[发明专利]一种基于阵元阶数递推的降维空时自适应权值计算方法

摘要

本发明针对常规STAP算法自适应权值计算中直接进行空时协方差矩阵求逆运算，消耗庞大运算量及设备量，难以有效进行实时处理的缺陷，根据空时协方差矩阵的Hermitian性质，利用阵元阶数分块递推，提出一种基于阵元阶数递推的降维空时自适应权值计算方法，首先对空时数据进行降维处理，然后根据分块Hermitian矩阵性质递推得到第1个阵元的协方差矩阵的逆，然后按照阵元阶数逐级嵌套递推得到最终的空时协方差矩阵的逆，最后利用求得的空时协方差矩阵的逆矩阵计算STAP自适应权值。

主权项

一种基于阵元阶数递推的降维空时自适应权值计算方法，其特征在于，包括以下步骤：步骤一、建立机载相控阵雷达数据模型；假设阵列天线正侧面放置的机载雷达，阵列天线是由N个间距为半波长的阵元构成的均匀线阵，在一个相关处理间隔(CPI)内雷达以固定的脉冲重复频率(PRF)f_r发射M个脉冲，载机平台的高度为h，恒定的飞行速度为v_a，不模糊的距离门数为L，将所有空域通道接收的回波信号转换成基带信号后，第l个距离门内的空时数据为x_l＝x_c+x_i＝[x_s,l(1),x_s,l(2),...,x_s,l(N)]^T (1)其中，x_s,l(n)＝[x_l(n,1),x_l(n,2),...,x_l(n,M)]^T是第n个脉冲接收的M×1维阵列数据,X_C表示接收数据中的杂波成分，X_i表示零均值高斯白噪声，下标s表示数据按阵元顺序排列；STAP处理中，杂波特性是未知的，协方差矩阵R必须利用训练样本集合进行估计$\hat{R}=\frac{1}{L}\underset{l=1}{\overset{L}{\mathrm{\Σ}}}{x}_l{x}_l^H---\left(2\right)$其中，L是满足独立同分布条件的训练样本数目；H表示共轭转置运算；步骤二、基于多普勒滤波的降维处理：基于多波束的概念，在时域围绕待测多普勒单元选取m个相邻多普勒通道，组成多个多普勒波束，进行降维处理，降维处理后第l个距离门的数据为其中，表示第n个阵元的降维脉冲数据；步骤三、建立基于阵元阶数的协方差矩阵求逆递推计算模型；对空时接收数据完成上述降维处理之后，协方差矩阵按照阵元阶数分解如下：$\stackrel{\‾}{R}=E\left(\left[\begin{array}{c}{\stackrel{\‾}{x}}_s\left(1\right)\\ {\stackrel{\‾}{x}}_s\left(2\right)\\ .\\ .\\ .\\ {\stackrel{\‾}{x}}_s\left(N\right)\end{array}\right]{\left[\begin{array}{c}{\stackrel{\‾}{x}}_s\left(1\right)\\ {\stackrel{\‾}{x}}_s\left(2\right)\\ .\\ .\\ .\\ {\stackrel{\‾}{x}}_s\left(N\right)\end{array}\right]}^H\right)=\left[\begin{array}{cc}\stackrel{\‾}{R}(N-1)& \stackrel{\‾}{F}(N-1)\\ {\stackrel{\‾}{F}}^H(N-1)& \stackrel{\‾}{G}\left(N\right)\end{array}\right]---\left(4\right)$其中，$\stackrel{\‾}{R}(N-1)=E\left(\left[\begin{array}{c}{\stackrel{\‾}{x}}_s\left(1\right)\\ {\stackrel{\‾}{x}}_s\left(2\right)\\ .\\ .\\ .\\ {\stackrel{\‾}{x}}_s(N-1)\end{array}\right]{\left[\begin{array}{c}{\stackrel{\‾}{x}}_s\left(1\right)\\ {\stackrel{\‾}{x}}_s\left(2\right)\\ .\\ .\\ .\\ {\stackrel{\‾}{x}}_s(N-1)\end{array}\right]}^H\right),\stackrel{\‾}{F}(N-1)=E\left(\left[\begin{array}{c}{\stackrel{\‾}{x}}_s\left(1\right){\stackrel{\‾}{x}}_s^H\left(N\right)\\ {\stackrel{\‾}{x}}_2\left(2\right){\stackrel{\‾}{x}}_s^H\left(N\right)\\ .\\ .\\ .\\ {\stackrel{\‾}{x}}_s(N-1){\stackrel{\‾}{x}}_s^H\left(N\right)\end{array}\right]\right)---\left(5\right)$分别表示前N‑1个阵元接收数据形成的m(N‑1)×m(N‑1)维协方差矩阵，和第N个阵元接收数据和前N‑1个阵元接收数据形成的m(N‑1)×m维互相关矩阵，而表示第N个阵元接收数据形成的m×m维协方差矩阵；假设前n‑1个阵元接收数据的协方差矩阵为R(n‑1)，n＝1,2,...,N，得到关于R^‑1(n)的递推计算表达式如下${\stackrel{\‾}{R}}^{-1}\left(n\right)=\left[\begin{array}{cc}{\stackrel{\‾}{R}}^{-1}(n-1)+\stackrel{\‾}{B}(n-1){\stackrel{\‾}{P}}^{-1}\left(n\right){\stackrel{\‾}{B}}^H(n-1)& \stackrel{\‾}{B}(n-1){\stackrel{\‾}{P}}^{-1}\left(n\right)\\ {\stackrel{\‾}{P}}^{-1}\left(n\right){\stackrel{\‾}{B}}^H(n-1)& {\stackrel{\‾}{P}}^{-1}\left(n\right)\end{array}\right]---\left(6\right)$其中$\stackrel{\‾}{B}(n-1)=-{\stackrel{\‾}{R}}^{-1}(n-1)\stackrel{\‾}{F}(n-1),\stackrel{\‾}{P}\left(n\right)=\stackrel{\‾}{G}\left(n\right)+{\stackrel{\‾}{F}}^H(n-1)\stackrel{\‾}{B}(n-1);$步骤四、计算STAP自适应权矢量，进行滤波输出：空时自适应处理(STAP)最优空时权矢量是在最大化信干噪比(SINR)条件下得到的其中表示Nm×Nm维的杂波和噪声空时协方差矩阵，为中Nm×1维的的目标导向矢量，而第l个距离单元的空时自适应处理(STAP)滤波输出为$y_l=w^H{\stackrel{\‾}{x}}_l---\left(8\right).$