[논문 리뷰] Airborne Radar STAP using Sparse Recovery of Clutter Spectrum

Ke Sun, Hao Zhang외 3명|arXiv (Cornell University)|2010. 08. 25.

Radar Systems and Signal ProcessingEngineering참고 문헌 25인용 수 18

한 줄 요약

이 논문은 제한된 교육 데이터를 사용하여 각도-Doppler 도메인에서 잡음의 공간-시간 스펙트럼을 추정하기 위해 희소 복원을 활용하는 새로운 공중 레이더 STAP 알고리즘인 SR-STAP을 제안한다. 잡음의 내재적 희소성과 다중 교육 샘플을 통한 공동 희소 복원을 활용함으로써 SR-STAP은 빠른 수렴 속도를 달성하고 사전 지식에 대한 의존도를 감소시켜 비정상적인 잡음 환경에서 전통적인 지식 기반 STAP 방법보다 우수한 성능과 더 높은 강인성을 보인다.

ABSTRACT

Space-time adaptive processing (STAP) is an effective tool for detecting a moving target in spaceborne or airborne radar systems. Statistical-based STAP methods generally need sufficient statistically independent and identically distributed (IID) training data to estimate the clutter characteristics. However, most actual clutter scenarios appear only locally stationary and lack sufficient IID training data. In this paper, by exploiting the intrinsic sparsity of the clutter distribution in the angle-Doppler domain, a new STAP algorithm called SR-STAP is proposed, which uses the technique of sparse recovery to estimate the clutter space-time spectrum. Joint sparse recovery with several training samples is also used to improve the estimation performance. Finally, an effective clutter covariance matrix (CCM) estimate and the corresponding STAP filter are designed based on the estimated clutter spectrum. Both the Mountaintop data and simulated experiments have illustrated the fast convergence rate of this approach. Moreover, SR-STAP is less dependent on prior knowledge, so it is more robust to the mismatch in the prior knowledge than knowledge-based STAP methods. Due to these advantages, SR-STAP has great potential for application in actual clutter scenarios.

연구 동기 및 목표

• 잡음 공분산 행렬 추정을 위한 통계적으로 독립적이고 동일하게 분포된(IID) 대량의 교육 데이터가 필요로 하는 기존 STAP 방법의 한계를 해결하기 위해.
• 일반적으로 局소적으로 정적이고 충분한 IID 교육 샘플이 부족한 실제 잡음 환경에서 기존 STAP 기법의 열악한 성능을 극복하기 위해.
• 실제 공중 레이더 시나리오에서 높은 탐지 성능를 유지하면서 사전 지식에 대한 의존도를 최소화하는 강인한 STAP 알고리즘을 개발하기 위해.
• 각도-Doppler 도메인에서 잡음 분포의 본질적 희소성을 활용하여 제한된 교육 데이터로 정확하고 효율적인 잡음 스펙트럼 추정을 가능하게 하기 위해.

제안 방법

• 이 방법은 잡음의 공간-시간 스펙트럼을 각도-Doppler 도메인에서 희소 신호로 모델링하며, 잡음 에너지가 몇몇 주요 방향과 도플러 이동에 집중되어 있음을 고려한다.
• 특히 압축 감지 원리를 활용한 희소 복원 기법을 적용하여 소수의 교육 샘플에서 잡음 스펙트럼을 재구성한다.
• 추정 정확도와 안정성을 향상시키기 위해 다중 교육 샘플에 걸쳐 공동 희소 복원을 적용한다.
• 회복된 희소 스펙트럼을 기반으로 새로운 잡음 공분산 행렬(CCM) 추정기를 유도하여 최적의 STAP 필터 설계를 보장한다.
• 추정된 CCM을 사용하여 STAP 필터를 계산함으로써 강력한 잡음 환경에서도 이동 목표 탐지가 가능해진다.
• 실제 Mountaintop 레이더 데이터와 시뮬레이션 시나리오를 모두 활용하여 강인성과 수렴 속도를 검증한다.

실험 결과

연구 질문

• RQ1 제한된 비-IID 교육 데이터에서 희소 복원 기법이 공중 레이더 STAP의 잡음 스펙트럼을 효과적으로 추정할 수 있는가?
• RQ2 단일 샘플 복원에 비해 다중 교육 샘플에 걸친 공동 희소 복원이 잡음 스펙트럼 추정의 정확도와 강인성에 어떻게 기여하는가?
• RQ3 기존 지식 기반 STAP 방법에 비해 SR-STAP은 사전 지식에 대한 의존도를 어느 정도 감소시키는가?
• RQ4 제한된 교육 데이터로 실세계 및 시뮬레이션 잡음 환경에서 SR-STAP의 수렴 성능는 어떠한가?
• RQ5 실제 레이더 시스템에서 흔히 발생하는 사전 지식 불일치 조건에서도 본 방법은 탐지 성능를 어떻게 유지하는가?

주요 결과

• SR-STAP은 특히 저샘플 환경에서 기존 통계적 STAP 방법에 비해 상당히 빠른 수렴 속도를 보인다.
• 제한된 교육 샘플 조건에서도 시뮬레이션 및 실제 Mountaintop 레이더 데이터 모두에서 향상된 탐지 성능를 달성한다.
• 다중 교육 샘플에 걸친 공동 희소 복원은 잡음 스펙트럼 추정의 안정성과 정확도를 향상시킨다.
• SR-STAP은 사전 지식 불일치에 대한 민감도를 감소시켜 실용적인 비이상적인 잡음 환경에서 지식 기반 STAP 접근법보다 더 강인하다.
• 희소 복원을 통한 추정된 잡음 공분산 행렬은 효과적인 STAP 필터링을 가능하게 하여 고도의 메인로브 감쇄와 향상된 목표 탐지 성능를 이끈다.