基于Nystr_m方法的集中式MIMO雷達STAP算法研究.pdf

1、MIMO（Multiple-Input Multiple-Output）雷達以其空間分集和波形分集等優(yōu)勢成為雷達領域中的研究熱點。MIMO雷達使用多個發(fā)射天線發(fā)射分集波形，匹配濾波器在每個接收陣元處分離出不同的波形。集中式MIMO雷達的陣列天線之間的間距很小，使目標相對于所有天線具有相同的角度和雷達截面積，從而形成很長的虛擬陣列。空間和波形分集增加了集中式MIMO雷達的系統(tǒng)自由度，從而提高雷達對于干擾和目標的空間分辨率。空時自適應處理（

2、Space Time Adaptive Processing，STAP）算法能在保持期望信號的情況下抑制有源干擾和雜波信號，將輸出SINR最大化從而提高雷達對運動目標的檢測性能。STAP濾波器是一個二維FIR濾波器，是陣列空間波束形成算法和時域多普勒濾波的結合，在角度-多普勒域上將運動目標信號從雜波中分離出來，但是一般的STAP算法計算量大，收斂速度慢，在實際應用中受到很大的限制。
　　Nystr(o)m方法使用低秩Nystrom

3、估計矩陣來快速近似高維對稱正定矩陣。因此，本文提出了一種全新的用于集中式MIMO雷達的Nystr(o)m-STAP，Adaptive-Nystr(o)m-STAP以及對應的降秩STAP算法。本文所提算法以雜波協(xié)方差矩陣的低秩特性為依據，利用少量均勻雜波訓練數據所形成的Nystr(o)m協(xié)方差估計（NCE）矩陣來精確估計雜波協(xié)方差矩陣，從而估計出雜波子空間的特征向量來形成STAP濾波器。在Nystr(o)m-STAP中，從訓練數據矩陣中選

4、取合適的不同行向量來構造一個新的數據子矩陣，然后將訓練數據矩陣正交投影到這些行向量所張成的空間中得到NCE矩陣。
　　而對于Adaptive-Nystr(o)m-STAP算法，利用自適應列采樣技術從雜波噪聲協(xié)方差矩陣中選取含有雜波信息的列向量，對這些列向量進行比例縮放并構造交叉矩陣，從而得到NCE矩陣，克服了Nystr(o)m-STAP算法在參數選擇上的限制。
　　在這兩種算法中，當構造出NCE矩陣后，使用Nystr(o)m

5、方法得到雜波噪聲協(xié)方差估計矩陣對應的協(xié)方差估計子矩陣。然后對該矩陣進行特征分解，從而精確估計雜波子空間來提高算法輸出SINR和檢測性能。當檢測單元中的干擾信號僅含有雜波和噪聲時，可通過特征相消算法求解出STAP權矢量。而當檢測單元中還含有有源干擾時，充分利用NCE矩陣的酉分解和有源干擾協(xié)方差矩陣的矩陣塊對角結構，根據矩陣求逆公式通過低維矩陣求逆來得到STAP濾波器系數，從而減少算法的計算復雜度。
　　當一個相干處理間隔中的脈沖數量

6、很多時，為了進一步提高STAP算法的收斂性能，本文將Nystr(o)m方法和自適應偏移相位中心天線技術相結合，又提出了RR-Nystr(o)m-STAP和RR-Adaptive-Nystr(o)m-STAP算法。這兩種算法在訓練數據中多次選擇若干個連續(xù)脈沖數據，通過對應Nystr(o)m方法得到這些低維干擾協(xié)方差估計子矩陣的逆矩陣，再通過多普勒濾波器處理后形成STAP濾波器。仿真實驗表明結果本文所提算法能提高STAP的性能并有效減少算法