空时自适应处理(Space-Time Adaptive Processing，STAP)技术可实现对机载/星载雷达中强地/海杂波的有效抑制，显著改善机载/星载雷达对空/地运动目标的检测性能。压缩感知理论是21世纪初提出的一种新的信号获取与处理手段。压缩感知与STAP技术的结合能突破传统STAP方法对训练样本数需求的极限，引起了众多学者和研究机构的浓厚兴趣。本书以机载雷达为背景，针对杂波抑制以及运动目标检测技术，围绕稀疏性是什么、为什么利用稀疏性以及如何利用稀疏性三个问题，系统地阐述了空时回波信号中杂波的稀疏性本质特性，介绍了稀疏空时自适应处理理论框架与基础，并详细介绍了上述框架下一系列稀疏STAP方法。
样章试读
目录
- 目录
前言
符号说明
第1章 概述 1
1.1 引言 1
1.2 STAP研究历史和现状 4
1.2.1 STAP方法研究现状 5
1.2.2 STAP实验验证与实际系统 14
1.3 STAP与稀疏恢复/表示 16
1.3.1 稀疏恢复/表示方法研究现状 16
1.3.2 稀疏STAP技术研究现状 20
1.3.3 稀疏STAP技术的关键科学问题 23
1.4 本书组织结构 24
第2章 稀疏STAP理论框架 27
2.1 引言 27
2.2 信号模型与性能评价准则 27
2.2.1 空时信号模型 27
2.2.2 空时协方差矩阵 31
2.2.3 空时滤波器 32
2.2.4 STAP性能评价准则 34
2.3 STAP中的稀疏性 36
2.3.1 杂波空时功率谱的稀疏性 36
2.3.2 空时滤波器的“稀疏性” 44
2.4 稀疏STAP原理 44
2.4.1 稀疏滤波器STAP原理 45
2.4.2 基于功率谱稀疏性的STAP原理 46
2.5 稀疏STAP技术优势 52
2.6 本章小结 55
第3章 稀疏滤波器STAP技术 56
3.1 引言 56
3.2 旁瓣对消结构稀疏滤波器STAP方法 56
3.2.1 L1-OCD-STAP算法 57
3.2.2 L1-RLS-STAP算法 59
3.2.3 正则化参数设置分析 61
3.2.4 基于开关选择的L1-RLS-STAP算法 62
3.2.5 计算复杂度分析 66
3.2.6 仿真实验与分析 67
3.3 直接滤波结构稀疏滤波器STAP方法 72
3.3.1 L1-SMI-STAP算法 73
3.3.2 L1-CG-STAP算法 74
3.3.3 计算复杂度分析 78
3.3.4 仿真分析与实验验证 80
3.4 本章小结 84
第4章 基于阵列流形知识的杂波子空间STAP技术 86
4.1 引言 86
4.2 基于阵列流形知识的STAP原理 87
4.3 基于阵列流形知识和低秩特性的STAP方法 91
4.3.1 LRGP-KA-STAP算法原理 91
4.3.2 降维LRGP-KA-STAP算法原理 98
4.3.3 计算复杂度分析 99
4.3.4 仿真实验与分析 100
4.4 基于存在测量误差的阵列流形先验的增强KA-STAP方法 106
4.4.1 InAME-KA-STAP算法原理 106
4.4.2 拓展与讨论 111
4.4.3 仿真实验与分析 112
4.5 本章小结 120
第5章 功率谱稀疏恢复多训练样本STAP技术 121
5.1 引言 121
5.2 基于IAA的空时功率谱稀疏恢复的多训练样本STAP方法 122
5.2.1 传统IAA-STAP算法 122
5.2.2 多训练样本MIAA-STAP算法 123
5.2.3 计算复杂度分析 129
5.2.4 仿真实验与分析 131
5.3 基于同伦的空时功率谱稀疏恢复多训练样本STAP方法 138
5.3.1 复数域同伦稀疏恢复算法原理 138
5.3.2 同伦稀疏恢复算法在STAP中的应用 142
5.3.3 算法执行问题考虑 144
5.3.4 计算复杂度分析 145
5.3.5 仿真实验与分析 147
5.4 本章小结 153
第6章 功率谱稀疏恢复直接数据域STAP技术 155
6.1 引言 155
6.2 基于L1范数加权的功率谱稀疏恢复 D3-STAP方法 156
6.2.1 D3WSR-STAP算法原理 156
6.2.2 仿真实验与分析 159
6.3 基于平滑的功率谱稀疏恢复 D3-STAP方法 164
6.3.1 SASM-D3SR-STAP算法原理 164
6.3.2 计算复杂度分析 167
6.3.3 仿真实验与分析 168
6.4 本章小结 174
第7章 基于阵列流形知识与功率谱稀疏恢复STAP技术 175
7.1 引言 175
7.2 基本原理 176
7.3 字典设计与杂波阵列流形选择 179
7.3.1 字典设计问题 179
7.3.2 阵列流形中空间频率与多普勒频率关系 179
7.3.3 阵列流形中的矩形窗选择问题 181
7.4 算法执行问题探讨 182
7.5 计算复杂度分析 183
7.6 仿真实验与分析 184
7.7 本章小结 193
第8章 阵列误差下稳健功率谱稀疏恢复STAP技术 194
8.1 引言 194
8.2 阵列误差对功率谱稀疏恢复STAP方法影响分析 195
8.2.1 阵列幅相误差下的功率谱稀疏模型 195
8.2.2 阵列幅相误差下的性能影响 195
8.2.3 仿真实验与分析 198
8.3 基于OMP和LS交替迭代功率谱稀疏恢复STAP方法 199
8.3.1 算法原理 199
8.3.2 多快拍联合交替迭代 201
8.3.3 仿真实验与分析 203
8.4 基于阵列流形知识的稳健功率谱稀疏恢复STAP方法 206
8.4.1 算法原理 206
8.4.2 计算复杂度分析 208
8.4.3 仿真实验与分析 209
8.5 基于ADM的联合阵列误差估计与功率谱稀疏恢复STAP方法 214
8.5.1 基于ADM框架的问题描述 214
8.5.2 功率谱与阵列误差联合估计 215
8.5.3 多快拍联合稀疏恢复与估计 216
8.5.4 目标检测 218
8.5.5 仿真实验与分析 220
8.6 本章小结 225
第9章 杂波起伏下稳健功率谱稀疏恢复STAP技术 227
9.1 引言 227
9.2 杂波起伏下稀疏模型 227
9.3 协方差矩阵加权功率谱稀疏恢复直接数据域STAP方法 228
9.3.1 角度-多普勒像估计 228
9.3.2 杂波协方差矩阵估计与滤波器设计 231
9.4 参数设置 233
9.5 自适应CMT选择 235
9.6 仿真实验与分析 238
9.6.1 参数设置影响分析 239
9.6.2 与其他算法比较 241
9.7 本章小结 245
附录A 式(2.20)~式(2.21)的推导 246
附录B 式(2.41)为空时功率谱的证明 248
附录C 空时功率谱P与傅里叶空时功率谱的关系 249
附录D 定理2.1的证明 250
附录E 正则化参数设置部分：结论1和结论2的证明 251
附录F 平台高度测量误差对俯仰角的影响 254
附录G 假设模型中离散的杂波块个数N'c的设置 256
附录H 式(5.38)~式(5.41)的推导 258
附录I 式(5.62)的推导 260
附录J 式(8.63)的推导 261
附录K 缩略语表 262
参考文献 265
京公网安备 11010102004214号