自适应对角加载参数估计方法    江门升降路灯车出租, 江门升降路灯车租赁, 江门升降路灯车公司   空时自适应处理是一种联合空域和时域的滤波方法，可以有效抑制地面杂波，提高机载雷达对运动目标的检测能力。STAP在计算自适应滤波权值矢量时，需要利用杂波分布和噪声分布的期望协方差矩阵。实际情况中期望协方差矩阵无法获得，这时STAP通常利用距离维的数据作为训练样本来对协方差矩阵进行估计。当训练样本数目充足且满足独立同分布的条件时，估计的协方差矩阵可以收敛于期望协方差矩阵，此时自适应滤波可以取得较好的性能。因此，协方差矩阵的估计在STAP中占有重要的位置。机载雷达在实际中面临的杂波环境常常呈现非均匀性。地表覆盖类型变化、地形高程起伏、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。在这种情况下，机载雷达获取大量的独立同分布的样本是不切实际的。当均匀样本数目不足时，估计的协方差矩阵相对于真实的协方差矩阵会产生较大的偏差，从而导致机载雷达的杂波抑制与目标检测性能下降。为了克服均匀样本数目不足的问题，多种解决办法。

     降秩处理方法。该方法是一种基于特征子空间的方法，其利用了空时协方差矩阵的低秩特性。然而，杂波秩的确定是一个较为复杂的问题。由于杂波子空间的泄漏问题，按照理论计算的杂波秩与实际的杂波秩不一致，从而造成降秩方法性能下降。基于稀疏恢复的直接数据域方法。该方法利用空时快拍数据在角度多普勒域的稀疏性，采用稀疏恢复的方法获得杂波的空时二维谱，接着利用空时谱与字典矩阵重构杂波协方差矩阵。然而，阵元误差和通道误差导致了构造的字典矩阵与实际的数据不匹配，从而造成了稀疏恢复的空时谱的不准确及重构的协方差矩阵的误差。对角加载的协方差矩阵估计方法。该方法通过融合采样协方差矩阵与结构化的矩阵来提高协方差矩阵的估计精度，该方法运算量低、实用性强，在稳健波束形成[与动目标检测等方面均取得了明显的性能改善。对角加载参数通常可以根据雷达系统的噪声功率水平来确定。然而，实际工程应用中噪声功率的实时、准确测定是一个复杂的问题。为此，本章一种基于接收雷达数据的自适应的加载参数估计方法，该方法利用广义交叉验证（GCV）准则来计算加载参数。仿真数据实验结果表明该方法可以准确的估计加载参数，有效提高机载雷达在低样本条件下的目标检测性能。 对角加载原理机载脉冲多普勒雷达的工作波长为，阵列由均匀线阵组成，阵元数目为N，阵元间距为，雷达在一个相干处理间隔内发射M个脉冲，脉冲重复频率为rf，载机速度为v，载机高度为h。将雷达接收的第k个距离单元的数据记为kx，则雷达的运动目标检测问题可以对应于以下二元假设检验问题,kx为杂波分量，n,kx为噪声分量，t,kx为目标分量。若0H假设成立，则认为不存在目标信号；若1H假设成立，则认为存在目标信号。机载雷达通常采用STAP技术来检测杂波背景下的运动目标。STAP是一种空时二维的自适应滤波器，接收数据经过STAP处理后的输出为Hkkywx    w为滤波器权值矢量，其可以通过以下约束优化问题求解得到HHˆmins.  v为假定的目标空时导向矢量，采样协方差矩阵，为训练样本集合，K为训练样本数目。线性约束最小方差（LCMV）问题，对应的解.   当训练样本满足独立同分布的条件时，要使得自适应处理的性能损失相对于最优处理而言不超过3dB，样本数目需满足K2NM的条件。然而，实际中由于杂波的非均匀性，STAP可以利用的均匀样本数目是受到限制的。当均匀样本数目不足时，协方差矩阵估计精度下降，计算出的权值矢量将不能有效的滤除数据中的杂波分量，从而导致了STAP的目标检测性能下降。为了减小协方差矩阵估计误差，提高STAP在样本数目不足条件下的性能，研究人员对角加载技术。对角加载是一种对采样协方差矩阵的特征值优化的方法，其可以表示为以下约束优化问题2H2Hˆmins.  表示范数，为加载参数。进行整理可以得到13HHˆmins.t. 维的单位矩阵。利用拉格朗日乘子法，给出了采用对角加载时的自适应滤波相对于最优滤波的性能损失，对应的形式  J为杂波秩。 对角加载后，要使得自适应处理的性能损失相对于最优处理不超过3dB，样本数目需满足K2J的条件。由于J远小于NM，自适应滤波需要的样本数目降低，收敛性能加快。

        基于GCV的加载参数估计方法,  可以看出对角加载表现为在采样协方差矩阵上加上一个尺度化的对角矩阵，其中加载参数的数值大小直接影响了滤波器权值矢量w。若取值过小，则对角加载作用变得忽略不计；若取值过大，则自适应滤波退化为非自适应滤波。因此，选择一个合适的加载参数是一个十分关键的问题。指出，在实际的工程应用中，可以根据雷达系统的噪声功率水平来确定。这就意味着在进行对角加载之前，需首先获取噪声功率水平这一参数。然而，在实际中噪声功率受到时间灵敏度控制器（STC）、带通滤波器、自动增益控制（AGC）以及模拟/数字转换器（ADC）等多种设备的影响，对其实时、准确测定是一件较为复杂的任务。因此，有必要研究一种自适应的对角加载参数估计方法。对角加载使得样本数据矩阵维数增加。dlR为新的样本数据14矩阵X的自相关矩阵，其结构与ˆR相似。因此优化问题可以等效为一个广义的LCMV问题。利用LCMV与广义旁瓣相消（GSC）的等价性。将式(2-6)对应的约束优化问题转化为以下无约束优化问题。将目标期望导向矢量v做奇异值展开，可以得到HvvvvUΣZ   式中vU为左奇异矢量矩阵，vΣ为奇异值矩阵，vZ为右奇异矢量矩阵。根据奇异值分解的性质，该问题对应的罚函数系数。优化问题具有解析解，对应的形式.  此时，对角加载参数估计问题转变为Tikhonov规划罚函数系数估计问题。对于计算，广义交叉验证（GCV）法是一种稳健有效的方法，其通过使预测的响应矢量与实际的响应矢量之间的误差最小来估计罚函数系数表示矩阵的迹，表示矩阵的奇异值。是一个关于变量的一维搜索优化问题。将在约束范围内离散化取值代入目标函数中可以求得最优的罚函数系数。就可以得到相应的对角加载参数。然而该优化问题在求解时涉及到矩阵求逆操作以及线性搜索操作。当机载雷达的阵元数N与脉冲数M较大时，求逆的运算量较大。

     江门升降路灯车出租, 江门升降路灯车租赁, 江门升降路灯车公司

        本章所提方法的性能。仿真参数设置如下：雷达载频为1200MHz，脉冲重复频率为2000Hz，发射脉冲数目为10，天线阵元数目为10，阵元间距为0.125m，载机高度为5km，载机速度为125m/s，雷达天线主波束方向与阵面法线方向夹角为0°，噪声功率为0dB，杂噪比为50dB。实验中加入一个仿真目标，目标位于第200号距离门，信噪比为0dB，归一化多普勒频率为0.2。杂波抑制时采用全空时处理方法，训练样本选择待检测单元周围的距离单元，其数目为1倍的滤波器自由度大小（低样本情况）。目标检测时采用序贯恒虚警（OS-CFAR）处理，其中OS-CFAR的参考单元数目为15，保护单元数目为3。实验中将本文提出的自适应对角加载方法，提出的特征空间方法，[提出的稀疏恢复方法以及采样协方差方法进行对比分析。文中以输出检测统计量为准则衡量各方法性能，相应的形式为ˆtospTp   p为待检测单元的输出数据功率，osp为背景噪声功率，其可以通过对参考单元数据数据功率排序得到。实验一中考虑理想情况（忽略阵元误差、杂波内部运动等），分析各个方法性能。 相对于采样协方差方法，特征空间方法、稀疏恢复方法以及自适应加载方法均能取得较好的性能，可以说这三种方法显著改善了STAP在低样本情况下的目标检测性能。实验一说明了自适应加载方法有效提高了目标的检测性能。 理想情况输出检测统计量实验二中考虑阵元幅相误差的影响，分析各个方法性能。实验中设置阵元幅度误差为5%，阵元相位误差为5°。稀疏恢复方法性能出现明显下降，这是因为稀疏恢复方法是一种模型化的方法，阵元幅相误差导致了构造的字典矩阵与实际的数据失配，造成了稀疏恢复的空时谱的不准确及重构的协方差矩阵的误差，进而使得输出信杂噪比损失增大。特征空间方法和自适应加载方法性能良好，这是因为这两种方法是基于数据的自适应方法。由于接收数据受到阵元幅相误差的调制，从而使得自适应滤波器权值受到相应修正。因此，这两种方法对幅相误差较为稳健。实验二说明了自适应加载方法对幅相误差的稳健性。 特征空间方法与稀疏恢复方法性能出现下降。对于特征空间方法，这是因为其在实施时需要利用杂波秩这一参数，而在实际中由于杂波内部运动，按照理论公式计算的杂波秩与实际数据的杂波秩不匹配，从而造成了该方法杂波剩余增加，输出信杂噪比损失增大。对于稀疏恢复方法，这是因为杂波内部运动导致杂波谱展宽，而稀疏恢复估计的杂波谱宽度过窄，从而使得该方法构造的滤波器的零陷宽度不准，进而造成算法性能下降。实验三说明了自适应加载方法对杂波内部运动的稳健性。考虑接收机通道失配的影响，分析各个方法性能。实验中设置通道失配幅度1%，通道失配相位2°。特征空间方法与稀疏恢复方法性能出现下降。对于特征空间方法，这是因为通道失配使得杂波秩增加，理论计算的杂波秩与实际的杂波秩不一致。对于稀疏恢复方法，这是因为通道失配导致杂波谱展宽，稀疏恢复得到的杂波谱宽过窄，与实际数据不匹配。实验四说明了自适应加载方法对接收机通道失配的稳健性。 特征空间方法性能出现下降，这是因为偏航角使得杂波秩增加，但由于偏航角较小，增加的杂波秩有限，对特征空间方法的性能影响较小。稀疏恢复方法性能出现下降，这是由于稀疏恢复划分的网格点和杂波谱线不对齐。考虑偏航时输出检测统计量实验六中对比分析自适应加载方法与固定加载方法的性能，实验中仿真条件与实验三相同。固定加载方法的加载量由-30dB变化到30dB，自适应加载的加载量根据接收数据计算。 ‘○’表示自适应加载方法的输出检测统计量，实线表示固定加载方法的检测统计量。固定加载方法性能受到加载量的影响，若加载量选择不当，则该方法性能较差。自适应加载方法与固定加载方法的最优性能接近。实验六说明了自适应加载方法估计的加载参数数值合适。

      一种自适应的对角加载参数估计方法。该方法将对角参数估计问题转化为Tikhonov规划罚函数系数估计问题，利用广义交叉验证准则构造优化问题并采用割线法求解优化问题、计算加载参数，从而实现了加载参数的自适应计算。仿真数据实验表明该方法具有良好的参数估计性能并且显著提高了机载雷达在低样本条件下的目标检测性能。

       江门升降路灯车出租, 江门升降路灯车租赁, 江门升降路灯车公司