《基於稀疏貝葉斯學習的穩健空時自適應處理研究》是依託深圳大學，由陽召成擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於稀疏貝葉斯學習的穩健空時自適應處理研究
- 項目類別：青年科學基金項目
- 項目負責人：陽召成
- 依託單位：深圳大學
項目摘要,結題摘要,
項目摘要
稀疏恢復空時自適應處理（STAP）技術在非均勻、非平穩雜波環境機/星載雷達運動目標檢測方面具有極大的潛力優勢。該技術的優越性能有賴於準確的雜波稀疏模型，然而，實際系統和環境中存在的陣列誤差、雜波起伏、空時導向詞典失配等非理想情況使得現採用的模型失配，導致稀疏恢復STAP性能下降。為此，本項目首先研究非理想情況下的雜波稀疏機理與模型，包括：雜波稀疏性度量、空時導向詞典設計以及模型失配因素對雜波稀疏性影響分析。然後結合雜波稀疏模型，在稀疏貝葉斯學習框架下，挖掘和利用雜波空時功率譜結構先驗，聯合實現失配參數估計與信號稀疏恢復，形成基於稀疏貝葉斯學習的穩健空時自適應處理理論和方法。研究成果將豐富稀疏恢復STAP理論與方法，縮小稀疏恢復STAP與實際套用的差距，推動稀疏恢復STAP走向實用化。
結題摘要
空時自適應處理(STAP) 技術可實現對機載/星載雷達中強地/海雜波的有效抑制，顯著改善機載/星載雷達對空/地運動目標的檢測性能。傳統STAP方法通常要求有兩倍於系統空時自由度的獨立同分布的訓練樣本才能使得最優性能損失低於3dB。然而在實際套用中，受限於雷達系統參數、陣列幾何結構、系統內部非理想因素、變化的雜波環境，上述條件常常無法滿足。針對上述問題，稀疏恢復STAP具有極大的潛力優勢。該技術的優越性能有賴於準確的雜波稀疏模型，然而，實際系統和環境中存在的陣列誤差、雜波起伏、空時導向詞典失配等非理想情況使得現採用的模型失配，導致稀疏恢復STAP性能下降。為此，本項目圍繞非理想情況下的雜波稀疏機理與模型以及模型失配下穩健稀疏恢復STAP方法展開研究，取得了如下成果： （1）分別建立了陣列誤差和雜波起伏下的雜波稀疏模型，分析了陣列誤差和雜波起伏對稀疏恢復STAP的性能影響；研究了詞典失配與雷達系統參數間的定量化關係；提出了基於先驗知識的空時導向詞典設計方法；提出了基於時寬頻寬積的雜波秩估計方法。 （2）針對陣列誤差模型失配，提出了基於最小二乘法和正交匹配追蹤互動疊代的稀疏恢復STAP方法；提出了基於陣列流形知識的穩健功率譜稀疏恢復STAP方法；提出了互動更新陣列誤差、空時功率譜等待估計參數的稀疏恢復STAP方法。 （3）針對雜波起伏模型失配，提出了空時隨機採樣以及空時互質採樣的稀疏恢復STAP方法；提出了基於角度-都卜勒稀疏選擇的STAP方法；提出了權矢量方向圖稀疏約束的STAP方法；提出了協方差矩陣加權功率譜稀疏恢復直接數據域STAP方法。 （4）針對空時導向詞典失配，提出了基於空時平滑思想的稀疏恢復STAP方法；提出了基於陣列流形知識稀疏恢復STAP方法；提出了基於陣列流形先驗知識增強的稀疏恢復STAP方法。 本項目研究成果對稀疏表示/ 稀疏重構/壓縮感知等理論發展，對系統辨識、運動平台下雜波抑制、運動目標檢測等套用均具有一定的理論指導意義和工程套用價值。
