基于时变空时自回归模型的STAP算法  

A STAP Algorithm Based on Time-varying Space-time Autoregressive Model

作　　者：吴迪[1] 朱岱寅[1] 沈明威[2] 朱兆达[1] 

机构地区：[1]南京航空航天大学电子信息工程学院,南京210016 [2]河海大学计算机与信息工程学院,南京211100

出　　处：《现代雷达》2013年第1期49-54,共6页Modern Radar

基　　金：国防基础科研计划资助(B2520110008);国家自然科学基金(61071165);国家自然科学基金(61201459);中国博士后科学基金(2012M511750);江苏省自然科学基金(BK2012408)

摘　　要：针对空时自适应处理(STAP)中时域非平稳杂波过程造成的空时自回归(STAR)算法失效问题,文中将时变自回归(TVAR)模型引入STAP处理中,提出了一种新的时变空时自回归(TV-STAR)算法。TV-STAR算法能够有效弥补平稳自回归(AR)模型与实际非平稳杂波环境失配造成的STAR算法性能损耗,在非平稳杂波环境中具有良好的检测性能。同时,TV-STAR算法由于引入了低阶数的TVAR模型,其收敛速度显著优于降秩STAP算法。文中分别通过仿真实验以及机载雷达实测数据的处理对算法有效性进行了验证。According to the failure of space-time autoregressive （STAR） algorithm when dealing with nonstationary （in slow-time） clutter processes, a new type of parametric space-time adaptive processing （STAP） algorithm is proposed in this paper that intro- duces the time-varying autoregressive （TVAR） model and is referred as time-varying space-time autoregressive （TV-STAR） algo- rithm. The new proposed algorithm, that effectively remedies the performance loss of STAR caused by the ＂model-mismatch＂ be- tween stationary autoregressive （AR） model and nonstationary clutter process, exhibits a favorable performance in nonstationary clutter environment. Meanwhile, TV-STAR is shown to offer a superior convergence rate over most of the reduced-rank STAP tech- niques. Simulation results as well as the processing of measured airborne radar data are employed to demonstrate the performance of TV-STAR.

关 键 词：空时自适应处理 空时自回归 时变自回归 地面动目标指示 

分 类 号：TN974[电子电信—信号与信息处理]