基于D3AR的半球共形陣低空風(fēng)切變風(fēng)速估計(jì)方法

李 海，唐 芳，李雙雙

（中國(guó)民航大學(xué)天津市智能信號(hào)與圖像處理重點(diǎn)實(shí)驗(yàn)室，天津 300300）

0 引 言

在航空氣象領(lǐng)域，通常將飛機(jī)高度在600 m 以下，風(fēng)向風(fēng)速急劇變化的這一大氣現(xiàn)象稱為低空風(fēng)切變，其具有變化快、強(qiáng)度大、危害性高等典型特征［1］。如果在起飛或降落階段飛機(jī)遭遇風(fēng)切變，而此時(shí)飛行員缺乏充足的時(shí)間來(lái)調(diào)整飛機(jī)狀態(tài)，可能會(huì)導(dǎo)致嚴(yán)重飛行事故發(fā)生［2］。因此，有關(guān)風(fēng)切變檢測(cè)的問(wèn)題一直以來(lái)都是民航領(lǐng)域關(guān)注熱點(diǎn)。作為對(duì)于低空風(fēng)切變檢測(cè)流程的關(guān)鍵，風(fēng)場(chǎng)速度估計(jì)的結(jié)果將直接影響整個(gè)風(fēng)切變檢測(cè)結(jié)果的準(zhǔn)確程度，因此，準(zhǔn)確估計(jì)風(fēng)速至關(guān)重要［3-5］。

機(jī)載氣象雷達(dá)是飛行中不可或缺的設(shè)備，可以對(duì)飛機(jī)航路上氣象狀況進(jìn)行實(shí)時(shí)監(jiān)測(cè)，及時(shí)獲取氣象數(shù)據(jù)發(fā)現(xiàn)危險(xiǎn)天氣，以幫助飛行員提前規(guī)避風(fēng)切變等危險(xiǎn)大氣現(xiàn)象，從而保障飛行過(guò)程的安全［6］。隨著航空領(lǐng)域事業(yè)的發(fā)展和進(jìn)步，航空安全的實(shí)際使用需求對(duì)機(jī)載氣象雷達(dá)的探測(cè)范圍、掃描精度等性能提出了更高的要求。目前，與相對(duì)成熟的平面相控陣?yán)走_(dá)相比，安裝在飛機(jī)表面與飛行器貼合的共形陣機(jī)載氣象雷達(dá)具有許多優(yōu)點(diǎn)，如共形陣天線孔徑的增大能提高目標(biāo)探測(cè)時(shí)方位向的分辨率，天線掃描范圍的擴(kuò)大有助于實(shí)現(xiàn)全方位掃描等［7］。共形陣機(jī)載雷達(dá)所具備的優(yōu)點(diǎn)可以更好地適應(yīng)航空氣象領(lǐng)域發(fā)展的需求。因此，對(duì)共形陣機(jī)載氣象雷達(dá)體制下目標(biāo)檢測(cè)的課題意義重大。

機(jī)載氣象雷達(dá)在檢測(cè)風(fēng)切變過(guò)程中風(fēng)速估計(jì)是關(guān)鍵步驟，但由于地雜波分布范圍較廣，強(qiáng)度大，導(dǎo)致雷達(dá)接收到的風(fēng)切變信號(hào)完全被地雜波信號(hào)所覆蓋，進(jìn)而導(dǎo)致風(fēng)速估計(jì)結(jié)果的準(zhǔn)確性受到影響。目前，針對(duì)低空風(fēng)切變風(fēng)速估計(jì)方法主要基于色加載知識(shí)輔助的空時(shí)自適應(yīng)處理（Space-Time Adaptive Processing, STAP）風(fēng)速估計(jì)方法［8］、基于直接數(shù)據(jù)域-擴(kuò)展因子化法（Direct Data Domain-Extended Factored Approach, DDD-EFA）的風(fēng)速估計(jì)方法［9］、基于同倫稀疏STAP 的風(fēng)速估計(jì)方法［10］和基于改進(jìn)輔助通道的風(fēng)速估計(jì)方法［11］等。以上方法在傳統(tǒng)線陣或面陣體制下都能準(zhǔn)確估計(jì)風(fēng)速，但對(duì)于陣元在空間上呈現(xiàn)兩維或三維分布的半球共形陣，還未有文獻(xiàn)對(duì)其風(fēng)切變檢測(cè)技術(shù)和風(fēng)速估計(jì)方法進(jìn)行研究報(bào)道。

基于此，本文提出了一種基于D3AR 風(fēng)速估計(jì)方法。該方法將空時(shí)自回歸算法（Space-Time Autoregression，STAR）思想引入到直接數(shù)據(jù)域（Direct Data Domain, DDD）算法中，首先將待檢測(cè)單元的數(shù)據(jù)分別從空域、時(shí)域以及空時(shí)域進(jìn)行信號(hào)對(duì)消處理，然后將處理后的數(shù)據(jù)矩陣描述為空時(shí)自回歸模型并估計(jì)模型參數(shù)，再通過(guò)構(gòu)造與雜波子空間正交的空間來(lái)實(shí)現(xiàn)對(duì)雜波的抑制，最后通過(guò)提取待檢測(cè)單元的最大多普勒頻率來(lái)估計(jì)風(fēng)場(chǎng)速度。根據(jù)仿真結(jié)果顯示，該方法有效地實(shí)現(xiàn)了地雜波抑制，并且能夠精確估計(jì)風(fēng)速。

1 半球共形陣?yán)走_(dá)信號(hào)模型

1.1 地雜波信號(hào)

基于Ward 模型［12］仿真半球共形陣體制下的雜波回波信號(hào)。首先依據(jù)載機(jī)雷達(dá)參數(shù)確認(rèn)雷達(dá)所照射區(qū)域內(nèi)單個(gè)距離單元的寬度，然后將單個(gè)距離單元按照方位角劃分為多個(gè)雜波塊并計(jì)算每個(gè)雜波塊的回波信號(hào)，通過(guò)將單個(gè)距離單元內(nèi)的所有雜波塊相加，得到雜波回波信號(hào)。

圖1為半球共形陣機(jī)載氣象雷達(dá)幾何模型，假設(shè)半球共形陣共有M個(gè)半徑分別為Rm的圓弧（頂點(diǎn)不放陣元），每一層圓弧上均勻分布著N個(gè)陣元，且相鄰兩個(gè)圓弧之間的間距為d，θ為方位角，φ為俯仰角，ψ為空間錐角，V為載機(jī)速度，由幾何關(guān)系可知波束矢量K(θ,φ)=[cosθcosφsinθcosφsinφ]T。

圖1 半球共形陣機(jī)載氣象雷達(dá)幾何模型

如圖1（b）所示，令右側(cè)第一段圓弧為半球形陣列的第一層，每一層的第一個(gè)陣元位于X軸正方向，則由半球共形陣機(jī)載雷達(dá)陣列幾何模型可以推導(dǎo)出第m(m= 1,2,…,M)行第n(n= 1,2,…,N)列的陣元位置坐標(biāo)Pm,n為

式中，Rm為第m層圓弧的半徑，，β為共形陣機(jī)載雷達(dá)圓弧所對(duì)應(yīng)的圓心角，α為圖1（c）YOZ平面所示的夾角。

根據(jù)陣元坐標(biāo)以及波束矢量推導(dǎo)得到半球共形陣?yán)走_(dá)地雜波回波信號(hào)的空間角頻率wsc：

式中，φl(shuí)為第l(l= 1,2,…,L)個(gè)距離單元雜波回波的俯仰角，L為回波總距離門數(shù)。

半球共形陣?yán)走_(dá)地雜波回波信號(hào)的時(shí)間角頻率wtc為

式中，fr為脈沖重復(fù)頻率，λ為波長(zhǎng)。

假設(shè)半球形陣列天線的第m行第n列個(gè)陣元在第k個(gè)脈沖下接收的第l個(gè)距離單元的雜波回波數(shù)據(jù)為Cl(m,n,k)，則

式中，Rl為第l個(gè)距離單元的斜距，θ的取值范圍為[ 0,π ]。

1.2 低空風(fēng)切變信號(hào)

由于低空風(fēng)切變是體分布式目標(biāo)，所包含的氣象粒子具有微粒性、疊加性和隨機(jī)性等特點(diǎn)，因此采用撒點(diǎn)法［13］對(duì)風(fēng)切變場(chǎng)回波數(shù)據(jù)進(jìn)行仿真，通過(guò)將單個(gè)距離單元內(nèi)的所有散射點(diǎn)相加，得到該距離單元的風(fēng)場(chǎng)回波信號(hào)。則半球形陣列天線的第m行第n列陣元在第k個(gè)脈沖下接收的第l個(gè)距離單元的風(fēng)切變信號(hào)回波數(shù)據(jù)為Sl(m,n,k)，且有

式中，Q表示一個(gè)距離單元內(nèi)散射點(diǎn)總數(shù)，Rq為第q個(gè)散射點(diǎn)的斜距，Aq為由雷達(dá)方程推導(dǎo)得到的第q個(gè)散射點(diǎn)回波的幅度［14］：

式中，Z為風(fēng)場(chǎng)反射率因子，Pt為機(jī)載雷達(dá)的發(fā)射功率，G為天線的增益。

式（5）中，wss(θq,φq)表示第q個(gè)散射點(diǎn)的空間角頻率，wts(θq,φq)為時(shí)間角頻率，且有

式中，θq為第q個(gè)散射點(diǎn)的方位角，φq為俯仰角，vq為徑向速度。

1.3 回波信號(hào)

當(dāng)半球共形陣機(jī)載氣象雷達(dá)用于探測(cè)風(fēng)切變時(shí)，其回波信號(hào)由地雜波C、風(fēng)切變S和噪聲組成，則半球形陣列天線接收的第l個(gè)距離單元的總回波數(shù)據(jù)Xl為

假設(shè)在雷達(dá)工作時(shí)，在一個(gè)CPI 內(nèi)發(fā)射K個(gè)脈沖，用Xl表示第l個(gè)距離單元的半球共形陣機(jī)載氣象雷達(dá)所接收的回波數(shù)據(jù)矩陣：

2 基于D3AR 低空風(fēng)切變風(fēng)速估計(jì)方法

基于D3AR 低空風(fēng)切變風(fēng)速估計(jì)方法首先對(duì)待檢測(cè)單元的回波數(shù)據(jù)分別從空域、時(shí)域、空時(shí)域進(jìn)行信號(hào)對(duì)消處理，然后將處理后的樣本數(shù)據(jù)通過(guò)AR 模型構(gòu)造與雜波子空間正交的空間來(lái)實(shí)現(xiàn)對(duì)雜波的抑制，最后通過(guò)提取待檢測(cè)單元的最大多普勒頻率來(lái)估計(jì)風(fēng)場(chǎng)速度。下面詳細(xì)討論以下3個(gè)部分：信號(hào)對(duì)消處理、估計(jì)STAR 模型系數(shù)矩陣以及低空風(fēng)切變風(fēng)速估計(jì)。

2.1 信號(hào)對(duì)消處理

DDD 方法僅利用待檢測(cè)距離單元的數(shù)據(jù)信息進(jìn)行樣本數(shù)據(jù)的獲取，當(dāng)待檢測(cè)距離單元含有低空風(fēng)切變信號(hào)目標(biāo)時(shí)，此時(shí)通過(guò)AR 模型來(lái)構(gòu)造的空時(shí)濾波器在抑制雜波的同時(shí)會(huì)造成風(fēng)切變信號(hào)損失。因此，為了防止風(fēng)切變信號(hào)被抑制導(dǎo)致無(wú)法準(zhǔn)確估計(jì)風(fēng)速，首先需要對(duì)待檢測(cè)距離單元數(shù)據(jù)分別從時(shí)域、空域以及空時(shí)域進(jìn)行信號(hào)對(duì)消處理，具體過(guò)程如下：

定義風(fēng)切變信號(hào)Sl(m,n,k) 為

根據(jù)載機(jī)速度、脈沖重復(fù)頻率等先驗(yàn)信息，假設(shè)風(fēng)切變信號(hào)方位已知，fl為歸一化多普勒頻率（fl的范圍為[]-1,1）。此時(shí)，對(duì)于低空風(fēng)切變信號(hào)，相鄰兩脈沖間的相位差為

相鄰兩陣元之間的相位差為

式中，ΔPm,n為相鄰兩陣元位置坐標(biāo)差。因此待檢測(cè)單元可通過(guò)利用兩陣元（脈沖）之間的相位差分別從空域、時(shí)域以及空時(shí)域進(jìn)行信號(hào)對(duì)消處理。

對(duì)第l個(gè)待檢測(cè)單元的和回波數(shù)據(jù)從空域利用兩陣元相消濾除風(fēng)切變信號(hào)時(shí)，可以得到如下數(shù)據(jù)矩陣：

式中，Yls為第l個(gè)待檢測(cè)距離單元從空域利用兩陣元相消濾除風(fēng)切變信號(hào)后的數(shù)據(jù)矩陣，其維度為(MN- 1) ×K，“*”表示共軛運(yùn)算。

對(duì)第l個(gè)待檢測(cè)距離單元的回波數(shù)據(jù)從時(shí)域進(jìn)行對(duì)消處理時(shí)，當(dāng)待更新的fl在[]-1,1 中取某一值時(shí)，利用兩脈沖對(duì)消后得到如下數(shù)據(jù)矩陣：

式中，Ylt為第l個(gè)待檢測(cè)距離單元從時(shí)域利用兩脈沖相消進(jìn)行信號(hào)濾除處理后的數(shù)據(jù)矩陣，其維度為MN×(K- 1) 。

同理，利用兩脈沖、兩陣元相消對(duì)第l個(gè)待檢測(cè)距離單元回波數(shù)據(jù)從空時(shí)域進(jìn)行信號(hào)對(duì)消處理后的數(shù)據(jù)矩陣為

式中，Ylst為第l個(gè)待檢測(cè)距離單元從空時(shí)域利用兩陣元兩脈沖相消進(jìn)行信號(hào)濾除處理后的數(shù)據(jù)矩陣，其維度為(MN- 1) ×(K- 1) 。

更新fl的取值并執(zhí)行式（13）～（15），當(dāng)待檢測(cè)距離單元利用信號(hào)對(duì)消后的樣本數(shù)據(jù)矩陣經(jīng)過(guò)AR 模型所構(gòu)造的空時(shí)自適應(yīng)處理器的輸出功率最大時(shí)，此時(shí)Yls、Ylt和Ylst3 個(gè)數(shù)據(jù)矩陣中的風(fēng)切變信號(hào)被有效消除。

2.2 估計(jì)STAR模型系數(shù)矩陣

假設(shè)當(dāng)待更新的fl在[-1,1 ]范圍中所取某值是該待檢測(cè)距離單元風(fēng)場(chǎng)目標(biāo)的歸一化多普勒頻率，此時(shí)由該單元通過(guò)信號(hào)對(duì)消處理后得到的3個(gè)樣本數(shù)據(jù)矩陣Yls、Ylt以及Ylst中就只包含雜波和噪聲，為了方便計(jì)算，選取Yls中的(K- 1) 列數(shù)據(jù)、以及Ylt中的(MN- 1) 行數(shù)據(jù)，再將3 個(gè)樣本數(shù)據(jù)矩陣排列成(MN- 1 )(K- 1) × 1 維矢量并分別記為Y1、Y2和Y3。由于任意隨機(jī)過(guò)程都可描述為AR 模型，則Y1、Y2和Y3滿足如下自回歸模型［15］：

式中，t= 1,2,3，k= 1,2,…,K-P，Ai為D×(MN- 1)維的空時(shí)自回歸系數(shù)矩陣，D代表AR 模型的空域階數(shù)，P為時(shí)域階數(shù)。AR 模型的時(shí)域階數(shù)和空域階數(shù)未知，需要通過(guò)樣本數(shù)據(jù)對(duì)其進(jìn)行估計(jì)，由于已有許多文獻(xiàn)介紹了AR 模型階數(shù)估計(jì)方法［15-16］，本文不再敘述。模型階數(shù)D、P確定后，再通過(guò)訓(xùn)練樣本估計(jì)自回歸系數(shù)矩陣。

記A=[A0A1…AD-1]，A的維數(shù)為D×(MN-1)P，將處理后的訓(xùn)練樣本單元的數(shù)據(jù)重新改寫為

式中，et為(MN- 1)P×(K-P)維矩陣，則處理后的所有樣本數(shù)據(jù)矩陣為

式中，E為(MN- 1)P× 3(K-P)維矩陣，因此，根據(jù)式（17），訓(xùn)練樣本數(shù)據(jù)矩陣E滿足如下方程：

可以看出，式（20）中A的解是由矩陣E的零空間確定，但由于E滿秩不存在零空間，所以根據(jù)最小均方誤差準(zhǔn)則，對(duì)于自回歸系數(shù)矩陣A的求解可以轉(zhuǎn)換為最小二乘準(zhǔn)則來(lái)估計(jì)［16］：

為了確保不產(chǎn)生平凡解，A必須滿足AAH=I,且樣本矩陣E的D個(gè)小奇異值對(duì)應(yīng)的左奇異矢量構(gòu)成矩陣A的列。

2.3 低空風(fēng)切變風(fēng)速估計(jì)

完成自回歸系數(shù)矩陣A的估計(jì)后，利用A0,A1,…,AD-1構(gòu)造如下濾波器系數(shù)矩陣：

式中，B為D(K-P)×(MN- 1 )(K- 1) 維矩陣,且滿足如下方程：

矩陣B與雜波和噪聲所張成的子空間正交，根據(jù)匹配濾波理論，得到D3AR 算法的空時(shí)自適應(yīng)權(quán)矢量為［17］

式中，ws為歸一化空間角頻率，fl上文中假設(shè)的歸一化多普勒頻率。由此可以得到信號(hào)匹配結(jié)果為

通過(guò)更新fl的取值，可以得到對(duì)應(yīng)的空時(shí)自適應(yīng)處理器權(quán)矢量，進(jìn)行信號(hào)匹配后求解輸出功率。當(dāng)其最大時(shí)，此時(shí)fl的取值即為對(duì)應(yīng)距離單元的多普勒頻率估計(jì)值。這是因?yàn)楫?dāng)處理器的輸出功率最大化時(shí)，該待檢測(cè)距離單元經(jīng)過(guò)信號(hào)對(duì)消處理后的樣本數(shù)據(jù)矩陣中風(fēng)切變信號(hào)被有效濾除，再通過(guò)AR 模型所構(gòu)造的空時(shí)濾波器就可以使雜波信號(hào)得到有效抑制，同時(shí)風(fēng)切變信號(hào)得到積累；如果處理器的輸出功率不是最大，說(shuō)明該待檢測(cè)距離單元在信號(hào)對(duì)消處理過(guò)程中風(fēng)切變信號(hào)沒(méi)有被有效濾除，導(dǎo)致得到的樣本數(shù)據(jù)經(jīng)過(guò)AR 模型所構(gòu)造的空時(shí)濾波器在抑制雜波的同時(shí)會(huì)造成風(fēng)切變信號(hào)損失。即可以通過(guò)式（28）來(lái)估計(jì)得到該待檢測(cè)距離單元：

最后，依照上述方法分別估計(jì)每一個(gè)距離單元的風(fēng)速值，完成整個(gè)風(fēng)場(chǎng)的風(fēng)速估計(jì)。

2.4 方法流程及步驟

圖2展示了基于D3AR的半球共形陣風(fēng)切變風(fēng)速估計(jì)方法的整體流程。

圖2 基于D3AR風(fēng)速估計(jì)方法基本流程

步驟1：分別從空域、時(shí)域以及空時(shí)域利用兩脈沖（陣元）進(jìn)行信號(hào)對(duì)消處理；

步驟2：將處理后的訓(xùn)練樣本單元描述為空時(shí)自回歸模型；

步驟3：根據(jù)樣本單元估計(jì)空時(shí)自回歸模型階數(shù)，并構(gòu)造濾波器模型系數(shù)矩陣；

步驟4：根據(jù)匹配濾波理論，構(gòu)造與雜波子空間正交的空間來(lái)實(shí)現(xiàn)對(duì)雜波的抑制，最后通過(guò)搜索該待檢測(cè)距離單元的輸出功率最大時(shí)所對(duì)應(yīng)的多普勒頻率，完成風(fēng)速估計(jì)；

步驟5：更新待檢測(cè)單元，重復(fù)上述步驟估計(jì)所有待檢測(cè)距離單元的風(fēng)速值，完成整個(gè)風(fēng)場(chǎng)速度估計(jì)。

3 仿真結(jié)果及分析

3.1 仿真參數(shù)設(shè)計(jì)

假設(shè)風(fēng)場(chǎng)目標(biāo)處于8.5～16.5 km 處，表1 所示為仿真參數(shù)值。

表1 載機(jī)及雷達(dá)仿真參數(shù)

3.2 仿真結(jié)果分析

圖3 為半球共形陣機(jī)載氣象雷達(dá)回波信號(hào)第87 號(hào)距離門空時(shí)譜仿真結(jié)果，由圖可以看出，地雜波信號(hào)的空時(shí)二維譜在空間的分布表現(xiàn)為橢圓形狀，風(fēng)切變信號(hào)在空間表現(xiàn)為一條窄帶，且地雜波信號(hào)的功率明顯大于風(fēng)切變信號(hào)，使得風(fēng)切變信號(hào)完全被淹沒(méi)，從而導(dǎo)致難以被檢測(cè)。

圖3 第87號(hào)距離單元空時(shí)譜

圖4 為D3AR 方法、最優(yōu)STAP 方法、DW-STAP方法以及STAR 方法的第87 號(hào)距離單元的改善因子對(duì)比圖。從圖可以看出，上述方法均在主雜波區(qū)域即零頻區(qū)形成凹口，造成性能損失，與其余方法相比，本文方法在主雜波區(qū)域形成的凹口更窄、更淺，雜波抑制性能明顯提高。

圖4 改善因子對(duì)比圖

圖5 為D3AR 方法與最優(yōu)STAP 方法、DWSTAP 方法、以及STAR 方法風(fēng)速估計(jì)結(jié)果對(duì)比圖。從圖中可以看出，本文所提方法在不利用參考單元樣本數(shù)據(jù)的情況下仍然能較準(zhǔn)確地估計(jì)風(fēng)速。對(duì)比圖顯示，最優(yōu)STAP 法的風(fēng)速估計(jì)結(jié)果不理想，主要是由于半球共形陣特殊陣列流型導(dǎo)致雜波非平穩(wěn)性更強(qiáng)，使得所需的獨(dú)立同分布樣本數(shù)不滿足RMB 準(zhǔn)則，最優(yōu)STAP 方法性能受損［5］；經(jīng)DW補(bǔ)償后，仍然不能得到理想效果，這是由于DW方法僅對(duì)時(shí)域進(jìn)行了多普勒頻率補(bǔ)償，沒(méi)有對(duì)空間頻率進(jìn)行補(bǔ)償，所以經(jīng)過(guò)DW 補(bǔ)償后，仍不能準(zhǔn)確估計(jì)風(fēng)速［18］；STAR 方法需要用到與待檢測(cè)單元相鄰單元的數(shù)據(jù)來(lái)構(gòu)造AR 模型建立空時(shí)二維濾波器進(jìn)行雜波抑制以及估計(jì)風(fēng)速［17］，其結(jié)果的準(zhǔn)確性依賴于IID 樣本數(shù)量。而D3AR 方法僅利用待檢測(cè)單元的數(shù)據(jù)且不需要進(jìn)行距離依賴性矯正就能準(zhǔn)確估計(jì)風(fēng)速。

圖5 風(fēng)速估計(jì)結(jié)果

本文所提方法主要包括求濾波器權(quán)矢量和空時(shí)濾波兩部分的運(yùn)算量，表2 為D3AR 方法、最優(yōu)STAP 方法、DW-STAP 方法以及STAR 方法運(yùn)算量對(duì)比，其中L1為最優(yōu)STAP 方法和DW-STAP 方法中所需的訓(xùn)練樣本數(shù)。從表中可以看出本文所提方法的運(yùn)算量比最優(yōu)STAP方法、DW-STAP法以及STAR法都要小。

表2 不同風(fēng)速估計(jì)方法運(yùn)算量對(duì)比

表3 給出了D3AR 方法、最優(yōu)STAP 方法、DWSTAP 方法以及STAR 方法的均方根誤差對(duì)比，可以看出，本文所提D3AR方法的均方根誤差最小。

表3 不同風(fēng)速估計(jì)方法均方根誤差

4 結(jié)束語(yǔ)

針對(duì)半球共形陣體制下進(jìn)行低空風(fēng)切變檢測(cè)時(shí)會(huì)受到強(qiáng)低雜波信號(hào)的干擾，導(dǎo)致風(fēng)切變信號(hào)難以檢測(cè)的問(wèn)題，提出了一種基于D3AR 的半球共形陣風(fēng)切變風(fēng)速估計(jì)方法。該方法將空時(shí)自回歸算法思想引入到直接數(shù)據(jù)算法思想中，僅用待檢測(cè)單元濾除風(fēng)切變信號(hào)后的樣本數(shù)據(jù)來(lái)構(gòu)建空時(shí)自回歸模型，再通過(guò)構(gòu)造與雜波子空間正交的空間來(lái)實(shí)現(xiàn)對(duì)雜波的抑制，最后通過(guò)提取待檢測(cè)單元的最大多普勒頻率來(lái)估計(jì)風(fēng)場(chǎng)速度。仿真結(jié)果表明，該方法可以在半球共形陣體制下僅用待檢測(cè)距離單元的數(shù)據(jù)準(zhǔn)確估計(jì)風(fēng)速，且該方法僅在時(shí)域進(jìn)行滑窗處理，避免了空域滑窗對(duì)陣列結(jié)構(gòu)的嚴(yán)格要求，因此適用于任意陣列，但由于該方法中AR 模型參數(shù)的選擇會(huì)影響風(fēng)速估計(jì)結(jié)果的準(zhǔn)確性，因此需進(jìn)一步研究更為準(zhǔn)確的AR 模型參數(shù)估計(jì)算法。