本剔除法。现代雷达信号处理的发展趋势已逐渐由基于数据的自适应接收处理逐步转向认知发射、认知接收处理，即雷达能够根据所面临的电磁环境自适应的调整发射和接收系统。随着科技的进步，特别是数字阵列、高性能计算机等的发展，认知雷达的实现已逐渐成为可能。因此反干扰策略也应该由被动抑制转向主动对抗方面研究。研究了基于认知的机载雷达抗干扰方法。基于认知的抗干扰是一个十分复杂的问题，其在实现过程中需要解决干扰的侦收、干扰的识别以及干扰的参数估计等问题。由于干扰的类型众多，干扰的侦收是一项十分复杂的内容。通常，对于有源干扰，可以让雷达工作在休止状态；对于无源干扰，必须让雷达工作在主动状态。对干扰信号进行侦收后，需要对干扰信号进行识别，以确定干扰的类型，对干扰识别的关键在于找到不同干扰类型对应的不同特征。在对干扰进行识别之后，需对干扰参数进行估计。此时，可以利用空域自由度、时域自由度、极化域自由度以及其它域的自由度得到干扰的角度、速度、极化方式以及其它参数。8通过对干扰环境的感知，可以得到干扰机的工作方式和工作参数。这时，雷达可以在发射端开展面向干扰抑制的自适应发射，使得雷达具有针对干扰机的低截获特性。与此同时，雷达可以在接收端根据干扰信息自适应的选择合适的方法进行干扰抑制。

      主要研究了稳健的杂波抑制与参数估计方法在机载脉冲多普勒雷达中的应用。全文共分为七章，各章的主要内容安排如下：第一。首先指出论文的研究背景及意义，然后总结了STAP技术的研究历史与现状，最后介绍了本文的研究内容。第二研究了对角加载参数估计问题。针对对角加载方法中加载参数数值大小难以确定的问题，提出了一种基于回波数据的自适应的加载参数估计方法。该方法首先将对角加载参数估计问题转化为Tikhonov规划罚函数系数估计问题，然后采用GCV准则估计罚函数系数，最后利用罚函数系数与加载参数的函数关系计算加载参数。仿真数据实验结果表明该方法有效提高了机载雷达在样本数目不足情况下的目标检测性能。第三研究了密集目标检测问题。针对密集目标场景下，传统的非均匀检测器性能下降问题，提出了一种基于重加权自适应功率剩余的稳健非均匀检测器。该方法首先将接收数据向目标信号子空间投影来计算加权值，接着通过对训练样本集重加权来降低奇异样本对采样协方差矩阵的扰动，从而提高了非均匀检测器的稳健性。仿真与实测数据实验结果表明该方法显著改善了机载雷达在密集目标场景下的杂波抑制与目标检测性能。第四研究了阵元幅相误差估计问题。针对存在阵元误差时，部分基于STAP的杂波抑制与参数估计方法性能下降的问题，提出了子空间正交法与Frobenius范数拟合法两种阵元误差估计方法。子空间正交法利用雷达构型参数计算的杂波补空间与杂波数据的最大左奇异值矢量的正交性来估计阵元幅相误差。Frobenius范数拟合法利用由杂波分布谱线重构的数据和实际的接收数据来估计阵元幅相误差。仿真数据实验表明了这两种方法均具有良好的参数估计精度与稳健性。第五研究了载机速度与偏航角估计问题。针对知识辅助空时自适应处理中，速度与偏航角参数无法获得或者精度较低的问题，提出了一种基于稳健回归分析的参数估计方法。该方法首先利用子孔径平滑Capon法估计数据的空时二维谱，接着利用门限检测方法提取空时谱中杂波的轨迹，最后将已知的雷达构型参数与杂波轨迹对应的空时二维频率值代入杂波曲线方程中来求解未知参数。仿真与实测数据实验结果表明该方法具有良好的参数估计精度。第六研究了相干转发式干扰的对抗问题。针对相干转发式干扰导致雷达在接收端产生大量虚假目标，影响雷达对真实目标检测的问题，提出了一种基于自适应发射的相干转发式干扰对抗方法。该方法首先利用雷达预先发射的高重频脉冲串对转发式干扰进行检测，接着利用最大似然方法对转发式干扰进行参数估计，最后利用估计得到的干扰参数优化发射方向图，从而达到在干扰机方向低截获的目的。仿真数据实验结果表明该方法可以对转发式干扰实现准确的检测与参数估计。第七对全文的研究工作进行了总结，并对未来的研究工作进行了展望。

     肇庆升降路灯车出租, 肇庆升降路灯车租赁, 肇庆升降路灯车价格