基于输出信杂噪比的机载雷达训练样本选择算法.docx
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
基于输出信杂噪比的机载雷达训练样本选择算法 本文提出了一种基于输出信杂噪比(Signal-to-Clutter-plus-Noise Ratio,SCNR)的机载雷达训练样本选择算法,以解决非均匀训练样本对 STAP 性能的影响。该算法利用样本设计的 STAP 滤波器对 CUT 的杂波进行抑制,输出 SCNR 估计值作为检验统计量,以确定训练样本 CUT 杂波特性的近似程度。 机载雷达通常采用空时自适应处理(Space-Time Adaptive Processing,STAP)技术抑制强地杂波反射信号,以提升对地面慢速弱小目标的探测能力。然而,在实际场景下,由于受到各种非理想因素的影响,训练样本的杂波特性可能与 CUT 不一致,导致利用训练样本对 CUT 的 CCM 的估计精度降低,从而使 STAP 性能恶化。 为了解决这个问题,研究者提出了一系列非均匀检测器,用于剔除非均匀样本。基于广义内积(Generalized Inner Product,GIP)的训练样本选择算法可用于非均匀训练样本的筛选,但该方法采用样本协方差矩阵表征 CUT 杂波特性,并不能直接表征 CUT 本身的杂波特性。文献[6]采用一种基于波形相似性样本选择方法,通过比较样本信号与 CUT 信号在频谱相似性,剔除差异较大的训练样本,但该方法会严重降低训练样本的利用率,可能导致有效训练样本不足。 本文方法采用子孔径协方差矩阵代替各个距离环的 CCM,并采用子孔径平滑技术估计各距离环的协方差矩阵,以避免训练样本非均匀性对当前距离环杂波特性表征的影响。另外,本文方法利用 Capon 谱在空时平面内沿杂波脊区域对 CUT 的子孔径协方差矩阵进行积分重构,以避免 CUT 中可能存在的目标成分对检验统计量估计的影响。 为确定杂波脊的分布,本文方法采用载机平台飞行状态参数作为先验信息进行估计,通过杂波脊斜率确定杂波脊在空时平面内的分布,其不受地形等外部因素影响。本文方法可以直接表征训练样本 CUT 杂波特性的近似程度,提高 STAP 性能和检测能力。 本文提出了一种基于输出信杂噪比的机载雷达训练样本选择算法,以解决非均匀训练样本对 STAP 性能的影响。该算法可以直接表征训练样本 CUT 杂波特性的近似程度,提高 STAP 性能和检测能力,为机载雷达系统提供了一个有效的解决方案。
剩余10页未读,继续阅读
- 粉丝: 3967
- 资源: 1万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助