【技术实现步骤摘要】
本专利技术涉及雷达杂波抑制，具体说是一种空时自适应处理中知识辅助的协方差矩阵估计方法。
技术介绍
1、机载相控阵雷达接收目标回波信号的同时，不可避免的会收到杂波信号，因此需要对杂波信号进行有效处理，以避免杂波信号影响雷达对运动目标的有效探测。为解决上述问题，人们提出了将空间域和时间域进行联合自适应处理的杂波抑制技术，即空时自适应处理（space-time adaptive processing，stap）技术，该技术在抑制杂波信号的同时能够保持期望目标信号的增益。stap技术的关键是精确估计待检测单元的杂波协方差矩阵（clutter covariance matrix，ccm）。但是传统基于统计的样本协方差矩阵（samplecovariance matrix，scm）估计方法，必须使用不少于系统自由度两倍的（degrees offreedom，dof）独立同分布（independent and identically distributed，iid）训练样本才能保证良好的stap性能。然而，现实环境通常是非均匀的，难以获得足够多的iid训练样本来精确估计ccm，这会导致杂波抑制性能严重恶化。
2、知识辅助（knowledge-aided，ka）协方差矩阵估计方法可以很好的克服上述问题，它通过利用环境以及结构先验信息来精确估计可用样本数量不足情况下的ccm。如现有技术中一般将先验协方差矩阵与scm进行线性加权组合，其权重因子取决于待检测单元（cellunder test，cut）先验协方差矩阵的准确程度，但是这类方法仅
3、又如文献[chahrour h, dansereau r, rajan s, et al. improved covariancematrix estimation using riemannian geometry for beamforming applications[c]//2020 ieee international radar conference (radar). ieee, 2020: 693-697.] 提出利用协方差矩阵的toeplitz结构进行结构化处理；文献[kang b, monga v, rangaswamym. rank-constrained maximum likelihood estimation of structured covariancematrices[j]. ieee transactions on aerospace and electronic systems, 2014, 50(1): 501-515.]考虑了低秩结构，采用极大似然估计方法得到闭式解，获得了具有低秩特性的协方差矩阵，但上述利用结构信息的估计方法没有加入杂波环境知识。
4、综上，传统的估计方法所需样本数多，目前还没有准确的估计方法可以在样本数较少的情况下准确估计杂波协方差矩阵，提高空时自适应处理的杂波抑制性能。
技术实现思路
1、为解决机载相控阵雷达系统杂波抑制的问题，本专利技术的目的是提供一种空时自适应处理中知识辅助的协方差矩阵估计方法，通过精确的杂波协方差矩阵，提高机载相控阵雷达系统的杂波抑制能力。
2、本专利技术为实现上述目的，通过以下技术方案实现：
3、一种空时自适应处理（stap）中知识辅助的协方差矩阵估计方法，包括以下步骤：
4、步骤1，利用杂波协方差矩阵（ccm）的广对称、低秩结构性质以及先验协方差矩阵信息构造知识辅助协方差矩阵的估计问题：
5、
6、其中，为样本协方差矩阵，表示广对称结构协方差矩阵集合，此处用来表示优化问题中考虑了具有广对称结构，为噪声功率，分别表示frobenius范数和核范数；表示由杂波环境先验知识构成的先验协方差矩阵，可通过模拟待检测单元（cut）的扰动矩阵获得，如可以按照以下论文得到的数据[zhang s, he z, li j, etal. a robust colored-loading factor optimization approach for knowledge-aidedstap[c]//2016 ieee radar conference (radarconf). ieee, 2016: 1-5.]；
7、步骤2，将步骤1中的估计问题转化为等式约束的凸优化问题形式：
8、
9、其中，，分别表示两个子问题中的自变量；
10、步骤3，利用s-admm算法求解步骤2中的优化问题，解得的协方差矩阵为知识辅助的杂波协方差矩阵；
11、优选的，步骤3具体包括以下循环迭代的步骤：
12、①构造优化问题的增广拉格朗日函数：
13、；
14、其中，表示矩阵的迹，为惩罚因子；为拉格朗日乘子，的转置操作；
15、为了简化形式，定义，忽略常数项，上式重写为：
16、；
17、②更新协方差矩阵：固定，
18、，
19、其中，表示广对称结构矩阵基的向量化集合所构成的矩阵，表示对进行广义逆运算，为矩阵向量化运算，为矩阵向量化的逆操作运算，此处的表示迭代次数；
20、③更新误差矩阵：固定
21、；
22、④更新协方差矩阵：固定
23、，
24、其中，表示基于阈值的奇异值分解；
25、⑤更新误差矩阵：固定
26、；
27、重复步骤②到⑤，直到两次迭代之间的误差小于预先设定值，则：
28、；
29、其中为第次迭代所得协方差矩阵，最终得到估计的知识辅助协方差矩阵；
30、优选的，预先设定值为10-8，则公式为；
31、优选的，步骤1具体包括以下步骤：
32、首先将广对称结构约束下的协方差矩阵估计表示为frobenius范数描述下的最小二乘估计，
33、 <16>
34、式<16>没有考虑矩阵的低秩结构，导致噪声分量混入ccm当中，降低协方差矩阵估计的准确性，因此，在上式中进一步添加秩约束，可以采用核范数来近似秩约束，将式<16>调整为
35、 <17>
36、其中，为噪声功率，表示核范数，对于一个矩阵,其核范数可以定义为 ，为矩阵的第大的奇异值；
37、除结构信息外，还可以利用cut的杂波环境数据所构造先验协方差矩阵来提高杂波协方差矩阵估计的精度，通过矩阵frobenius范数距离约束利用先验协方差矩阵
38、 <18>
39、其中，表示由杂波环境先验知识构成的先验协方差矩阵，表示待估计协方差矩阵的相近程度；
40、最终，基于广对称结构、低秩本文档来自技高网...
【技术保护点】
1.一种空时自适应处理中知识辅助的协方差矩阵估计方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种空时自适应处理中知识辅助的协方差矩阵估计方法，其特征在于：步骤3所述的利用S-ADMM算法求解步骤2中的凸优化问题，具体步骤如下：
3.根据权利要求2所述的一种空时自适应处理中知识辅助的协方差矩阵估计方法，其特征在于：所述预先设定值为10-8。
4.根据权利要求1所述的一种空时自适应处理中知识辅助的协方差矩阵估计方法，其特征在于：步骤1具体包括以下步骤：
【技术特征摘要】
1.一种空时自适应处理中知识辅助的协方差矩阵估计方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种空时自适应处理中知识辅助的协方差矩阵估计方法，其特征在于：步骤3所述的利用s-admm算法求解步骤2中的凸优化问题，具体步骤如下：...
【专利技术属性】
技术研发人员：杜晓林，荆洋，刘珅砚，唐梦皎，李洪高，
申请(专利权)人：烟台大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。