本文關鍵詞：基于稀疏恢復的空時自適應處理技術(shù)研究

  更多相關文章： 機載雷達 空時自適應處理 雜波抑制 稀疏恢復 聯(lián)合稀疏恢復

【摘要】：空時自適應處理技術(shù)(STAP)通過多脈沖和多陣元的聯(lián)合處理,可有效地實現(xiàn)對強地雜波的抑制,實現(xiàn)慢速目標檢測。傳統(tǒng)統(tǒng)計類STAP方法通常要求兩倍于系統(tǒng)空時自由度的獨立同分布訓練樣本來估計雜波協(xié)方差矩陣。在非均勻、非平穩(wěn)雜波環(huán)境中該要求通常無法得到滿足,因此研究如何進一步的降低對訓練樣本數(shù)的需求具有重要的意義。本文以機載雷達為背景,針對雜波在空時平面的稀疏性對基于稀疏恢復的STAP技術(shù)展開了研究,主要工作內(nèi)容如下:首先對STAP技術(shù)的研究背景進行了介紹,闡述了STAP技術(shù)中面臨的難點,歸納總結(jié)了現(xiàn)有STAP技術(shù),介紹了稀疏恢復的發(fā)展歷史和研究現(xiàn)狀,探討了基于稀疏恢復的STAP技術(shù)的優(yōu)勢及存在的問題。在第二章中對壓縮感知與稀疏恢復理論的基本原理進行了介紹,歸納總結(jié)了各類稀疏恢復算法的核心思想及其適用場景。針對聯(lián)合稀疏恢復問題在介紹其數(shù)學模型的基礎上對其基本原理進行了分析。重點研究了基于雜波空時功率譜稀疏性的STAP技術(shù)。對雜波稀疏性進行了探討,分析了用有限個空時導向矢量近似整個雜波子空間的合理性,以正側(cè)視均勻線性陣列為例對基于稀疏恢復的STAP方法的雜波抑制性能進行了研究,介紹了其處理框架并通過仿真實驗驗證了該方法具有顯著降低訓練樣本數(shù)的優(yōu)勢;對利用多個訓練樣本進行聯(lián)合稀疏恢復的STAP技術(shù)進行了研究,通過仿真驗證了基于混合2,1l范數(shù)最小化的STAP方法可以顯著提高空時譜的恢復精度,獲得更好的雜波抑制效果,而基于改進的正交匹配追蹤算法的STAP方法可以在犧牲部分精度的情況下顯著的提高運算效率。
【關鍵詞】：機載雷達 空時自適應處理 雜波抑制 稀疏恢復 聯(lián)合稀疏恢復
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN957.51
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號對照表10-11
• 縮略語對照表11-14
• 第一章 緒論14-20
• 1.1 研究背景及意義14-16
• 1.2 STAP研究歷史及現(xiàn)狀16-19
• 1.2.1 STAP的降維（秩）算法16-18
• 1.2.2 基于稀疏性的STAP方法18-19
• 1.3 本文的研究內(nèi)容19-20
• 第二章 稀疏恢復理論20-26
• 2.1 引言20
• 2.2 壓縮采樣與稀疏恢復數(shù)學模型20-21
• 2.3 稀疏恢復算法21-23
• 2.3.1 凸優(yōu)化方法21-22
• 2.3.2 貪婪算法22-23
• 2.4 聯(lián)合稀疏模型23-24
• 2.5 小結(jié)24-26
• 第三章 基于稀疏恢復的STAP方法26-50
• 3.1 引言26
• 3.2 信號模型與性能評價準則26-30
• 3.2.1 STAP回波信號模型26-29
• 3.2.2 STAP性能評價準則29-30
• 3.3 基于稀疏恢復的STAP方法30-48
• 3.3.1 雜波空時譜的稀疏性30-32
• 3.3.2 基于稀疏恢復的STAP方法32-37
• 3.3.3 基于稀疏恢復的STAP方法性能37-45
• 3.3.4 CS_STAP參數(shù)選擇45-48
• 3.4 本章小結(jié)48-50
• 第四章 基于聯(lián)合稀疏恢復的STAP方法50-58
• 4.1 引言50
• 4.2 基于混合l_(2,1)范數(shù)最小化的STAP方法50-54
• 4.2.1 混合l_(2,1)范數(shù)最小化算法原理50-51
• 4.2.2 仿真實驗51-54
• 4.3 基于一種改進正交匹配追蹤算法的STAP方法54-57
• 4.3.1 雜波子空間正交匹配追蹤算法原理54-56
• 4.3.2 仿真實驗56-57
• 4.4 本章小結(jié)57-58
• 第五章 總結(jié)與展望58-60
• 5.1 本文總結(jié)58
• 5.2 展望58-60
• 參考文獻60-64
• 致謝64-66
• 作者簡介66-67

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 王永良,吳志文,彭應寧;適于非均勻雜波環(huán)境的空時自適應處理方法[J];電子學報;1999年09期

2 王偉偉;廖桂生;朱圣棋;許京偉;;一種基于壓縮感知的地面運動目標檢測方法[J];電子與信息學報;2012年08期

，

本文編號：693641