预览加载中,请您耐心等待几秒...
1/9
2/9
3/9
4/9
5/9
6/9
7/9
8/9
9/9

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109375179A(43)申请公布日2019.02.22(21)申请号201811273452.1(22)申请日2018.10.29(71)申请人中国电子科技集团公司第十四研究所地址210039江苏省南京市雨花台区国睿路8号(72)发明人龙伟军(74)专利代理机构南京知识律师事务所32207代理人王一源高娇阳(51)Int.Cl.G01S7/292(2006.01)权利要求书2页说明书5页附图1页(54)发明名称一种基于稀疏表示的机载雷达近程强杂波抑制方法(57)摘要本发明公开了一种基于稀疏表示的机载雷达近程强杂波抑制方法。首先将机载雷达接收的俯仰-方位-脉冲三维空时回波数据摆为列矢量;再利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典;然后基于雷达接收数据采用稀疏贝叶斯学习算法估计杂波对应各原子位置及强度信息,进而杂波协方差矩阵;进而采取典型俯仰-方位-多普勒三维STAP方法完成对杂波的抑制;最后对处理后数据进行CFAR检测。该方法不仅可实现对强近程非平稳杂波的有效抑制,同时还兼具小样本需求的优势。CN109375179ACN109375179A权利要求书1/2页1.一种基于稀疏表示的机载雷达近程强杂波抑制方法,其特征在于步骤包括:1)将机载雷达接收的俯仰-方位-脉冲三维空时回波数据摆为列矢量;2)利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典;3)基于待检测距离单元数据采用稀疏贝叶斯学习算法估计杂波对应各原子位置及强度信息,进而杂波协方差矩阵;4)根据线性约束最小输出功率准则,利用所构造杂波协方差矩阵和目标导向矢量得到俯仰-方位-多普勒三维空时滤波器权系数,然后完成对机载雷达杂波的有效抑制;5)对杂波抑制后数据进行CFAR处理,完成对运动目标的检测。2.根据权利要求1所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法,其特征在于所述机载雷达包括机载机会阵雷达、采用脉冲多普勒的机载预警雷达、机载火控雷达。3.根据权利要求1或2所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法,其特征在于所述步骤1)将平面阵天线各阵元各脉冲回波数据摆为列矢量形式,方便后续处理。4.根据权利要求1或2所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法,其特征在于所述步骤2)利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典,具体为:首先将0到1范围内归一化俯仰向空频等间隔划分为Ne份,同时确保Ne大于机会阵天线俯仰向最大阵元个数M,并基于上述离散俯仰向空频构造俯仰导向矢量集合;其次将-1到1范围归一化方位向空频等间隔划分为Na份,同时确保Na大于机会阵天线方位向最大阵元个数N,并基于上述离散方位向空频构造方位导向矢量集合;然后将-1到1范围内归一化多普勒频率等间隔划分为Nd份,同时确保Nd大于机会阵相干脉冲数K,并基于上述离散多普勒频率构造时域导向矢量集合;最后将上述三个导向矢量集合求取Kronecker积,得到俯仰-方位-多普勒三维空时导向字典。5.根据权利要求1或2所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法,其特征在于所述步骤3)中基于待检测距离单元数据采用稀疏贝叶斯学习算法估计杂波对应各原子位置及强度信息,进而杂波协方差矩阵。6.根据权利要求1或2所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法,其特征在于所述步骤4)中选择基于俯仰-方位-多普勒三维杂波协防矩阵的STAP方法进行杂波抑制处理;其中,空时自适应处理方法在俯仰-方位-多普勒三维域进行;STAP自适应权值表示为:-1W=μRS0其中,表示权值的常系数,R表示通过稀疏系数和对应原子所构造的杂波协方差矩阵,表示目标空时导向矢量,St0为目标时域导向矢量,Ssa0和Sse0分别为目标方位向和俯仰向对应空域导向矢量,为Kronecker积。7.根据权利要求1或2所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法,其特征在于所述步骤2)利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典ψ其中,表示Kronecker积,Se和Sa分别为俯仰向和方位向导向矢量集合,且有:Tse,m={1,exp[jπfe,m],…,exp[jπ(M-1)fe,m]}m=1,2,…,Ne2CN109375179A权利要求书2/2页Tsa,n={1,exp[jπfa,n],…,exp[jπ(N-1)fa,n]}n=1,2,…,Na其中,fe,m和fa,n分别为俯仰向第m个离散俯仰角和方位向第n个离散方位角所对应归一化空频,Ne和Na分别为俯仰向和方位向空频划分份数。St为时域导向矢量集合,且有Tst,m={1,exp[jπfd,k],…,exp[jπ(K-1)fd,k]}k=1