[论文解读] Airborne Radar STAP using Sparse Recovery of Clutter Spectrum

Ke Sun, Hao Zhang+3 more|arXiv (Cornell University)|Aug 25, 2010

Radar Systems and Signal ProcessingEngineering参考文献 25被引用 18

一句话总结

本文提出SR-STAP，一种新型机载雷达STAP算法，利用稀疏恢复技术在有限训练数据下估计波束域-多普勒域中的杂波空时谱。通过利用杂波的固有稀疏性，并在多个训练样本上联合进行稀疏恢复，SR-STAP实现了快速收敛并降低了对先验知识的依赖，在非平稳杂波环境中性能优于传统基于知识的STAP方法，且对先验失配具有更强的鲁棒性。

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.

研究动机与目标

• 解决传统STAP方法在杂波协方差矩阵估计中需要大量统计独立同分布（IID）训练数据的局限性。
• 克服现有STAP技术在实际杂波环境中性能不佳的问题，这些环境通常为局部平稳，且缺乏足够的IID训练样本。
• 开发一种鲁棒的STAP算法，最大限度减少对先验知识的依赖，同时在实际机载雷达场景中保持高检测性能。
• 利用波束-多普勒域中杂波分布的固有稀疏性，实现在有限训练数据下准确高效的杂波谱估计。

提出的方法

• 该方法将杂波空时谱建模为波束-多普勒域中的稀疏信号，利用杂波能量集中于少数主导方向和多普勒频移的特性。
• 应用稀疏恢复技术——特别是压缩感知原理——从少量训练样本中重建杂波谱。
• 在多个训练快拍上采用联合稀疏恢复，以提高估计精度和稳定性。
• 基于恢复的稀疏谱推导出一种新型杂波协方差矩阵（CCM）估计器，确保最优STAP滤波器设计。
• 随后利用估计的CCM计算STAP滤波器，实现在强杂波背景下对运动目标的有效检测。
• 通过真实Mountaintop雷达数据和仿真场景对方法进行验证，证明其鲁棒性和收敛速度。

实验结果

研究问题

• RQ1 在训练数据有限且非IID的情况下，稀疏恢复技术能否有效估计机载雷达STAP中的杂波谱？
• RQ2 与单一样本恢复相比，跨多个训练样本的联合稀疏恢复在杂波谱估计的精度和鲁棒性方面有何提升？
• RQ3 与传统基于知识的STAP方法相比，SR-STAP在多大程度上降低了对先验知识的依赖？
• RQ4 SR-STAP在真实和仿真杂波环境中，面对有限训练数据时的收敛性能如何？
• RQ5 在实际雷达系统中常见的先验失配条件下，该方法如何保持检测性能？

主要发现

• SR-STAP相比传统统计STAP方法表现出显著更快的收敛速度，尤其在样本数较少的情况下。
• 该算法在仿真和真实Mountaintop雷达数据中均实现了改进的检测性能，即使训练样本有限。
• 在多个训练样本上进行联合稀疏恢复显著提升了杂波谱估计的稳定性和精度。
• SR-STAP降低了对先验知识失配的敏感性，使其在实际非理想杂波环境中比基于知识的STAP方法更具鲁棒性。
• 通过稀疏恢复估计的杂波协方差矩阵能够实现有效的STAP滤波，带来高主瓣抑制和改进的目标检测性能。