本项目针对空时自适应处理(STAP)在复杂非平稳环境中检测运动目标性能下降问题,探索引入极化信息来提高STAP性能的方法。研究综合利用空-时-极化信息的非平稳杂波抑制技术,包括样本获取和无孔径损失的直接数据域方法;研究利用空-时-极化信息的多通道系统误差估计与自补偿技术;研究利用空-时-极化信息的动目标检测恒虚警(CFAR)处理技术和高效的空-时-极信号处理算法。形成较为完整的空-时-极化自适应处理方法,为提升运动平台雷达探测地面动目标能力提供理论基础。
Space-time adaptive processing;Moving target indication;Clutter suppression;polarimetric filtering;
本课题针对运动平台阵列雷达在复杂非平稳环境中采用空时自适应处理(STAP)技术检测地面慢速运动目标存在性能下降问题,探索利用极化信息来提高空时自适应处理方法的地物回波抑制和干扰对消性能。围绕挖掘和利用系统空-时-极化资源,重点研究了运动平台多极化阵列雷达检测地面慢速运动目标的信号处理方法,突破了多维域非平稳杂波抑制、动目标检测CFAR处理及高精度参数估计、高效信号处理和多通道系统误差自校正等关键技术,形成了一套完整、高效的空-时-极化多维域信号处理方法,能为提升运动平台雷达地面运动目标探测性能提供理论和技术支撑。取得的主要研究成果包括(1)以运动平台阵列雷达全极化回波信号模型为基础,分析了场景雷达数据的空-时-极化多维域分布特性,建立了多维域杂波抑制和动目标检测性能分析模型,明确了地物回波非均匀和系统误差对杂波抑制和动目标检测性能的影响,提出了利用全极化雷达回波数据的通道相位中心间隔高精度估计方法,实现了基于信号处理的多通道系统幅度/相位误差自校正。(2)针对地物分布非均匀导致相关矩阵估计精度下降问题,提出了基于杂波能量归一化处理、自适应样本加权修正和极化辅助的高精度相关矩阵估计方法,极大拓宽了自适应处理方法的可检测区域;针对孤立干扰和离散地形杂波的统计特性无法从训练数据估计问题,提出了无孔径损失的直接数据域处理方法,能充分利用多通道雷达系统的空时孔径资源,对动目标导向矢量误差稳健,提高了样本缺失下的多目标检测能力。(3)以多维域自适应处理的输出信杂噪比特性为基础,提出了动目标检测的两门限恒虚警处理和杂波抑制维纳权矢量修正的动目标高精度径向速度估计方法,能以较低的运算复杂度实现动目标信号在沿航迹通道间的匹配增强;结合多极化阵列雷达的数据结构,提出了分维子空间重构和迭代子空间跟踪的一类多维数据自适应加权矢量计算方法,有效缓解了全维处理对大规模训练样本集的需求。本课题的研究成果可推广应用到机载/舰载/星载多通道雷达动目标检测领域,设计的稳健杂波抑制方法和高精度动目标测速定位方法已成功应用到某机载多通道战场监视雷达演示验证系统,显著提升了机载战场信息感知系统的动目标探测能力。