-
在机载雷达的动目标检测中,目标往往被淹没在强地杂波的背景中,为了解决强杂波的干扰,提高输出的信杂噪比,空时自适应处理(space-time adaptive processing, STAP)作为一种有效方法被提出[1]。STAP利用杂波噪声协方差矩阵来构造滤波器权值,对接收到的回波信号进行处理,抑制其中的杂波噪声干扰。在理想情况下,需要使用真实的杂波噪声协方差矩阵对杂波和噪声进行对消,但在实际应用中,通常无法获得真实的杂波噪声协方差矩阵(clutter-plus-noise covariance matrix, CCM),所以通常利用待检测距离单元相邻近的距离环来估计样本协方差矩阵(sample covariance matrix, SCM),并以此代替真实的CCM进行处理。因此,估计的杂波噪声协方差矩阵的准确与否是决定杂波抑制效果好坏的重要一环。根据RMB准则[2],为了获得稳定的杂波抑制效果,需要的独立同分布(independent and identically distributed, IID)的样本数必须是自由度的两倍。由于杂波环境的非平稳性,实际情况中往往没有足够多的有效样本距离环可用做SCM估计。
针对STAP目前面临的问题,学者们提出了一些改进的STAP方法,主要包括降秩(reduced-rank, RR)STAP方法和降维(reduced-dimension, RD)STAP。RR-STAP方法将数据投影到更低维的子空间。如主分量法(principal component, PC)通过对杂波协方差矩阵特征分解,从大到小依次保留若干个大特征值和所对应的特征向量,重新构造杂波子空间[3]。多级维纳滤波(multistage wiener filter, MSWF)用Krylov子空间来重新张成杂波子空间[4]。文献[5]提出了基于最大最小算法进行天线脉冲选择,从而降低杂波秩减小计算量的降秩算法。值得注意的是,RR-STAP方法由于秩的减少,最终性能的损失可能是巨大的,当处理后的秩小于杂波秩时,检测性能会急剧下降。
RD-STAP的思路是,不再进行全维度的STAP处理,在自适应滤波前,只选择部分角度多普勒通道进行STAP处理,在保证良好的杂波干扰抑制性能的情况下,降低计算复杂度。经典的RD-STAP方法有JDL[6]、STMB[7]、ACP[8]、BCM[9]和递归优选[10]方法等。将信号通过二维FFT处理变换到角度多普勒域后,JDL选择保留与主通道周围相邻的固定区域内的通道进行后续处理,STMB选择保留以主通道为中心的十字型通道,ACP保留所有对角线上的通道以及主通道对应的所有角度通道,这些方法并不能保证保留了效果最好的通道,因为它们并不是以最优输出性能为目标的。BCM是一种灵活的选择方式,通过评估每个角度多普勒通道对输出信杂噪比的影响,选择保留对最终输出影响最大的若干通道进行对消,但BCM算法进行了全维度的特征分解,仍然具有较高的计算复杂度。文献[10]通过递推的方法找到每个对最终输出影响最大的通道且避免了对矩阵的特征分解,降低了运算复杂度,但是该方法非常依赖估计的CCM的准确度,在样本数很少,估计的CCM并不准确时,对每个通道影响的评估会产生偏差,导致输出性能并不理想。因此,如何在少量样本情况下,评估每个通道的有效性是关注的重点。
近年来,随着稀疏恢复(sparse rocovery, SR)技巧的发展,SR-STAP引起了广泛关注,SR-STAP通过利用完整角度多普勒平面上观测场景的稀疏性,把STAP问题描述成一个稀疏恢复问题,直接计算出STAP滤波器的权值[11-12]。但这样直接计算出的权值有时效果并不好,尤其是在样本数特别少的情况下[12-13]。因此这里提出,在极少量样本的情况下,利用稀疏恢复的方法估计出CCM,并将其运用到通道选择的评估中,而非像传统的SR-STAP那样直接应用到滤波器权值计算中。虽然利用极少样本通过稀疏恢复方法估计的CCM无法得到准确的滤波器权值,但用来评估各个角度多普勒通道并设计降维矩阵已足够有效。
考虑比较极端异构的杂波环境背景,只有1~2个样本数可以使用的情况。由于样本数不足,SCM无法准确选择出合适的角度多普勒通道并进行RD-STAP,而传统的SR-STAP方法同样无法直接获得准确的滤波器权值。因此一种新的RD-STAP方法在本文中被提出,利用稀疏恢复方法估计CCM,并以此评估每个角度多普勒通道对输出信杂噪比(signal to clutter-plus-noise ratio, SCNR)的作用,设计通道降维矩阵,选择出对输出影响最大的若干个通道,进行后续的STAP处理。仿真结果表明,当样本数量非常受限的情况下,本文方法相比于传统的SR-STAP和利用SCM进行的通道优选方法,能有更好的输出SCNR。同时,也分析了不同样本数和选用不同通道数对最终输出的影响,样本数越多,输出性能越好,而随着协方差矩阵估计精度的提高,选用更多的通道能有更好的杂波抑制效果。
Angle-Doppler Channel Selection Method via Sparse Recovery for Reduced-Dimension STAP
doi: 10.12178/1001-0548.2021325
- Received Date: 2021-11-05
- Rev Recd Date: 2021-12-22
- Available Online: 2022-07-11
- Publish Date: 2022-07-09
-
Key words:
- airborne radar /
- channel selection /
- space-time adaptive processing (STAP) /
- sparse recovery
Abstract: In the airborne radar signal processing, the strong ground clutter is a major problem affecting the signal detection performance. The space-time adaptive processing (STAP) is an effective technique to suppress the clutter. In practical processing, because of the non-stationarity of the clutter, the STAP usually faces the problem of a small number of available valid samples. In order to solve this problem, an angle-Doppler channel selection method based on sparse recovery is proposed. We utilize a small number of samples to estimate the full-dimensional clutter covariance matrix (CCM) via the sparse recovery method and evaluate the importance of each channel with the estimated full-dimensional CCM. Then we select the appropriate channels to construct the reduced-dimensional clutter covariance matrix for the STAP processing. The proposed algorithm can solve the problem of few samples with good performance of the reduced-dimension STAP (RD-STAP). The numerical simulation verifies that the algorithm is effective and better than several typical STAP algorithms. The relationship between output performance and the number of channels under different sample numbers is also discussed.
Citation: | SHI Jingxi, CHENG Ziyang, HE Zishu, ZHANG Wei, LU Xiaoying. Angle-Doppler Channel Selection Method via Sparse Recovery for Reduced-Dimension STAP[J]. Journal of University of Electronic Science and Technology of China, 2022, 51(4): 506-513. doi: 10.12178/1001-0548.2021325 |