基于CUT自身先驗知識的STAP

宋培茗1， 蔡雷雷， 曹 健1， 卓欣然， 胡進峰

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

0 引言

空時自適應處理是一種重要的雜波和干擾抑制方法，并廣泛應用于雷達、聲吶、地震探測和通信領域[1-3]中。在這些領域，通常由于干擾或雜波在時空域中與目標信號耦合，所以需要進行空時自適應處理。

STAP需要準確估計CUT的雜波協方差矩陣[4-12]。在當前的STAP中，CCM完全通過與CUT相似的訓練樣本[8-10]或者與CUT的CCM相似的樣本[11-12]來估計。其中，文獻[9]選擇和CUT具有較大相關系數的樣本作為訓練樣本來估計CCM。文獻[10]選擇與CUT的時域波形相似的樣本來估計CCM。但是由于完全不相似的樣本也可能具有相同的協方差矩陣，所以文獻[9-10]中的方法可能會丟棄一些有用的樣本。為解決這個問題，文獻[11-12]選擇與CUT的協方差矩陣相似的樣本來估計CCM。其中，文獻[12]提出了一種基于系統識別的樣本選擇方法。它直接選擇與CUT的雜波協方差矩陣相似的樣本來估計雜波協方差矩陣。

上述方法在估計CUT的CCM時，CUT的所有頻率通道的雜波都用選取的訓練樣本來估計。我們注意到CUT有自身的先驗知識：CUT中只有待檢測的頻率通道可能含有目標信號，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練樣本來估計的。

考慮到上述先驗知識，本文提出基于CUT自身知識的STAP雜波抑制算法。該方法將CUT的雜波分成兩部分來重建：第一部分是待檢測頻率通道的雜波，部分雜波可能混有目標信號，因此需要通過訓練樣本來估計；第二部分雜波是除了待檢測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，無須估計。

針對高頻雷達[13-15]，處理結果表明：1)與文獻[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[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

設雷達接收天線為N個陣元的線陣，陣元間距為d；一個CPI內有K個脈沖；第l個距離環的數據表示為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為目標的空時導向向量，al為目標信號幅值。

sws,wt=swt?sws

(2)

式中,swt為時域導向矢量，swt=[1 ej2πwt… ej(K-1)2πwt]，wt為歸一化的多普勒頻率；sws為空域導向矢量，sws=[1 ej2πws…ej(K-1)2πws]，ws為空間頻率；?表示Kronnecker乘積。

設待檢測的第l0個距離單元是CUT，則該CUT單元的STAP權向量為

(3)

(4)

式中，Ω表示選擇的訓練樣本空間，xl表示第l個訓練樣本的數據。

2 所提基于CUT自身知識的STAP方法

目前的STAP方法在估計CUT雜波協方差矩陣時，CUT的所有頻率通道的雜波都用訓練樣本來估計。我們注意到CUT中只有待檢測頻率通道可能混有目標信號，因此只有該頻率通道的雜波需要用訓練樣本來估計；而CUT的其他頻率通道都是準確的雜波，不需要用訓練樣本進行估計。基于該特點，本節給出了基于CUT自身知識的STAP算法。所提方法在重構CUT的雜波時，只有待檢測頻率通道的雜波用訓練樣本估計，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自身的準確的雜波信息，因此估計的雜波協方差矩陣更準確，從而提高了STAP的性能。

下面將CUT的雜波分成兩部分來重建：第一部分是待檢測頻率通道的雜波重建；第二部分是除了待檢測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計算CUT的雜波協方差矩陣。

2.1 待檢測頻率通道的雜波重建

檢測CUT的第i個頻率通道時，由于該頻率通道中的雜波可能混有目標信號，因此需要用訓練樣本來估計該頻率通道的雜波:

(5)

2.2 CUT的雜波重構

(6)

2.3 CUT雜波協方差矩陣的估計

(7)

3 仿真分析

本節中，處理結果表明: 1)與文獻[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[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。

雷達工作頻率為f0，雷達CPI內有N個脈沖，脈沖間隔為T。在第370個距離單元內，有一個多普勒頻率為0.813 8 Hz的弱目標。

3.1 對比分析

第370個距離單元的回波信號的原始頻譜如圖1(a)所示。從圖1(a)可以看出，弱目標回波信號被強雜波掩蓋。從圖1(a)中截取目標所在方位角的頻譜如圖1(b)所示。

(a) 第370個距離單元的信號頻譜

(b) 目標所在方位角的信號頻譜圖1 探測信號的頻譜

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

圖2 STAP結果

在圖2(a)中，殘余雜波很強; 圖2(b)中的殘余雜波明顯減弱，在圖2(c)中，剩余雜波進一步減弱。圖2顯示了文獻[11-12]選擇與CCM相似的樣本的方法比文獻[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[11-12]中的方法更好。

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

圖3 截取圖2中目標所在方位角的處理結果

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

3.2 性能對比分析

下面的仿真分析中，我們在雷達的海雜波中加入目標信號，輸出為歸一化的SCNR。仿真結果如圖4所示。這里，SCNR定義如下：

(8)

式中，Es為信號能量，Ecn為雜波和噪聲能量。

圖4 3種STAP方法的性能對比

圖4是不同輸入SCNR下3種STAP方法的性能表現，縱軸是歸一化的輸出SCNR。圖4顯示相比文獻[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[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 結束語

本文提出了一種基于CUT自身先驗知識的STAP方法，該方法把CUT的雜波分成兩部分來重建：待檢測頻率通道的雜波用訓練樣本來估計，而其他頻率的雜波則直接從CUT中抽取。處理結果表明，所提算法有效提高了STAP性能。