基于CUT自身先驗(yàn)知識(shí)的STAP

宋培茗1， 蔡雷雷， 曹 健1， 卓欣然， 胡進(jìn)峰

(1.中國(guó)電子科技集團(tuán)公司第十四研究所， 江蘇南京 211113； 2.電子科技大學(xué)電子工程學(xué)院， 四川成都 611731)

0 引言

空時(shí)自適應(yīng)處理是一種重要的雜波和干擾抑制方法，并廣泛應(yīng)用于雷達(dá)、聲吶、地震探測(cè)和通信領(lǐng)域[1-3]中。在這些領(lǐng)域，通常由于干擾或雜波在時(shí)空域中與目標(biāo)信號(hào)耦合，所以需要進(jìn)行空時(shí)自適應(yīng)處理。

STAP需要準(zhǔn)確估計(jì)CUT的雜波協(xié)方差矩陣[4-12]。在當(dāng)前的STAP中，CCM完全通過(guò)與CUT相似的訓(xùn)練樣本[8-10]或者與CUT的CCM相似的樣本[11-12]來(lái)估計(jì)。其中，文獻(xiàn)[9]選擇和CUT具有較大相關(guān)系數(shù)的樣本作為訓(xùn)練樣本來(lái)估計(jì)CCM。文獻(xiàn)[10]選擇與CUT的時(shí)域波形相似的樣本來(lái)估計(jì)CCM。但是由于完全不相似的樣本也可能具有相同的協(xié)方差矩陣，所以文獻(xiàn)[9-10]中的方法可能會(huì)丟棄一些有用的樣本。為解決這個(gè)問(wèn)題，文獻(xiàn)[11-12]選擇與CUT的協(xié)方差矩陣相似的樣本來(lái)估計(jì)CCM。其中，文獻(xiàn)[12]提出了一種基于系統(tǒng)識(shí)別的樣本選擇方法。它直接選擇與CUT的雜波協(xié)方差矩陣相似的樣本來(lái)估計(jì)雜波協(xié)方差矩陣。

上述方法在估計(jì)CUT的CCM時(shí)，CUT的所有頻率通道的雜波都用選取的訓(xùn)練樣本來(lái)估計(jì)。我們注意到CUT有自身的先驗(yàn)知識(shí)：CUT中只有待檢測(cè)的頻率通道可能含有目標(biāo)信號(hào)，其他頻率通道都是CUT的雜波，因此CUT的大部分頻率通道的雜波是不需要用訓(xùn)練樣本來(lái)估計(jì)的。

考慮到上述先驗(yàn)知識(shí)，本文提出基于CUT自身知識(shí)的STAP雜波抑制算法。該方法將CUT的雜波分成兩部分來(lái)重建：第一部分是待檢測(cè)頻率通道的雜波，部分雜波可能混有目標(biāo)信號(hào)，因此需要通過(guò)訓(xùn)練樣本來(lái)估計(jì)；第二部分雜波是除了待檢測(cè)頻率通道以外的其他頻率成分的雜波，這部分雜波直接采用CUT的雜波，無(wú)須估計(jì)。

針對(duì)高頻雷達(dá)[13-15]，處理結(jié)果表明：1)與文獻(xiàn)[8-10]基于CUT相似性的方法相比，所提方法的輸出SCNR提高了7 dB以上; 2)與文獻(xiàn)[11-12]基于CCM相似性的方法相比，所提方法的輸出SCNR提高了5 dB以上。

1 STAP處理的基本原理

設(shè)雷達(dá)接收天線為N個(gè)陣元的線陣，陣元間距為d；一個(gè)CPI內(nèi)有K個(gè)脈沖；第l個(gè)距離環(huán)的數(shù)據(jù)表示為xl，xl∈C1×NK。于是有

xl=alsws,wt+cl+nl

(1)

式中，cl，nl分別為雜波和噪聲，sws,wt為目標(biāo)的空時(shí)導(dǎo)向向量，al為目標(biāo)信號(hào)幅值。

sws,wt=swt?sws

(2)

式中,swt為時(shí)域?qū)蚴噶浚瑂wt=[1 ej2πwt… ej(K-1)2πwt]，wt為歸一化的多普勒頻率；sws為空域?qū)蚴噶浚瑂ws=[1 ej2πws…ej(K-1)2πws]，ws為空間頻率；?表示Kronnecker乘積。

設(shè)待檢測(cè)的第l0個(gè)距離單元是CUT，則該CUT單元的STAP權(quán)向量為

(3)

(4)

式中，Ω表示選擇的訓(xùn)練樣本空間，xl表示第l個(gè)訓(xùn)練樣本的數(shù)據(jù)。

2 所提基于CUT自身知識(shí)的STAP方法

目前的STAP方法在估計(jì)CUT雜波協(xié)方差矩陣時(shí)，CUT的所有頻率通道的雜波都用訓(xùn)練樣本來(lái)估計(jì)。我們注意到CUT中只有待檢測(cè)頻率通道可能混有目標(biāo)信號(hào)，因此只有該頻率通道的雜波需要用訓(xùn)練樣本來(lái)估計(jì)；而CUT的其他頻率通道都是準(zhǔn)確的雜波，不需要用訓(xùn)練樣本進(jìn)行估計(jì)。基于該特點(diǎn)，本節(jié)給出了基于CUT自身知識(shí)的STAP算法。所提方法在重構(gòu)CUT的雜波時(shí)，只有待檢測(cè)頻率通道的雜波用訓(xùn)練樣本估計(jì)，其他頻率通道的雜波用CUT自身的雜波。由于所提方法利用了CUT自身的準(zhǔn)確的雜波信息，因此估計(jì)的雜波協(xié)方差矩陣更準(zhǔn)確，從而提高了STAP的性能。

下面將CUT的雜波分成兩部分來(lái)重建：第一部分是待檢測(cè)頻率通道的雜波重建；第二部分是除了待檢測(cè)頻率以外的其他頻率成分的雜波，這部分雜波直接從CUT中提取。最后由重建的雜波來(lái)計(jì)算CUT的雜波協(xié)方差矩陣。

2.1 待檢測(cè)頻率通道的雜波重建

檢測(cè)CUT的第i個(gè)頻率通道時(shí)，由于該頻率通道中的雜波可能混有目標(biāo)信號(hào)，因此需要用訓(xùn)練樣本來(lái)估計(jì)該頻率通道的雜波:

(5)

2.2 CUT的雜波重構(gòu)

(6)

2.3 CUT雜波協(xié)方差矩陣的估計(jì)

(7)

3 仿真分析

本節(jié)中，處理結(jié)果表明: 1)與文獻(xiàn)[8-10]基于CUT相似性的方法相比，所提方法的輸出SCNR提高了7 dB以上; 2)與文獻(xiàn)[11-12]基于CCM相似性的方法相比，所提方法的輸出SCNR提高了5 dB以上。

雷達(dá)工作頻率為f0，雷達(dá)CPI內(nèi)有N個(gè)脈沖，脈沖間隔為T。在第370個(gè)距離單元內(nèi)，有一個(gè)多普勒頻率為0.813 8 Hz的弱目標(biāo)。

3.1 對(duì)比分析

第370個(gè)距離單元的回波信號(hào)的原始頻譜如圖1(a)所示。從圖1(a)可以看出，弱目標(biāo)回波信號(hào)被強(qiáng)雜波掩蓋。從圖1(a)中截取目標(biāo)所在方位角的頻譜如圖1(b)所示。

(a) 第370個(gè)距離單元的信號(hào)頻譜

(b) 目標(biāo)所在方位角的信號(hào)頻譜圖1 探測(cè)信號(hào)的頻譜

圖2(a)是文獻(xiàn)[8-10]方法的處理結(jié)果，其選擇與CUT相似的樣本; 圖2(b)是文獻(xiàn)[11-12]方法的處理結(jié)果，其選擇與CCM相似的樣本。圖2(c)是本文提出方法的處理結(jié)果。

圖2 STAP結(jié)果

在圖2(a)中，殘余雜波很強(qiáng); 圖2(b)中的殘余雜波明顯減弱，在圖2(c)中，剩余雜波進(jìn)一步減弱。圖2顯示了文獻(xiàn)[11-12]選擇與CCM相似的樣本的方法比文獻(xiàn)[8-10]選擇與CUT相似的樣本方法的雜波抑制性能更好。而所提出方法的雜波抑制性能比文獻(xiàn)[11-12]中的方法更好。

為了更清楚地對(duì)比上述3種方法的性能，我們截取圖2中目標(biāo)所在方位角的頻譜作對(duì)比分析，如圖3所示。

圖3 截取圖2中目標(biāo)所在方位角的處理結(jié)果

圖3(a)是文獻(xiàn)[8-10]方法的處理結(jié)果，最大殘余雜波是-10.1 dB。圖3(b)是文獻(xiàn)[11-12]方法的處理結(jié)果，最大殘余雜波為-12.46 dB。圖3(c)是所提方法的處理結(jié)果，最大殘余雜波為-17.46 dB。比較上述結(jié)果，所提方法的性能相比文獻(xiàn)[8-10]的方法提高了7.36 dB，相比文獻(xiàn)[11-12]的方法提高了5 dB。

3.2 性能對(duì)比分析

下面的仿真分析中，我們?cè)诶走_(dá)的海雜波中加入目標(biāo)信號(hào)，輸出為歸一化的SCNR。仿真結(jié)果如圖4所示。這里，SCNR定義如下：

(8)

式中，Es為信號(hào)能量，Ecn為雜波和噪聲能量。

圖4 3種STAP方法的性能對(duì)比

圖4是不同輸入SCNR下3種STAP方法的性能表現(xiàn)，縱軸是歸一化的輸出SCNR。圖4顯示相比文獻(xiàn)[8-10]中選擇與CUT相似樣本的方法，所提方法的性能提高了7 dB以上；相比文獻(xiàn)[11-12]中選擇與CUT的CCM相似樣本的方法，所提方法性能提高了5 dB以上。

4 結(jié)束語(yǔ)

本文提出了一種基于CUT自身先驗(yàn)知識(shí)的STAP方法，該方法把CUT的雜波分成兩部分來(lái)重建：待檢測(cè)頻率通道的雜波用訓(xùn)練樣本來(lái)估計(jì)，而其他頻率的雜波則直接從CUT中抽取。處理結(jié)果表明，所提算法有效提高了STAP性能。