一種穩(wěn)健的知識(shí)輔助STAP色加載系數(shù)優(yōu)化算法

張圣鹋　何子述　李　軍　趙　翔（電子科技大學(xué)電子工程學(xué)院成都611731）

?

一種穩(wěn)健的知識(shí)輔助STAP色加載系數(shù)優(yōu)化算法

張圣鹋*何子述李軍趙翔
（電子科技大學(xué)電子工程學(xué)院成都611731）

色加載知識(shí)輔助STAP技術(shù)中，需根據(jù)先驗(yàn)信息的準(zhǔn)確度設(shè)置色加載系數(shù)。已有的基于色加載矩陣預(yù)白化性能評(píng)估的色加載系數(shù)優(yōu)化算法（Pre-W hitening，PW）無(wú)法評(píng)估當(dāng)前待檢測(cè)距離單元（CUT）的先驗(yàn)信息準(zhǔn)確度，對(duì)于雜波先驗(yàn)信息準(zhǔn)確度不均勻的場(chǎng)景不具有魯棒性。該文在PW法的基礎(chǔ)上提出一種可有效評(píng)估CUT單元色加載矩陣性能的穩(wěn)健色加載系數(shù)優(yōu)化方法（CUT information involved PW，CPW）。CPW法利用部分參考單元樣本實(shí)現(xiàn)對(duì)CUT單元色加載矩陣預(yù)白化能力的評(píng)估，同時(shí)解決了PW法優(yōu)化結(jié)果非單值性的問(wèn)題。仿真實(shí)驗(yàn)討論了CPW法在不同參考單元樣本個(gè)數(shù)以及不同先驗(yàn)信息準(zhǔn)確度條件下的色加載系數(shù)優(yōu)化性能。仿真結(jié)果驗(yàn)證了所提方法的有效性及穩(wěn)健性。

知識(shí)輔助空時(shí)自適應(yīng)處理；色加載系數(shù)；預(yù)白化

1　引言

機(jī)載雷達(dá)系統(tǒng)常采用空時(shí)自適應(yīng)處理技術(shù)（STAP）抑制雜波，以提高雷達(dá)的目標(biāo)檢測(cè)性能［1，2］。傳統(tǒng)STAP濾波器的設(shè)計(jì)需要足夠多的獨(dú)立同分布（i.i.d）參考單元樣本來(lái)估計(jì)待檢測(cè)單元（Cell Under Test，CUT）的雜波加噪聲協(xié)方差矩陣（以下簡(jiǎn)稱雜波協(xié)方差矩陣或協(xié)方差矩陣）［3］。實(shí)際場(chǎng)景中，由于雜波環(huán)境往往存在非均勻性，通常難以獲得足夠多的獨(dú)立同分布樣本。

近年來(lái)，針對(duì)非均勻雜波背景下的空時(shí)處理問(wèn)題，作為認(rèn)知雷達(dá)技術(shù)之一的知識(shí)輔助STAP（KA-STAP）技術(shù)獲得了廣泛關(guān)注［417］-。KA-STAP利用雷達(dá)照射環(huán)境以及雷達(dá)工作狀態(tài)等先驗(yàn)信息輔助濾波器的設(shè)計(jì)，可有效提高STAP技術(shù)在非均勻雜波環(huán)境下的雜波抑制性能。文獻(xiàn)［4，5］介紹了KASTAP的總體框架與發(fā)展前景。文獻(xiàn)［7-10］討論了KA-STAP中參考單元樣本的篩選方法。文獻(xiàn)［11］中將先驗(yàn)知識(shí)引入濾波器約束函數(shù)的設(shè)計(jì)，給出了色加載（Colored-Loading）KA-STAP算法（CL-KASTAP）。CL-KA-STAP借助先驗(yàn)信息構(gòu)造先驗(yàn)的雜波加噪聲協(xié)方差矩陣（簡(jiǎn)稱先驗(yàn)協(xié)方差矩陣），通過(guò)線性加權(quán)的方式將樣本估計(jì)協(xié)方差矩陣與先驗(yàn)協(xié)方差矩陣同時(shí)用于濾波器的設(shè)計(jì)。線性加權(quán)得到的矩陣稱為色加載矩陣，加權(quán)系數(shù)稱為色加載系數(shù)。色加載系數(shù)需根據(jù)樣本估計(jì)協(xié)方差矩陣與先驗(yàn)協(xié)方差矩陣的性能進(jìn)行合理優(yōu)化。

針對(duì)色加載系數(shù)優(yōu)化問(wèn)題，國(guó)內(nèi)外學(xué)者展開(kāi)了廣泛研究［4，14，16，17］。文獻(xiàn)［14］討論了一種色加載系數(shù)凸組合優(yōu)化方案（Convex Com bination，CC），該方案存在的問(wèn)題是最優(yōu)解的推導(dǎo)過(guò)程中多次采用樣本估計(jì)協(xié)方差矩陣代替理想?yún)f(xié)方差矩陣，導(dǎo)致最優(yōu)解表達(dá)式僅能評(píng)估先驗(yàn)協(xié)方差矩陣相對(duì)于樣本估計(jì)協(xié)方差矩陣的偏離程度，無(wú)法評(píng)估其與CUT單元真實(shí)協(xié)方差矩陣之間的差異。文獻(xiàn)［16］給出了一種基于極大似然（Maximum Likelihood，ML）估計(jì)的色加載系數(shù)優(yōu)化方案。該方案在假設(shè)雜波服從循環(huán)高斯分布的前提下給出了色加載系數(shù)的對(duì)數(shù)似然函數(shù)。該方法存在的問(wèn)題是分辨率較低，對(duì)于先驗(yàn)協(xié)方差矩陣的錐化矩陣失配問(wèn)題不敏感。文獻(xiàn)［4］介紹了一種基于色加載矩陣預(yù)白化（Pre-W hitening，PW）性能評(píng)估的色加載系數(shù)優(yōu)化方案，該方法假設(shè)包含CUT單元在內(nèi)的多個(gè)距離單元共用相同的色加載系數(shù)，以各參考單元的色加載矩陣對(duì)各參考單元回波信號(hào)的預(yù)白化能力為依據(jù)優(yōu)化色加載系數(shù)。與CC法及ML法相比，PW法在優(yōu)化函數(shù)設(shè)計(jì)合理性及分辨率兩個(gè)方面均具有一定優(yōu)勢(shì)。但PW法存在的問(wèn)題是其優(yōu)化函數(shù)中不包含CUT單元的色加載矩陣，因此無(wú)法對(duì)CUT單元的先驗(yàn)信息性能進(jìn)行評(píng)估。實(shí)際場(chǎng)景中，地形圖失配以及先驗(yàn)信息未及時(shí)更新等因素可能導(dǎo)致不同距離單元的先驗(yàn)信息準(zhǔn)確度不一致，即出現(xiàn)先驗(yàn)信息性能在距離維的非均勻問(wèn)題。在CUT單元先驗(yàn)信息與參考單元先驗(yàn)信息準(zhǔn)確度不一致的情況下，PW法將由于無(wú)法對(duì)CUT單元的色加載矩陣進(jìn)行有效評(píng)估而出現(xiàn)性能惡化。此外，PW法的優(yōu)化函數(shù)包含多個(gè)參考單元色加載矩陣的均方根運(yùn)算，導(dǎo)致其優(yōu)化結(jié)果存在非單值性的問(wèn)題［16］。

本文針對(duì)PW法存在的上述兩點(diǎn)問(wèn)題，提出一種可對(duì)CUT單元色加載矩陣性能進(jìn)行有效評(píng)估的色加載系數(shù)優(yōu)化方法（CUT information involved PW，CPW）。考慮到經(jīng)樣本篩選得到的參考單元樣本與CUT單元的空時(shí)雜波信號(hào)基本滿足獨(dú)立同分布條件，利用部分參考單元樣本對(duì)CUT單元的色加載矩陣進(jìn)行預(yù)白化性能評(píng)估。CPW法實(shí)現(xiàn)了各待檢測(cè)單元色加載系數(shù)的獨(dú)立優(yōu)化，對(duì)于先驗(yàn)信息在距離維的性能非均勻性具有魯棒性，同時(shí)解決了PW法優(yōu)化函數(shù)的非單值性問(wèn)題。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的有效性。

2　信號(hào)模型與PW色加載系數(shù)優(yōu)化算法

2.1信號(hào)模型

設(shè)機(jī)載相控陣?yán)走_(dá)工作于N元線陣，一個(gè)相干積累時(shí)間包含M個(gè)脈沖，待檢測(cè)單元（CUT）的維空時(shí)回波信號(hào)表示為

在最大化輸出信雜噪比準(zhǔn)則下，理想STAP濾波器的最優(yōu)權(quán)矢量由式（3）計(jì)算：

其中ix表示第i個(gè)參考單元的空時(shí)回波信號(hào)，I表示可用的參考單元樣本個(gè)數(shù)。RMB理論證明，僅在可用參考單元樣本個(gè)數(shù)足夠多的情況下，才能獲得逼近理想值的STAP濾波器輸出性能［3］。

在非均勻雜波場(chǎng)景下，需對(duì)參考單元進(jìn)行樣本篩選，使用于式（4）的樣本盡量滿足獨(dú)立同分布條件。經(jīng)樣本篩選后，可用的參考單元樣本個(gè)數(shù)通常較少，導(dǎo)致式（4）所示的估計(jì)協(xié)方差矩陣性能惡化。針對(duì)該問(wèn)題，可采用色加載（CL）KA-STAP技術(shù)，利用構(gòu)造的先驗(yàn)協(xié)方差矩陣對(duì)進(jìn)行修正，使其盡量逼近CUTR。色加載后的雜波加噪聲協(xié)方差矩陣稱為色加載矩陣，CUT單元的色加載矩陣為

其中α為色加載系數(shù)，且有0 1α<<。α的取值決定在濾波器設(shè)計(jì)中所占的比重。CL-KASTAP濾波器的權(quán)矢量為

2.2基于預(yù)白化（PW）性能評(píng)估的色加載系數(shù)優(yōu)化方法

針對(duì)色加載系數(shù)的優(yōu)化問(wèn)題，文獻(xiàn)［4］提出了以參考單元色加載矩陣預(yù)白化能力為依據(jù)的色加載系數(shù)優(yōu)化方案（PW法）。PW法假設(shè)一定區(qū)域內(nèi)的多個(gè)距離單元共用相同的色加載系數(shù)0α。對(duì)于一定的色加載系數(shù)0α，第i個(gè)距離單元（非當(dāng)前待檢測(cè)單元）的色加載矩陣為

PW法主要存在以下兩點(diǎn)問(wèn)題：

（2）如文獻(xiàn)［16］所述，對(duì)于一定的0α，式（11）所示優(yōu)化函數(shù)的取值不唯一。原因在于正定矩陣可表示為

將式（13）代入式（11）所示優(yōu)化函數(shù)：

由式（14）可以看出，由于酉矩陣U（i）是任意的，優(yōu)化函數(shù)的值取值不唯一，即不同的U（i）可能導(dǎo)致不同的α0優(yōu)化結(jié)果。而文獻(xiàn)［4］并沒(méi)有介紹應(yīng)如何確定U（i）使優(yōu)化函數(shù)得到單值的優(yōu)化結(jié)果。

3　基于CUT單元色加載矩陣預(yù)白化性能評(píng)估的色加載系數(shù)優(yōu)化方法（CPW）

針對(duì)PW法存在的兩點(diǎn)問(wèn)題，本節(jié)提出一種改進(jìn)的色加載系數(shù)優(yōu)化方法。現(xiàn)將CUT單元的色加載矩陣重寫為

由式（10）可知，若?CUT（）αR在一定的α取值條件下達(dá)到理想值?CUT-idR，則應(yīng)有

式（16）給出了理想的?CUT（）αR應(yīng)滿足的性能。然而，如前文所述，CUT單元的回波信號(hào)可能包含目標(biāo)信號(hào)，導(dǎo)致CUTx在實(shí)際場(chǎng)景中是未知的，因此式（16）所描述的性質(zhì)無(wú)法直接用于CUT單元色加載系數(shù)的優(yōu)化。

式（17）表明，經(jīng)理想CUT單元色加載矩陣預(yù)白化后的參考單元信號(hào)的協(xié)方差矩陣應(yīng)近似等于單位陣。由于xi為篩選得到的任意已知的參考單元樣本，因此式（17）描述的性質(zhì)可用于R?CUT（α）的性能評(píng)估，進(jìn)而實(shí)現(xiàn)色加載系數(shù)α的優(yōu)化。

下面給出本文提出的色加載系數(shù)CPW優(yōu)化算法。

設(shè)經(jīng)樣本篩選后得到的可用參考單元樣本個(gè)數(shù)為I，隨機(jī)選出其中L個(gè)樣本構(gòu)成測(cè)試樣本集T。T中的參考單元樣本用于構(gòu)造CPW優(yōu)化函數(shù)中的測(cè)試矩陣：

其中，

是對(duì)

的SM I估計(jì)。式（21）所示問(wèn)題同樣沒(méi)有解析解，可采用線性搜索的方式得到優(yōu)化結(jié)果構(gòu)造優(yōu)化函數(shù)的過(guò)程中，T與P不應(yīng)有交集，否則色加載系數(shù)優(yōu)化結(jié)果會(huì)傾向于使樣本估計(jì)協(xié)方差矩陣占有更多的比重。

上述色加載系數(shù)優(yōu)化及CL-KA-STAP濾波過(guò)程原理框圖如圖1所示。虛線框內(nèi)為本文提出的CPW色加載系數(shù)優(yōu)化方法。

圖1　含CPW色加載系數(shù)優(yōu)化的CL-KA-STAP框圖

如圖1所示，含CPW法的CL-KA-STAP中，參考單元樣本被使用了兩次：在虛線框內(nèi)所示的色加載系數(shù)優(yōu)化環(huán)節(jié)，參考單元樣本被分為兩個(gè)部分，分別用于構(gòu)造優(yōu)化函數(shù)中的色加載矩陣以及用于評(píng)估預(yù)白化性能的測(cè)試矩陣得到色加載系數(shù)優(yōu)化結(jié)果后，參考單元樣本全部用于CL-KA-STAP濾波器的設(shè)計(jì)。通過(guò)構(gòu)造色加載矩陣，CUT單元的先驗(yàn)信息被納入了優(yōu)化函數(shù)，使CPW法具有評(píng)估CUT單元先驗(yàn)信息性能的能力。

CPW優(yōu)化方法的性能受到測(cè)試樣本個(gè)數(shù)L取值的影響。一方面，L的取值應(yīng)足夠小（使K足夠大），以保證優(yōu)化函數(shù)中的估計(jì)矩陣足夠逼近實(shí)際計(jì)算濾波器時(shí)使用的樣本估計(jì)矩陣另一方面，L的取值需足夠大，以保證式（21）對(duì)白化信號(hào)協(xié)方差矩陣的估計(jì)性能。估計(jì)所需的樣本個(gè)數(shù)由白化信號(hào)x?l中的剩余雜波自由度決定。色加載矩陣的預(yù)白化性能越好，優(yōu)化函數(shù)對(duì)L的要求就越低。的預(yù)白化能力受到先驗(yàn)協(xié)方差矩陣性能的影響，但的性能是未知的，因此實(shí)際場(chǎng)景無(wú)法定量計(jì)算L的最優(yōu)取值。在實(shí)際應(yīng)用中，若已知先驗(yàn)信息的準(zhǔn)確度較高，則L的選取可盡量?jī)?yōu)先滿足對(duì)樣本個(gè)數(shù)的要求；若先驗(yàn)信息優(yōu)劣程度未知，則L可折中設(shè)置為樣本個(gè)數(shù)的一半，以增加該算法對(duì)不同雜波場(chǎng)景的適應(yīng)能力。

與PW法相比，CPW法的優(yōu)化思路利用參考單元樣本與CUT單元樣本的獨(dú)立同分布特性，將待優(yōu)化對(duì)象由多個(gè)距離單元共用的色加載系數(shù)α0變?yōu)楫?dāng)前CUT單元的色加載系數(shù)α，并且將當(dāng)前CUT單元的先驗(yàn)信息引入了優(yōu)化函數(shù)，在實(shí)現(xiàn)各待檢測(cè)單元色加載系數(shù)獨(dú)立優(yōu)化的同時(shí)使的性能得到了有效評(píng)估。

此外，CPW優(yōu)化方法解決了PW法的優(yōu)化函數(shù)非單值性的問(wèn)題。與式（12）同理，對(duì)于一定的α，正定矩陣可表示為

其中（）αQ是?CPW（）αR的均方根矩陣，V為任一酉矩陣。則有

考慮到2范數(shù)為酉不變范數(shù)，將式（26）以及HV V =I代入式（21）所示優(yōu)化函數(shù)：

式（27）表明，CPW法優(yōu)化函數(shù)計(jì)算過(guò)程中由任意酉矩陣V的存在導(dǎo)致的非單值性問(wèn)題不會(huì)對(duì)優(yōu)化函數(shù)ΓL（α）的取值產(chǎn)生影響。該性質(zhì)確保了CPW優(yōu)化結(jié)果的單值性。

4　仿真實(shí)驗(yàn)

采用仿真雜波數(shù)據(jù)對(duì)CPW色加載系數(shù)優(yōu)化方法進(jìn)行性能驗(yàn)證。考慮機(jī)載正側(cè)視均勻線陣相控陣?yán)走_(dá)，陣元個(gè)數(shù)N=16，脈沖個(gè)數(shù)M=16，信號(hào)載頻3GHz，脈沖重復(fù)頻率2000 Hz，載機(jī)飛行速度v=50 m/s 。假定一個(gè)距離環(huán)上不同方位的各雜波塊RCS相同，單個(gè)雜波塊的雜噪比為30 dB。各距離單元的理想雜波加噪聲協(xié)方差矩陣R由10000個(gè)獨(dú)立同分布樣本估計(jì)得到。

為了便于性能對(duì)比，設(shè)待考察的區(qū)域內(nèi)僅CUT單元的先驗(yàn)協(xié)方差矩陣非理想，其他參考單元的先驗(yàn)協(xié)方差矩陣均為理想值。采用與參考文獻(xiàn)［16］一致的方法構(gòu)造性能非理想的先驗(yàn)協(xié)方差矩陣：

其中算符⊙表示矩陣的對(duì)應(yīng)元素相乘。t為0均值，標(biāo)準(zhǔn)差為u的高斯隨機(jī)向量，用于描述相對(duì)于理想?yún)f(xié)方差矩陣的誤差。實(shí)際場(chǎng)景中，出于計(jì)算量及對(duì)樣本個(gè)數(shù)需求的考慮，常采用降維STAP設(shè)計(jì)濾波器。本文仿真實(shí)驗(yàn)采用經(jīng)典的JDL 3×3降維STAP濾波器，色加載系數(shù)的優(yōu)化在降維之后的變換域內(nèi)進(jìn)行。

現(xiàn)假設(shè)經(jīng)樣本篩選后，滿足獨(dú)立同分布條件的參考單元樣本個(gè)數(shù)I以2為步長(zhǎng)，由2線性增加至18。為了減少人為調(diào)整因素，將用于構(gòu)造測(cè)試矩陣的樣本個(gè)數(shù)固定為L(zhǎng)=I/2。在誤差向量標(biāo)準(zhǔn)差u的取值分別等于0.1，0.01以及0.001的條件下，CPW法得到的色加載系數(shù)優(yōu)化結(jié)果α?CPW隨I的變化情況如圖2（b）所示。作為對(duì)比，PW法的優(yōu)化結(jié)果α?PW如圖2（a）所示。（本文所示仿真結(jié)果均由10次獨(dú)立實(shí)驗(yàn)結(jié)果取均值得到。）

另一方面，由圖2（a）可知，隨著u取值的變化（即對(duì)于不同準(zhǔn)確度的），PW法優(yōu)化結(jié)果的取值變化很小，說(shuō)明PW法不能有效評(píng)估CUT單元的先驗(yàn)信息性能，對(duì)不同距離單元先驗(yàn)信息性能的非均勻性不具有魯棒性。而CPW法的優(yōu)化結(jié)果隨性能的惡化（u取值的增加）而減小，說(shuō)明CPW法能同時(shí)對(duì)及的性能做出有效評(píng)估，滿足CL-KA-STAP對(duì)色加載系數(shù)優(yōu)化算法的要求。因此，圖2所示仿真結(jié)果驗(yàn)證了CPW法的合理性及魯棒性。

針對(duì)優(yōu)化結(jié)果的單值性問(wèn)題，表1給出了CPW法與PW法在相同仿真雜波數(shù)據(jù)條件下（u=0.1，I=12）的7次獨(dú)立實(shí)驗(yàn)中得到的色加載系數(shù)優(yōu)化結(jié)果。優(yōu)化函數(shù)中的與分別由式（13）及式（26）進(jìn)行計(jì)算。表1所示結(jié)果表明，PW法的優(yōu)化結(jié)果隨中包含的任意酉矩陣U取值的變化而變化，而CPW法的優(yōu)化函數(shù)取值不受酉矩陣V取值的影響，保證了優(yōu)化結(jié)果的單值性。

圖2　色加載系數(shù)優(yōu)化結(jié)果隨樣本個(gè)數(shù)及先驗(yàn)信息準(zhǔn)確度的變化情況

表1　色加載系數(shù)優(yōu)化結(jié)果隨樣本個(gè)數(shù)及先驗(yàn)信息準(zhǔn)確度的變化情況

PW法與CPW法對(duì)運(yùn)算量的需求主要來(lái)源于色加載矩陣的均方根運(yùn)算。對(duì)于單個(gè)待檢測(cè)單元的色加載系數(shù)優(yōu)化而言，PW法需進(jìn)行I次色加載矩陣的均方根計(jì)算，而CPW法僅需進(jìn)行L次色加載矩陣的均方根計(jì)算，因此CPW法的運(yùn)算量低于PW所需的運(yùn)算量。需說(shuō)明的是，由于PW法假設(shè)一片區(qū)域具有相同的色加載系數(shù)，因此對(duì)于多個(gè)距離單元的色加載系數(shù)優(yōu)化而言，PW所需的矩陣均方根運(yùn)算仍為I次，而CPW法需在每一個(gè)待檢測(cè)單元的色加載系數(shù)優(yōu)化中進(jìn)行L次矩陣均方根運(yùn)算，此時(shí)兩種算法的運(yùn)算量關(guān)系取決于待檢測(cè)單元的個(gè)數(shù)以及L的取值。

為了進(jìn)一步說(shuō)明CPW方法的有效性，圖3給出了在不同樣本個(gè)數(shù)（I=4，I=10）以及不同先驗(yàn)協(xié)方差矩陣性能（u=0.001，u=0.1）條件下，分別采用CC法，ML法，PW法以及CPW法進(jìn)行色加載系數(shù)優(yōu)化的CL-KA-JDL濾波器的輸出信干噪比損失（SINR Loss）曲線。測(cè)試樣本個(gè)數(shù)為L(zhǎng)=I/2。作為對(duì)比，JDL的理想輸出性能也于圖3中給出（黑色虛線所示）。

結(jié)合圖2與圖3（a），圖3（b）所示結(jié)果可知，在u=0.001的條件下，的性能接近理想值，與參考單元先驗(yàn)信息性能一致，因此CPW法與PW法的優(yōu)化結(jié)果相近，對(duì)應(yīng)的濾波器輸出性能均接近JDL的理想輸出性能。圖3（c），圖3（d）所示場(chǎng)景中，u取值相對(duì)于圖3（a），圖3（b）有所增加，性能惡化，導(dǎo)致CPW法與PW法對(duì)應(yīng)的濾波器輸出性能均有所下降，但CPW法仍能得到優(yōu)于PW法的輸出性能。原因是CPW法能夠?qū)Φ男阅苓M(jìn)行評(píng)估，在性能逐漸惡化的過(guò)程中適當(dāng)降低其在濾波器設(shè)計(jì)中所占的比重；而PW法對(duì)于CUT單元的先驗(yàn)信息性能不敏感，無(wú)法相應(yīng)地調(diào)節(jié)色加載系數(shù)優(yōu)化結(jié)果。因此，圖3所示結(jié)果表明在先驗(yàn)信息準(zhǔn)確度非均勻的場(chǎng)景下，CPW法能得到比PW更優(yōu)的輸出性能，與理論討論結(jié)論一致，驗(yàn)證了CPW法的有效性。此外，由圖3可知，在不同先驗(yàn)信息準(zhǔn)確度以及不同樣本個(gè)數(shù)條件下，CPW均能得到與CC法，ML法以及PW法相比擬或更優(yōu)的輸出性能，驗(yàn)證了CPW方法的穩(wěn)健性。

5　結(jié)論

本文針對(duì)CL-KA-STAP的色加載系數(shù)優(yōu)化問(wèn)題提出了一種穩(wěn)健的色加載系數(shù)優(yōu)化算法（CPW法）。以色加載矩陣對(duì)參考單元的預(yù)白化能力為評(píng)估依據(jù)實(shí)現(xiàn)對(duì)色加載系數(shù)的優(yōu)化。與已有的PW算法相比，CPW法能夠?qū)Ω鞔龣z測(cè)單元得到獨(dú)立的色加載系數(shù)優(yōu)化結(jié)果，同時(shí)解決了PW法優(yōu)化結(jié)果非單值性的問(wèn)題。仿真實(shí)驗(yàn)結(jié)果表明，CPW法能根據(jù)樣本估計(jì)協(xié)方差矩陣以及CUT單元先驗(yàn)信息性能的變化對(duì)色加載系數(shù)進(jìn)行合理調(diào)整，在不同場(chǎng)景下均能得到較好的色加載系數(shù)優(yōu)化性能。CPW法對(duì)于先驗(yàn)信息準(zhǔn)確度非均勻性問(wèn)題的魯棒性使其在KA-STAP技術(shù)通常面臨的復(fù)雜非均勻雜波場(chǎng)景中具有更強(qiáng)的實(shí)用性。

圖3　 CPW與PW在不同u取值條件下的濾波器輸出性能

［1］GUERCI J R Space-time adap tive p rocessing for radar［R］. Artech House，2002.

［2］馬澤強(qiáng)，王希勤，劉一民，等.基于稀疏恢復(fù)的空時(shí)二維自適應(yīng)處理技術(shù)研究現(xiàn)狀［J］.雷達(dá)學(xué)報(bào)，2014，3（2）:217-228.doi: 10.3724/SP.J.1300.2014.14002.

MA Zeqiang，WANG Xiqin，LIU Yim in，et al.An Overview on Sparse Recovery-based STAP［J］.Journal ofRadars，2014，3（2）:217-228.doi:10.3724/SP.J.1300.2014.14002.

［3］WARD J.Space-time adaptive p rocessing for airborne radar.［R］Report of Lincoln Laboratory，Lexington，MA，USA，1998.

［4］GUERCI J R and BARANOSKI E J.Know ledge-aided adaptive radar at DARPA:an overview［J］.IEEE Signal Processing Magazine，2006，23（1）:41-50.doi:10.1109/ MSP.2006.1593336.

［5］范西昆，曲毅.知識(shí)輔助機(jī)載雷達(dá)雜波抑制方法研究進(jìn)展［J］.電子學(xué)報(bào)，2012，40（6）:1199-1206.doi:10.3969/j.issn.0372-2112.2012.06.022.

FAN Xikun and QU Yi.An overview of know ledge-aided clutter m itigation methods for airborne radar［J］.Acta Electronica Sinica，2012，40（6）:1199-1206.doi:10.3969/j.issn. 0372-2112.2012.06.022.

［6］方明，劉宏偉，戴奉周，等.基于環(huán)境動(dòng)態(tài)感知的空時(shí)自適應(yīng)處理［J］.電子與信息學(xué)報(bào)，2015，37（8）:1786-1792.doi: 10.11999/JEIT141505.

FANG M ing，LIU Hongwei，DAIFengzhou，et al.Space-time adaptive p rocessing via dynam ic environment sensing［J］. JournalofElectronics&Information Technology，2015，37（8）: 1786-1792.doi:10.11999/JEIT 141505.

［7］WANG Pu，LIHongbin，WANG Zhe，et al.Know ledge-aided parametric adaptive matched filter w ith automatic combining for covariance estimation［J］.IEEE Transactions on Signal Processing，2014，62（18）:4713-4722.doi:10.1109/ ICASSP.2014.6854769.

［8］郭佳佳，廖桂生，楊志偉，等.利用廣義內(nèi)積值迭代加權(quán)的空時(shí)協(xié)方差矩陣估計(jì)方法［J］.電子與信息學(xué)報(bào)，2014，36（2）: 422-427.doi:10.3724/SP.J.1146.2013.00426.

GUO Jiajia，LIAO Guisheng，YANG Zhiwei，et al.Iterative weighted covariance matrix estimation method for STAP based on generalized inner products［J］.JournalofElectronics &Inform ation Technology，2014，36（2）:422-427.doi:10.3724 /SP.J.1146.2013.00426.

［9］吳億鋒，王彤，吳建新，等.基于道路信息的知識(shí)輔助空時(shí)自適應(yīng)處理［J］.電子與信息學(xué)報(bào)，2015，37（3）:613-618.doi: 10.11999/JEIT140626.

WU Yifeng，WANG Tong，WU Jianxin，et al.A know ledge aided space time adaptive processing based on road network data［J］.Journal of Electronics&Information Technology，2015，37（3）:613-618.doi:10.11999/JEIT140626.

［10］WU Yifeng，WANG Tong，WU Jianxin，etal.Robust training samples selection algorithm based on spectral sim ilarity for space-time adaptive processing in heterogeneous interferenceenvironments［J］.IET Radar，Sonar&Navigation，2015，9（7）: 778-782.doi:10.1049/iet-rsn.2014.0285.

［11］BERGIN J S，TEIXEIRA C M，TECHAU P M，et al.STAP w ith know ledge-aided data p re-whitening［C］.P roceedings of the IEEE Radar Con ference，Philadelphia，PA，USA，2004: 289-294.doi:10.1109/NRC.2004.1316437.

［12］BERGIN J S，TEIXEIRA C M，TECHAU P M，et al. Im proved clutter m itigation performance using know ledge-aided space-time adaptive p rocessing［J］.IEEE Transactions on Aerospace and Electronic System s，2006，42（3）:997-1009.doi:10.1109/TAES.2006.248194.

［13］MELVIN W L and SHOWMAN G A.An approach to know ledge-aided covariance estimation［J］.IEEE Transactions on Aerospace and Electronic System s，2006，42（3）:1021-1042.doi:10.1109/TAES.2006.248216.

［14］STOICA P，LI Jian，ZHU Xum in，et al.On using a priori know ledge in space-time adaptive processing［J］.IEEE Transactions on Signal Processing，2008，56（6）:2598-2602. doi:10.1109/TSP.2007.914347.

［15］TANG Bo，ZHANG Yu，TANG Jun，et al.Close form maximum likelihood covariance matrix estimation under a know ledge-aided constraint［J］.IET Radar，Sonar& Navigation，2013，7（8）:904-913.doi:10.1049/iet-rsn.2012. 0309.

［16］ZHU Xum in，LI Jian，Petre Stoica，et al.Know ledge-aided space-time adaptive processing［J］.IEEE Transactions on Aerospace and Electronic System s，2011，47（2）:1325-1336. doi:10.1109/ACSSC.2007.4487551.

［17］ZHU Shengqi，LIAO Guisheng，XU Jingwei，et al.Robust space-time adaptive processing w ith colored loading using iterative optim ization［J］.Digital Signal Processing，2014，35: 14-20.doi:10.1016/j.dsp.2014.08.009.

張圣鹋：女，1987年生，博士生，研究方向?yàn)橄嗫仃嚴(yán)走_(dá)、知識(shí)輔助空時(shí)信號(hào)處理等.

何子述：男，1962年生，博士，教授，研究方向?yàn)镸 IMO雷達(dá)、相控陣?yán)走_(dá)信號(hào)處理等.

李軍：男，1977年生，博士，副教授，研究方向?yàn)殛嚵行盘?hào)處理、M IMO雷達(dá)、自適應(yīng)信號(hào)處理等.

A Robust Colored-loading Factor Optimization Approach for KA-STAP

ZHANG Shengm iao HE Zishu LIJun ZHAO Xiang
（School of Electronic Engineering，University of E lectronic Science and Technology of China，Chengdu 611731，China）

In colored-loading Know ledge Aided STAP（KA-STAP）techniques，the colored-loading factor shou ld be determ ined according to the performance of the a priori information.The existing Pre-W hitening（PW）colored-loading factor op tim ization method can not evaluate the accuracy degree of the a priori in formation of the Cell Under Test（CUT），which makes it not robust to the situation where a priori in formation for each range bin is different.In this paper，a colored-load ing factor op tim ization method，CUT in form ation involved PW（CPW），is proposed to im p rove the perform ance of PW method.In CPW，partial training sam p les are u tilized to evaluate the pre-whitening ability of the colored-loading matrix of CUT.At the same time，non-uniqueness problem of the op tim ization result of PW is also solved.Simulations are conducted to discuss the performance of CPW under different samp le support conditions and different a priori information performance situations.Simulation results demonstrate the effectiveness and robustness of the proposed CPW app roach.

Know ledge A ided STAP（KA-STAP）；Colored-Loading factor（CL）；Pre-W hitening（PW）

s:The National Natural Science Foundation of China（61371184，61301262，61401062）

TN957.51

A

1009-5896（2016）08-1942-08

10.11999/JEIT 151335

2015-11-26；改回日期：2016-03-08；網(wǎng)絡(luò)出版：2016-05-09

張圣鹋m iaomiao871@sina.com

國(guó)家自然科學(xué)基金（61371184，61301262，61401062）