机载雷达空时自适应处理技术研究综述

谢文冲; 段克清; 王永良

doi:10.12000/JR17073

机载雷达空时自适应处理技术研究综述

DOI: 10.12000/JR17073

空军预警学院雷达兵器运用工程军队重点实验室武汉 430019

基金项目: 国家自然科学基金（61501506）

详细信息

作者简介:
谢文冲(1978–)，男，山西万荣人，2006年获国防科技大学信号与信息处理专业博士学位，现为空军预警学院雷达兵器运用工程军队重点实验室副教授。获国家技术发明二等奖和军队科技进步一等奖各1项(排名2、4)，授权国防发明专利25项，获软件著作权1项，在IEEE Trans. SP、IET RSN、SP和中国科学等期刊与会议上发表论文100余篇(SCI收录29篇)。IEEE会员，中国电子学会青年科学家俱乐部会员，空军高层次科技人才，武汉市优秀科技工作者。研究方向包括空时自适应处理、机载雷达信号处理和雷达目标检测等

段克清(1981–)，男，河北石家庄人，2010年获国防科技大学信号与信息处理专业博士学位，现为空军预警学院雷达兵器运用工程军队重点实验室讲师。在Signal Processing、中国科学和电子学报等期刊与会议上发表论文40余篇。研究方向包括空时自适应处理、机载雷达信号处理等

王永良(1965–)，男，浙江嘉兴人，中国科学院院士，空军预警学院教授、博士生导师。主要研究方向包括空时自适应处理、雷达信号处理和阵列信号处理等

通讯作者:
谢文冲 xwch1978@aliyun.com

计量
- 文章访问数: 6163
- HTML全文浏览量: 1176
- PDF下载量: 1466
- 被引次数: 4
出版历程
- 收稿日期: 2017-08-04
- 修回日期: 2017-12-12
- 网络出版日期: 2017-12-28

Space Time Adaptive Processing Technique for Airborne Radar: An Overview of Its Development and Prospects

Key Research Laboratory, Wuhan Early Warning Academy, Wuhan 430019, China

Funds: The National Natural Science Foundation of China (61501506)

摘要

摘要:
空时自适应处理(Space Time Adaptive Processing, STAP)技术通过空域和时域2维联合自适应滤波的方式，实现了机载雷达对强杂波与干扰的有效抑制。作为提升机载雷达性能的一项关键技术，近年来备受雷达领域的关注与世界军事强国的重视。该文从方法、实验系统和应用3个方面回顾了空时自适应处理技术的发展过程和研究现状，着重阐述了其发展过程中遇到的关键技术问题，介绍了STAP技术在装备上的应用情况，并讨论了下一步的发展趋势，提出了需要或值得进一步研究的方向。
- 空时自适应处理 /
- 机载雷达 /
- 杂波抑制 /
- 抗干扰 /
- 目标检测
Abstract:
Used to suppress strong clutter and jamming in airborne radar data, Space Time Adaptive Processing (STAP) is a multidimensional adaptive filtering technique that simultaneously combines signals from elements of an antenna array and multiple pulses of coherent radar waveforms. As a key technology for improving the performance of airborne radar, it has attracted much attention in the field of radar research and from powerful military nations in recent years. In this paper, the research and development status of STAP technology is reviewed including methodologies, experimental systems, and applications and we focus on the key technical problems encountered during its development. Then, the application of STAP technology in equipment is introduced. Finally, the next development trends, future directions, and areas worthy of further research are presented.
- Space Time Adaptive Processing (STAP) /
- Airborne radar /
- Clutter suppression /
- Anti-jamming /
- Target detection

HTML全文

1. 引言

海洋涡旋是一种旋转的、以封闭环流为主要特征的水体，是由于各种气象因素作用和海洋动力不稳定性形成的。作为一种重要的海洋现象，涡旋不仅能够影响海洋流场与化学物质的输送，从而对海洋的环流结构和海洋生态等产生重要作用，还能通过海气相互作用，对风场、云及降雨等大气现象产生影响^[1,2]。

合成孔径雷达(Synthetic Aperture Radar, SAR)具有全天时、全天候、高分辨率、广覆盖面等优点，对海洋涡旋探测具有特殊意义，受到国际海洋遥感界的重视。然而，涡旋在SAR成像时会受到各种海洋环境因素的影响，通过真实SAR图像难以完全解译涡旋的特征。利用仿真SAR图像可以为涡旋的SAR图像特征解译提供指导，但是目前利用SAR图像对涡旋的研究主要集中在涡旋的统计性研究^[3–5]、涡旋的形成机制和成像分类^[6–8]以及涡旋的检测和特征提取方面的研究^[9–12]，极少有关于涡旋SAR图像仿真方法的研究。

由于海面随机运动且电磁散射特性复杂，难以进行时间和空间上的SAR原始回波仿真。海浪谱能够描述随机海面不同波长海浪的能量分布情况，因此利用海浪谱可以很好地描述不同海况下随机海面的统计特征。海洋涡旋、内波、浅海地形、锋面等都可看作是通过波流交互作用，即利用自身流场改变海浪谱分布，并经过海面电磁散射模型，进而得以在SAR图像上体现。目前SAR海面图像仿真常用的电磁散射模型包括Kirchhoff散射模型、Bragg散射模型以及组合表面散射模型^[13]。这些模型只考虑了1阶Bragg散射，仅适用于低频(小于L波段)SAR海面图像仿真。1997年，Romeiser和Alpers^[14,15]提出了改进的组合表面模型，该模型考虑了2阶Bragg波散射的影响，从而使仿真的SAR海面图像更接近实际情况。2002年，Romeiser^[16]利用该模型研究了浅海地形在SAR图像上的特征，并与声学多普勒流速剖面仪测量的浅海地形进行对比，验证了该模型用于SAR海面图像仿真的合理性；2011年，欧阳越等^[17]利用该模型仿真了不同雷达参数下海洋内波图像，并同实际内波SAR图像进行对比，发现二者具有较高的一致性。但是目前，利用海面电磁散射模型对海洋涡旋SAR图像仿真的研究尚未见报道。

为此，本文提出了一种海洋涡旋SAR图像仿真方法，利用流体力学中典型的Burgers-Rott涡旋模型，建立涡旋的2维流场。利用SAR海洋成像仿真模型，仿真涡旋SAR图像。基于此方法，本文进行了气旋式涡旋与反气旋式涡旋SAR图像仿真实验，并将仿真SAR图像与ERS-2 SAR图像和ENVISAT-1 ASAR图像进行对比，从而验证该方法的有效性。

2. 涡旋SAR图像仿真方法

本文建立的涡旋SAR图像仿真方法，是在给定2维涡旋流场和风场条件下，利用SAR海洋成像模型生成随机海面的2维海浪谱，再根据2维海浪谱与SAR图像之间的调制传递函数，生成仿真涡旋SAR图像。

涡旋SAR图像仿真方法分为两步，如图1所示。首先，输入涡旋流场参数，基于涡旋动力学模型建立涡旋2维流场(于2.1节介绍)。然后，将仿真的涡旋流场和海面风场输入到SAR海洋成像仿真模型，通过设置SAR参数获得仿真涡旋SAR图像(于2.2节介绍)。

图 1 涡旋SAR图像仿真方法流程图

Figure 1. Flow chart of the simulation method of SAR eddy image

下载: 全尺寸图片幻灯片

2.1 涡旋2维流场仿真

涡旋一般遵循流体力学的纳维-斯托克斯(Navier-Stokes，简写N-S)方程，根据方程中黏性力项、惯性力项以及离心力项的平衡关系，可以建立不同的涡旋模型。常见的涡旋模型包括Rankine涡旋、Oseen涡旋、Sullivan涡旋以及Burgers-Rott涡旋^[18–20]，其中，Rankine涡旋模型没有考虑N-S方程中的黏性力项，流体以常角速度 $\omega$ 旋转，没有径向速度，因而不能产生涡旋的辐散、辐聚和上升运动；Oseen涡旋模型仅考虑N-S方程中惯性力项的局地项及黏性力项，其轨道是一个圆形涡旋，不符合实际SAR图像中涡旋的形态；Sullivan涡旋模型和Burgers-Rott涡旋模型考虑了N-S方程中全部的黏性力项、惯性力项及离心力项，但由于Sullivan涡旋模型的轨道是一个双螺旋涡旋，Burgers-Rott涡旋模型的轨道是一个螺旋形涡旋，后者与真实SAR图像所呈现的涡旋形状更为接近，因此本文选用Burgers-Rott涡旋模型来建立海洋涡旋的流场。

Burgers-Rott涡旋模型是从N-S方程求得的一个涡旋解^[19,20]，假定涡旋是定常和轴对称的，涡旋速度场在柱坐标系下表示为

$\left\{ \begin{array}{l} {V_r} = \frac{{dr}}{{dt}} = - \frac{\alpha }{2}r\\ {V_\theta } = r\frac{{d\theta }}{{dt}} = \frac{{{\varGamma _0}}}{{2{\text{π}} r}}\left(1 - {{\rm e}^{ - \displaystyle\scriptsize\frac{{\alpha {r^2}}}{{4\upsilon }}}}\right)\\ {V_z} = \frac{{dz}}{{dt}} = \alpha z \end{array} \right.$

(1)

其中， ${V_r},{V_\theta },{V_z}$ 分别是 $r,\theta ,z$ 方向的速度分量， $\alpha$ 为吸入强度， $\upsilon$ 为黏性系数， ${\varGamma _0}$ 是 $r \to \infty$ 时的速度环量， $\varGamma {\rm{ = }}2{\text{π}} r{v_\theta }$ 。

将式(1)转化为直角坐标系，涡旋速度场可表示为

$\left\{ \begin{array}{l} {V_x} = - \frac{\alpha }{2}x - \frac{{{\varGamma _0}\alpha }}{{8{\text{π}} \upsilon }}y\\ {V_y} = \frac{{{\varGamma _0}\alpha }}{{8{\text{π}} \upsilon }}x - \frac{\alpha }{2}y \end{array} \right.$

(2)

其中， ${V_x}$ 为涡旋速度场在 $x$ 方向上的速度分量， ${V_y}$ 是涡旋速度场在 $y$ 方向上的速度分量。

通过设置参数 $\alpha{\text{、}}\ {\varGamma _0}/\upsilon$ 的值，根据式(2)可以得到涡旋2维流场。通过仿真发现， $\alpha$ 的值会影响涡旋流场流速的大小， $\alpha$ 的值越大，涡旋流场流速越大，反之则越小； $\alpha$ 的正负影响涡旋流场的旋向， $\alpha$ 为正，流场顺时针旋转， $\alpha$ 为负，流场逆时针旋转； ${\varGamma _0}{\rm{/}}\upsilon$ 的值则会影响涡旋臂的曲率， ${\varGamma _0}{\rm{/}}\upsilon$ 的值越大，涡旋臂的曲率越大。

2.2 涡旋SAR图像仿真

获得了涡旋的流场之后，下一步将进行涡旋SAR图像的仿真。本文使用SAR海洋成像仿真模型来仿真涡旋SAR图像。SAR海洋成像仿真模型主要分为波流交互作用模型、雷达后向散射模型和SAR成像模型3个部分，如图2所示。

图 2 SAR海洋成像仿真模型示意图^[22]

Figure 2. Schematic diagram of oceanic SAR imagery simulation model^[22]

下载: 全尺寸图片幻灯片

首先，将仿真的涡旋2维流场和海面风场输入到波流交互作用模型，通过求解作用量谱平衡方程，计算给定海面流场和海面风场下被调制的海浪谱。作用量谱平衡方程如式(3)所示^[21]：

$\begin{align} & \frac{{\partial N(\text{x}{\rm{,}}\text{k},t)}}{{\partial t}} + \left[ {{c_g}(\text{k}) + U(\text{x},t)} \right]\frac{{\partial N(\text{x},\text{k},t)}}{{\partial \text{x}}} \\ & \quad\quad - \text{k}\frac{{\partial U(\text{x},t)}}{{\partial \text{x}}}\frac{{\partial N(\text{x},\text{k},t)}}{{\partial \text{k}}} = S(\text{x},\text{k},t) \end{align}$

(3)

其中， $N$ 为微尺度波作用量谱密度， $\text{x} = (x,y)$ 为空间位置矢量， $\text{k} = ({k_x},{k_y})$ 为波数矢量， $U$ 为表面流场， ${c_g}$ 为被调制波浪的群速度， $S$ 为源函数(风场输入、非线性波-波作用和弥散等作用之和)，在本文模型中采用的源函数表达式为

$S(\text{x},\text{k}{\rm{,}}t) = \mu (\text{k})N(\text{x},\text{k}{\rm{,}}t)\left( {1 - \frac{{N(\text{x},\text{k}{\rm{,}}t)}}{{{N_0}(\text{k})}}} \right)$

(4)

其中， ${N_0}$ 为不存在海流时平衡状态下的作用量谱密度， $\mu$ 为松弛率。

作用量谱密度与海浪谱的关系为^[23]

$N(\text{x},\text{k}{\rm{,}}t) = \frac{{\rho {\omega _0}(\text{k})}}{\text{k}}\psi (\text{x},\text{k}{\rm{,}}t)$

(5)

其中， ${\omega _0}(\text{k}) = \sqrt {g\text{k} + (\tau/\rho ){\text{k}^3}}$ , $\tau$ 为表面张力， $\rho$ 为海水密度， $\psi$ 为海浪谱。

令 $Q(\text{x},\text{k}{\rm{,}}t) = 1/N(\text{x},\text{k}{\rm{,}}t)$ , ${Q_0}(\text{k}) = 1/{N_0}(\text{k})$ ，则被流场调制后的海浪谱为

$\begin{align} \frac{{\psi (\text{x},\text{k}{\rm{,}}t)}}{{{\psi _0}(\text{k})}} &= \frac{{{Q_0}(\text{k})}}{{{Q_0}(\text{k}) + \delta Q(\text{x},\text{k}{\rm{,}}t)}} \\ &= \frac{1}{{1 + \displaystyle\frac{{\delta Q(\text{x},\text{k}{\rm{,}}t)}}{{{Q_0}(\text{k})}}}} \end{align}$

(6)

其中， $\delta Q$ 表示调制引起的作用量谱变化量。

然后，将计算得到的海浪谱输入到雷达后向散射模型，在给定雷达频率、入射角、极化方式及雷达视向等雷达参数下，仿真涡旋SAR图像后向散射强度。本文采用的雷达后向散射模型为改进的组合表面模型，是Romeiser和Alpers等在Bragg共振散射模型基础上的改进^[14,15]。该模型同时考虑了长波和中波对短波的倾斜调制和水动力调制，所以从理论和试验研究上更能表现海面微波散射的实际情况，是目前最为完善的海面微波散射模型之一。该模型是基于2维海面坡度，通过傅里叶变换对后向散射截面进行泰勒级数展开，并对后向散射截面进行时间和空间上的平均。由于1阶项平均后为0，因此得到2阶Bragg散射后的海面归一化后向散射系数为^[14,22]

$\begin{align} \left\langle \sigma \right\rangle =& {\sigma ^{(0)}} + \left\langle {{\sigma ^{(2)}}} \right\rangle \\ =& \sigma {|_{{\text{s}} = 0}} + \iint {\left( {{{\left. {\frac{{{\partial ^2}\mathop \sigma \limits^{ \wedge \vee } }}{{\partial \mathop {{s_{\rm p}}}\limits^ \wedge \partial \mathop {{s_{\rm p}}}\limits^ \vee }}} \right|}_{\mathop {\text{s}}\limits^ \wedge = 0}} + {{\left. {\frac{{{\partial ^2}\mathop \sigma \limits^{ \wedge \vee } }}{{\partial \mathop {{s_{\rm p}}}\limits^ \vee \partial \mathop {{s_{\rm p}}}\limits^ \wedge }}} \right|}_{\mathop {{\text{s}}}\limits^ \wedge = 0}}} \right)}\\ & \cdot k_{\rm p}^2\psi (\text{k}){{\rm d}^2}\text{k}\\ & + \iint {\left( {{{\left. {\frac{{{\partial ^2}\mathop \sigma \limits^{ \wedge \vee } }}{{\partial \mathop {{s_{\rm n}}}\limits^ \wedge \partial \mathop {{s_{\rm n}}}\limits^ \vee }}} \right|}_{\mathop {{\text{s}}}\limits^ \wedge = 0}} + {{\left. {\frac{{{\partial ^2}\mathop \sigma \limits^{ \wedge \vee } }}{{\partial \mathop {{s_{\rm n}}}\limits^ \vee \partial \mathop {{s_{\rm n}}}\limits^ \wedge }}} \right|}_{\mathop {{\text{s}}}\limits^ \wedge = 0}}} \right)}\\ & \cdot k_{\rm n}^2\psi (\text{k}){{\rm d}^2}\text{k}\\ &+ \iint \left( {{\left. {\frac{{{\partial ^2}\mathop \sigma \limits^{ \wedge \vee } }}{{\partial \mathop {{s_{\rm p}}}\limits^ \wedge \partial \mathop {{s_{\rm n}}}\limits^ \vee }}} \right|}_{\mathop {{\text{s}}}\limits^ \wedge = 0}} + {{\left. {\frac{{{\partial ^2}\mathop \sigma \limits^{ \wedge \vee } }}{{\partial \mathop {{s_{\rm n}}}\limits^ \vee \partial \mathop {{s_{\rm p}}}\limits^ \wedge }}} \right|}_{\mathop {{\text{s}}}\limits^ \wedge = 0}}\right. \\ & \left. + {{\left. {\frac{{{\partial ^2}\mathop \sigma \limits^{ \vee \wedge } }}{{\partial \mathop {{s_{\rm p}}}\limits^ \vee \partial \mathop {{s_{\rm n}}}\limits^ \wedge }}} \right|}_{\mathop {{\text{s}}}\limits^ \wedge = 0}} + {{\left. {\frac{{{\partial ^2}\mathop \sigma \limits^{ \vee \wedge } }}{{\partial \mathop {{s_{\rm n}}}\limits^ \vee \partial \mathop {{s_{\rm p}}}\limits^ \wedge }}} \right|}_{\mathop {{\text{s}}}\limits^ \wedge = 0}} \right) \\ & \cdot {k_{\rm p}}{k_{\rm n}}\psi (\text{k}){{\rm d}^2}\text{k} \end{align}$

(7)

其中， ${\sigma ^{(0)}}$ 为平静海面的归一化后向散射系数； $\left\langle {{\sigma ^{(2)}}} \right\rangle$ 表示表面坡度引起的2阶Bragg散射之和；符号 $\left\langle \cdot \right\rangle$ 表示统计平均； $\text{s} = \left( {{s_{\rm{p}}},{s_{\rm{n}}}} \right)$ 为海面坡度； ${k_{\rm{p}}}$ , ${k_{\rm{n}}}$ 分别为平行和垂直于雷达视向的Bragg波波数分量； $\psi \left( \text{k} \right)$ 为海浪波数谱；符号 $\wedge$ 和 $\vee$ 分别表示 $\sigma$ 对波数 $\text{k}$ 的傅里叶变换及其共轭； $\wedge \wedge$ 和 $\vee \vee$ 表示 $\sigma$ 对组合波数 ${k_1} + {k_2}$ 的傅里叶变换及其共轭； $\wedge \vee$ 和 $\vee \wedge$ 表示 $\sigma$ 对组合波数 ${k_1} - {k_2}$ 的傅里叶变换及其共轭。

上述过程中，利用海浪谱与雷达后向散射模型得到仿真的海面归一化后向散射系数，但这是一个实孔径雷达成像过程，SAR图像仿真还需考虑海面运动的影响。当目标存在沿雷达视线方向的径向速度时，将在方位向上产生偏移 $\Delta x$ ：

$\Delta x = - \frac{R}{V\ \, }{v_{\rm r}} = \frac{{R\lambda }}{{2V\ }}{f_{\rm D}}$

(8)

其中， $R$ 是雷达至目标的距离， $V\;$ 是平台飞行速度， $\lambda$ 是雷达波长， ${f_{\rm{D}}} = - \displaystyle\frac{{2{v_{\rm{r}}}}}{\lambda }$ 是目标速度导致的Doppler谱中心偏移。对于海面而言，由于其各点速度不同，在方位向上偏移量不同，导致SAR海面图像产生压缩或拉伸的现象，即速度聚束效应^[24]。此外，分辨单元内不同散射点速度的分布方差将造成回波Doppler谱展宽，并导致分辨率下降。SAR成像模型通过计算每个分辨单元的平均Doppler谱中心和方差引入海面运动对SAR成像造成的影响。

这里采用Romeiser和Thompson^[25]给出的双高斯形Doppler谱模型计算Doppler谱中心和方差，该模型将海面回波Doppler谱分成朝向雷达和远离雷达两个传播方向的Bragg波Doppler谱的叠加，每个Doppler谱分量为高斯形，其具体表达式为

$\begin{align} W({f_{\rm D}}) =& \frac{{ \left\langle{\sigma _ + } \right\rangle }}{{\sqrt {2{\text{π}} \gamma _{{\rm D} + }^2} }}{{\rm e}^{ - {{\left({f_{\rm D}} - {\left\langle{f_{{\rm D} + }}\right\rangle_\sigma }\right)}^2}/\gamma _{{\rm D} + }^2}} \\ & + \frac{{ \left\langle{\sigma _ - } \right\rangle }}{{\sqrt {2{\text{π}} \gamma _{{\rm D} - }^2} }}{{\rm e}^{ - {{\left({f_{\rm D}} - {\left\langle{f_{{\rm D} - }} \right\rangle_\sigma }\right)}^2}/\gamma _{{\rm D} - }^2}} \end{align}$

(9)

其中， $\pm$ 表示远离雷达方向和朝向雷达方向的两组Bragg波分量， $\left\langle{f_{{\rm{D}} \pm }} \right\rangle _\sigma$ 表示经过归一化后向散射系数 $\sigma$ 加权的平均Doppler中心； ${\gamma _{{\rm D} \pm }}$ 表示Doppler谱的方差。 $\left\langle{f_{{\rm D} \pm }}\right\rangle _\sigma$ 和 ${\gamma _{{\rm D} \pm }}$ 的具体计算过程可以参考文献[25]，这里不再赘述。

另外，仿真的SAR图像还需考虑噪声的影响，本文涡旋SAR图像仿真过程中，仅考虑热噪声对仿真SAR图像信噪比的影响。信噪比由噪声等效后向散射系数以及海面归一化后向散射系数所决定：

${\rm{SNR(dB) = }}\left\langle \sigma \right\rangle - NE{\sigma ^0}$

(10)

其中，海面归一化后向散射系数 $\left\langle \sigma \right\rangle$ 由入射角、雷达频率、极化方式、海面风速等参数所决定， $NE{\sigma ^0}$ 为噪声等效后向散射系数，由系统硬件参数所决定。因此，SAR成像模型根据给定的仿真输入参数计算信噪比，从而得到具有统计特性的仿真涡旋SAR图像。

3. 涡旋SAR图像仿真实验

根据涡旋旋转方向的不同，可将涡旋分为气旋式涡旋与反气旋式涡旋^[26]。气旋式涡旋在北半球逆时针旋转，在南半球顺时针旋转；反气旋式涡旋在北半球顺时针旋转，在南半球逆时针旋转。不同旋转方向的涡旋将产生不同的涡旋流场，从而在SAR图像中呈现不同的涡旋特征。下面，本文分别针对气旋式涡旋与反气旋式涡旋进行仿真实验。

3.1 气旋式涡旋仿真实验

图3是一幅ERS-2 SAR图像，图像获取时间为2009.08.19, 02:23:50 UTC，获取地点为中国东海海域。图中方框1处为一个气旋式涡旋，旋转方向为逆时针。为了便于对比仿真SAR图像与真实SAR图像，将方框1处的涡旋截取出来，截取图像尺寸为18 km×24 km，如图4所示。ERS-2 SAR图像的具体雷达参数如表1所示。

图 3 中国东海海域获取的ERS-2 SAR图像，获取时间为2009.08.19, 02:23:50 UTC

Figure 3. ERS-2 SAR image of the East China Sea obtained on August 19, 2009 at 02:23:50 UTC

下载: 全尺寸图片幻灯片

图 4 从方框1处截取的涡旋SAR图像

Figure 4. Enlargement of the eddy in Frame 1

下载: 全尺寸图片幻灯片

表 1 ERS-2 SAR参数

Table 1. SAR parameters of ERS-2

参数	数值
极化方式	VV
波段	C
入射角	23.0°
平台高度	780 km
平台速度	7500 m/s

下载: 导出CSV

| 显示表格

从欧洲中期天气预报中心(Europe Centre for Medium-Range Weather Forecasts, ECMWF)获取2009.08.19, 03:00:00时刻的风场再分析资料，分辨率为0.125°×0.125°。根据数据显示，涡旋区域附近的风速为1.4 m/s，风向为257.9°。从全球海洋数据同化系统(Global Ocean Data Assimilation System, GODAS)获取相同位置的5日平均流场再分析资料，分辨率为(1/3)°×1°。根据数据显示，涡旋区域附近的流速为0.61 m/s。因此，设置参数 $\alpha$ 为–0.003486，流场大小设置为18 km×24 km，空间分辨率为100 m，雷达参数设置为表1中ERS-2SAR参数。

图5(a)、图5(b)分别是该涡旋的仿真SAR图像与获取的真实SAR图像，仿真时设定的雷达参数、海面风场条件与真实SAR图像获取条件完全一致。对比图5(a)、图5(b)两图发现，仿真SAR图像与真实SAR图像中的涡旋臂形状几乎一致，涡旋臂的亮暗特征也基本吻合。从逆时针方向看，涡旋臂由外到内的亮暗特征均为亮-暗-亮，这种亮暗特征的变化是由雷达后向散射引起的布拉格波谱密度变化导致的^[7]。这初步验证了仿真方法的正确性。

图 5 相同参数下仿真SAR图像与ERS-2 SAR图像对比图

Figure 5. Comparison of simulated SAR image and ERS-2 SAR image under the same parameters

下载: 全尺寸图片幻灯片

为了进一步验证仿真方法的正确性，定量地描述仿真SAR图像与真实SAR图像的中涡旋的相似程度，采用文献[9]中基于对数螺旋线边缘拟合的SAR图像涡旋信息提取方法，提取仿真SAR图像和真实SAR图像中涡旋的中心位置、直径及边缘长度，并加以比较。拟合及提取结果如图6所示，红色加号表示涡旋中心位置，黄色箭头表示涡旋直径，蓝色曲线表示涡旋边缘，具体数值如表2所示。

图 6 仿真SAR图像与ERS-2 SAR图像涡旋信息提取

Figure 6. Eddy information extraction of simulated SAR image and ERS-2 SAR image

下载: 全尺寸图片幻灯片

表 2 涡旋信息提取结果

Table 2. Results of eddy information extraction

SAR图像	涡旋中心位置	涡旋直径	涡旋边缘长度
仿真SAR图像	(116,75)	18.9 km	35.7 km
真实SAR图像	(113,71)	18.7 km	35.4 km
绝对/相对误差	(3,4)/—	0.2 km/0.011	0.3 km/0.008

下载: 导出CSV

| 显示表格

对比仿真SAR图像与真实SAR图像的涡旋信息提取结果，可以发现两幅图像中涡旋的中心位置较为一致，方位向和距离向上仅相差3～4个像素点，涡旋直径及边缘长度的相对误差均不超过0.011，证明本文提出的基于Burgers-Rott涡旋模型的涡旋SAR图像仿真方法能够实现气旋式涡旋的SAR图像仿真，并且仿真SAR图像与真实SAR图像能够较好地吻合。

3.2 反气旋式涡旋仿真实验

3.1节对气旋式涡旋进行了仿真实验，本节将针对反气旋式涡旋进行仿真实验。图7是一幅ENVISAT-1 ASAR图像，图像获取时间为2010.06.11, 01:51:48 UTC，获取地点在吕宋海峡。图中方框2处为一个反气旋式涡旋，旋转方向为顺时针。将方框2处的涡旋截取出来，截取图像尺寸为24 km×24 km，如图8所示。ENVISAT-1 ASAR图像的具体雷达参数如表3所示。

图 7 吕宋海峡获取的ENVISAT-1 ASAR图像，获取时间为2010.06.11, 01:51:48 UTC

Figure 7. ENVISAT-1 ASAR image of the Luson Strait obtained on June 11, 2010 at 01:51:48 UTC

下载: 全尺寸图片幻灯片

图 8 方框2处截取的涡旋SAR图像

Figure 8. Enlargement of the eddy in Frame 2

下载: 全尺寸图片幻灯片

表 3 ENVISAT-1 ASAR参数

Table 3. ASAR parameters of ENVISAT-1

参数	数值
极化方式	HH
波段	C
入射角	26.7°
平台高度	800 km
平台速度	7455 m/s

下载: 导出CSV

| 显示表格

从ECMWF获取2010.06.11, 03:00:00时刻的风场再分析资料，分辨率为0.125°×0.125°。根据数据显示，涡旋区域附近的风速为2.1 m/s，风向为45°。从GODAS获取相同位置的5日平均流场再分析资料，分辨率为(1/3)°×1°。根据数据显示，涡旋区域附近的流速为0.23 m/s。因此，设置参数 $\alpha$ 为0.000657，流场大小设置为24 km×24 km，空间分辨率为100 m，雷达参数设置为表3中ENVISAT-1 ASAR参数。

图9(a)、图9(b)分别是该涡旋的仿真SAR图像与真实SAR图像，仿真时设定的雷达参数、海面风场条件与真实SAR图像完全一致。对比图9(a)、图9(b)两图发现，仿真SAR图像与真实SAR图像中的涡旋形状基本一致，涡旋臂的亮暗特征也较为吻合。从顺时针方向看，涡旋臂从外到内均呈现为由暗到亮的特征。该结果与Lyzenga等人^[6]研究结果一致，初步验证了仿真方法的正确性。

图 9 相同参数下仿真SAR图像与ENVISAT-1 ASAR图像对比图

Figure 9. Comparison of simulated SAR image and ENVISAT-1 ASAR image under the same parameters

下载: 全尺寸图片幻灯片

为了定量地描述仿真SAR图像与真实SAR图像的中涡旋的相似性，同样采用3.1节中的分析方法，得到涡旋拟合结果如图10所示，提取的涡旋信息如表4所示。

图 10 仿真SAR图像与ENVISAT-1 ASAR图像涡旋信息提取

Figure 10. Eddy information extraction of simulated SAR image and ENVISAT-1 ASAR image

下载: 全尺寸图片幻灯片

表 4 涡旋信息提取结果

Table 4. Results of eddy information extraction

SAR图像	涡旋中心位置	涡旋直径	涡旋边缘尺寸
仿真SAR图像	(144,78)	24.0 km	49.4 km
真实SAR图像	(147,81)	23.9 km	49.7 km
绝对/相对误差	(3,3)/—	0.1 km/0.004	0.3 km/0.006

下载: 导出CSV

| 显示表格

对比仿真SAR图像与真实SAR图像的涡旋信息提取结果，可以发现两幅图像中涡旋的中心位置较为接近，方位向和距离向上均相差3个像素点，涡旋直径及边缘尺寸相对误差均不超过0.006，这进一步验证了仿真方法的正确性，说明本文提出的基于Burgers-Rott涡旋模型的涡旋SAR图像仿真方法能够实现反气旋式涡旋的SAR图像仿真。

4. 总结

本文基于Burgers-Rott涡旋模型，提出了一种涡旋SAR图像仿真方法，并分别针对气旋式涡旋与反气旋式涡旋进行了仿真实验。通过将仿真SAR图像与真实SAR图像对比验证发现，本文提出的涡旋SAR图像仿真方法能够实现气旋式涡旋和反气旋式涡旋的SAR图像仿真，且仿真SAR图像与真实SAR图像能够较好地吻合。

通过涡旋SAR图像仿真实验发现，无论气旋式涡旋还是反气旋式涡旋，其涡旋臂在SAR图像中都会呈现亮暗交替变化的特征。其中，气旋式涡旋臂呈现两个亮暗交替周期，即亮-暗-亮；反气旋式涡旋臂呈现一个亮暗交替周期，即暗-亮。这是由于这两个涡旋臂的曲率不同，气旋式涡旋臂曲率较大，亮暗交替周期较多，反气旋式涡旋臂曲率较小，亮暗交替周期较少。

由于涡旋在SAR成像时会受到各种海洋环境因素的影响，通过真实SAR图像难以完全解译涡旋的特征。本文提出的SAR图像仿真方法能够弥补这种不足，可以清晰地获取涡旋的尺度、亮暗等特征，这为海洋涡旋特征的解译和提取提供了便利。

表 1 典型STAP方法

Table 1. Typical STAP methods

序号	关键技术问题	典型STAP方法
1	运算量和误差问题	降维STAP方法
1	运算量和误差问题	降秩STAP方法
2	非均匀杂波问题	功率非均匀抑制法
		非均匀检测器
		直接数据域法
		模型参数化STAP方法
		知识辅助STAP方法
		稀疏恢复STAP方法
		混合STAP方法
3	非平稳杂波问题	1维补偿类方法
		2维补偿类方法
		空时内插类方法
		权值调整类方法
		逆协方差矩阵预测类方法
		3D-STAP方法
4	空时自适应检测问题	基于GLRT准则的STAD
		基于Rao准则的STAD
		基于Wald准则的STAD

下载: 导出CSV

表 2 国内外典型STAP实时处理系统

Table 2. Typical STAP real-time processing systems at home and abroad

时间(年)	国家	机构	STAP系统
1994	中国	西安电子科技大学	机载预警雷达实验系统，由大约100片DSP21060/ADSP21062构成
1996	美国	MHPCC(Maui High Performance Computer Center) MIT	采用IBM超级计算机SP2，主要用于处理Mountain Top实测数据
1996	美国	AFRL	MCARM实验系统：L波段，28个Paragon处理节点
2000	美国	Raytheon	UESA (UHF Electronically Scanned Array)计划，UHF频段电扫阵列，主要用于预警机雷达升级改造试验
2002	美国	MIT	KASSPER项目，基于知识辅助的机载雷达实验验证
2004	美国	AFRL	自组织智能雷达系统AIRS，将人工智能与知识辅助相结合的新一代雷达
2005	美国	AFRL	无人机联合侦察与作战计划，充分运用了KASSPER和AIRS实验的成果
2006	中国	空军预警学院	机载雷达通用可编程STAP系统，实现了三/四通道机载预警雷达实测数据的实时处理
2008	英国	QinetiQ Malvern	PACER (Phased Array Concepts Evaluation RIG)雷达原理样机，32个自适应接收通道
2012	中国	中国电科集团公司14所/38所	多通道机载预警雷达STAP系统

下载: 导出CSV

参考文献(101)

[1]	Brennan L E and Reed I S. Theory of adaptive radar[J]. IEEE Transactions on Aerospace and Electronic Systems, 1973, AES-9(2): 237–252. DOI: 10.1109/TAES.1973.309792
[2]	Klemm R. Space-Time Adaptive Processing: Principles and Applications[M]. Stevenage, UK: IEE Publishers, 1998.
[3]	王永良, 彭应宁. 空时自适应信号处理[M]. 北京: 清华大学出版社, 2000. Wang Y L and Peng Y N. Space-Time Adaptive Processing[M]. Beijing: Tsinghua University Press, 2000.
[4]	Klemm R. Principles of Space-Time Adaptive Processing[M]. Second Edition, Stevenage, Herts., UK: IEE Publishers, 2002.
[5]	Guerci J R. Space-Time Adaptive Processing for Radar[M]. Boston: Artech House, 2003.
[6]	Klemm R. Applications of Space-Time Adaptive Processing[M]. London: IEE Publishers, 2004.
[7]	Klemm R. Principles of Space-Time Adaptive Processing[M]. Third edition, London, UK: IEE Publishers, 2006.
[8]	Ward J. Space-time adaptive processing for airborne radar[R]. No. 1015. London: MIT Lincoln Laboratory, 1994.
[9]	Melvin W L. Space-time adaptive processing and adaptive arrays: Special collection of papers[J]. IEEE Transactions on Aerospace and Electronic Systems, 2000, 36(2): 508–509. DOI: 10.1109/7.845233
[10]	Klemm R. Special issue on space-time adaptive processing (STAP)[J]. Electronics & Communications Engineering Journal, 1999, 11(1): 2.
[11]	Rangaswamy M. An overview of space-time adaptive processing for radar[C]. Proceedings of IEEE International Conference on Radar, Adelaide, Australia, 2003: 45–50.
[12]	Melvin W L. A STAP overview[J]. IEEE Aerospace and Electronic Systems Magazine, 2004, 19(1/2): 19–35.
[13]	Wicks M C, Rangaswamy M, Adve R, et al. Space-time adaptive processing: A knowledge-based perspective for airborne radar[J]. IEEE Signal Processing Magazine, 2006, 23(1): 51–65. DOI: 10.1109/MSP.2006.1593337
[14]	Greve S, Ries P, Lapierre F, et al. Framework and taxonomy for radar space-time adaptive processing (STAP) methods[J]. IEEE Transactions on Aerospace and Electronic Systems, 2007, 43(3): 1084–1099. DOI: 10.1109/TAES.2007.4383596
[15]	王永良, 李天泉. 机载雷达空时自适应信号处理技术回顾与展望[J]. 中国电子科学研究院学报, 2008, 3(3): 271–275, 296. DOI: 10.3969/j.issn.1673-5692.2008.03.010 Wang Y L and Li T Q. Overview and outlook of space time adaptive signal processing for airborne radar[J]. Journal of CAEIT, 2008, 3(3): 271–275, 296. DOI: 10.3969/j.issn.1673-5692.2008.03.010
[16]	Maher J, Callahan M, and Lynch D. Effects of clutter modeling in evaluating STAP processing for space-based radars[C]. Proceedings of the Record of the IEEE 2000 International Radar Conference, Alexandria, VA, 2000: 565–570.
[17]	Lesturgie M. Use of STAP techniques to enhance the detection of slow targets in shipborne HFSWR[C]. Proceedings of International Radar Conference, Adelaide, Australia, 2003: 504–509.
[18]	Ender J H G. Space-time processing for multichannel synthetic aperture radar[J]. Electronics&Communications Engineering Journal, 1999, 11(1): 29–38.
[19]	Paulraj A J and Lindskog E. Taxonomy of space-time processing for wireless networks[J]. IEE Proceedings-Radar,Sonar and Navigation, 1998, 145(1): 25–31. DOI: 10.1049/ip-rsn:19981807
[20]	Fante R L and Vaccaro J J. Wideband cancellation of interference in a GPS receive array[J]. IEEE Transactions on Aerospace and Electronic Systems, 2000, 36(2): 549–564. DOI: 10.1109/7.845241
[21]	Brennan L E, Mallett J D, and Reed I S. Adaptive arrays in airborne MTI radar[J]. IEEE Transactions on Antennas and Propagation, 1976, 24(5): 607–615. DOI: 10.1109/TAP.1976.1141412
[22]	Titi W G. An overview of the ARPA/NAVY mountaintop program[C]. Proceedings of IEEE Adaptive Antenna Systems Symposium, Melville, NY, 1994.
[23]	Suresh Babu, Torres J A, and Melvin W L. Processing and evaluation of multichannel airborne radar measurements (MCARM) measured data[C]. Proceedings of IEEE International Symposium on Phased Array Systems and Technology, Boston, MA, 1996: 395–399.
[24]	Schrader G E. The knowledge aided sensor signal processing and expert reasoning (KASSPER) real-time signal processing architecture[C]. Proceedings of IEEE Radar Conference, Philadelphia, PA, USA, 2004: 394–397.
[25]	Klemm R. Adaptive airborne MTI: An auxiliary channel approach[J]. IEE Proceedings F Communications,Radar and Signal Processing, 1987, 134(3): 269–276. DOI: 10.1049/ip-f-1.1987.0054
[26]	保铮, 廖桂生, 吴仁彪, 等. 相控阵机载雷达杂波抑制的时-空二维自适应滤波[J]. 电子学报, 1993, 21(9): 1–7 Bao Z, Liao G S, Wu R B, et al. 2-D temporal-spatial adaptive clutter suppression for phased array airborne radars[J]. Acta Electronica Sinica, 1993, 21(9): 1–7
[27]	Wang Y L, Peng Y N, and Bao Z. Space-time adaptive processing for airborne radar with various array orientation[J]. IEE Proceedings Radar,Sonar Navigation, 1997, 144(6): 330–340.
[28]	Dipietro R C. Extended factored space-time processing for airborne radar systems[C]. Proceedings of the 26th Asilomar Conference on Signals, Systems and Computers, Pacific Grove, CA, 1992, 1: 425–430.
[29]	Wang H and Cai L J. On adaptive spatial-temporal processing for airborne surveillance radar systems[J]. IEEE Transactions on Aerospace and Electronic Systems, 1994, 30(3): 660–670. DOI: 10.1109/7.303737
[30]	Brown R D, Wicks M C, Zhang Y, et al.. A space-time adaptive processing approach for improved performance and affordability[C]. Proceedings of IEEE National Radar Conference, Ann Arbor, MI, 1996: 321–326.
[31]	Wang Y L, Chen J W, Bao Z, et al. Robust space-time adaptive processing for airborne radar in nonhomogeneous clutter environments[J]. IEEE Transactions on Aerospace and Electronic Systems, 2003, 39(1): 71–81.
[32]	Klemm R. Adaptive clutter suppression for airborne phased array radar[J]. IEE Proceedings H-Microwaves,Optics and Antennas, 1983, 130(1): 125–132. DOI: 10.1049/ip-h-1.1983.0021
[33]	Brennan L E and Staudaher F M. Subclutter visibility demonstration[R]. RL-TR-92-21, Adaptive Sensors Incorporated, 1992.
[34]	Haimovich A M and Berin M. Eigenanalysis-based space-time adaptive radar: Performance analysis[J].IEEE Transactions on Aerospace and Electronic Systems, 1997, 33(4): 1170–1179. DOI: 10.1109/7.625104
[35]	Goldstein J S and Reed I S. Reduced-rank adaptive filtering[J]. IEEE Transactions on Signal Processing, 1997, 45(2): 492–496.
[36]	张良. 机载相控阵雷达降维STAP研究[D]. [博士论文], 西安电子科技大学, 1999. Zhang L. Study of reduced-rank STAP for airborne phased array radar[D]. [Ph.D. dissertation], Xidian University, 1999.
[37]	Rabideau D J and Steinhardt A O. Improved adaptive clutter cancellation through data-adaptive training[J]. IEEE Transactions on Aerospace and Electronic Systems, 1999, 35(3): 879–891. DOI: 10.1109/7.784058
[38]	Kogon S M and Zatman M A. STAP adaptive weight training using phase and power selection criteria[C]. Proceedings of the 35th Asilomar Conference on Signals, Systems and Computers, Pacific Grove, CA, 2001, 1: 98–102.
[39]	Melvin W L, Wicks M C, and Brown R D. Assessment of multichannel airborne radar measurements for analysis and design of space-time processing architectures and algorithms[C]. Proceedings of IEEE National Radar Conference, Ann Arbor, Michigan, 1996: 130–135.
[40]	Adve R S, Hale T B, and Wicks M C. Transform domain localized processing using measured steering vectors and non-homogeneity detection[C]. Proceedings of the Record of the 1999 IEEE Radar Conference, Boston, MA, 1999: 285–290.
[41]	Wicks M C, Melvin W L, and Chen P. An efficient architecture for nonhomogeneity detection in space-time adaptive processing airborne early warning radar[C]. Proceedings of (Conf. Publ. No. 449) Radar 97, Edinburgh, UK, 1997: 295–299.
[42]	吴洪, 王永良, 陈建文. 基于频心法的STAP非均匀检测器[J]. 系统工程与电子技术, 2008, 30(4): 606–608. DOI: 10.3321/j.issn:1001-506X.2008.04.005 Wu H, Wang Y L, and Chen J W. Nonhomogeneous detector for STAP based on spectral center frequency method[J]. Systems Engineering and Electronics, 2008, 30(4): 606–608. DOI: 10.3321/j.issn:1001-506X.2008.04.005
[43]	Sarkar T K, Wang H, Park S, et al. A deterministic least-squares approach to space-time adaptive processing (STAP)[J]. IEEE Transactions on Antennas and Propagation, 2001, 49(1): 91–103. DOI: 10.1109/8.910535
[44]	Roman J R, Rangaswamy M, Davis D W, et al. Parametric adaptive matched filter for airborne radar applications[J]. IEEE Transactions on Aerospace and Electronic Systems, 2000, 36(2): 677–692.
[45]	Parker P and Swindlehurst A. Space-time autoregressive filtering for matched subspace STAP[J]. IEEE Transactions on Aerospace and Electronic Systems, 2003, 39(2): 510–520.
[46]	Wang P, Li H B, and Himed B. Knowledge-aided parametric tests for multichannel adaptive signal detection[J]. IEEE Transactions on Signal Processing, 2011, 59(12): 5970–5982.
[47]	段克清, 谢文冲, 高飞, 等. 基于杂波自由度的STAR模型参数估计方法[J]. 信号处理, 2009, 25(11): 1715–1718. DOI: 10.3969/j.issn.1003-0530.2009.11.010 Duan K Q, Xie W C, Gao F, et al. Parameters estimation method for STAR model based on clutter degree of freedom[J]. Signal Processing, 2009, 25(11): 1715–1718. DOI: 10.3969/j.issn.1003-0530.2009.11.010
[48]	Guerci J R and Baranoski E J. Knowledge-aided adaptive radar at DARPA: An overview[J]. IEEE Signal Processing Magazine, 2006, 23(1): 41–50.
[49]	Melvin W L and Guerci J R. Knowledge-aided signal processing: A new paradigm for radar and other advanced sensors[J]. IEEE Transactions on Aerospace and Electronic Systems, 2006, 42(3): 983–996.
[50]	Melvin W L and Showman G A. An approach to knowledge-aided covariance estimation[J]. IEEE Transactions on Aerospace and Electronic Systems, 2006, 42(3): 1021–1042.
[51]	Xie W C, Duan K Q, Gao F, et al. Clutter suppression for airborne phased radar with conformal arrays by least squares estimation[J]. Signal Processing, 2011, 91(7): 1665–1669.
[52]	Maria S and Fuchs J J. Application of the global matched filter to STAP data an efficient algorithmic approach[C]. Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing, Toulouse, 2006: 14–19.
[53]	Sun K, Meng H D, Wang Y L, et al. Direct data domain STAP using sparse representation of clutter spectrum[J]. Signal Processing, 2011, 91(9): 2222–2236.
[54]	Yang Z C, Rodrigo C. de Lamare, and Li X. L1-regularized STAP algorithms with a generalized sidelobe canceler architecture for airborne radar[J]. IEEE Transactions on Signal Processing, 2012, 60(2): 674–686.
[55]	Ma Z Q, Liu Y M, Meng H D, et al.. Jointly Sparse recovery of multiple snapshots in STAP[C]. Proceedings of IEEE Radar Conference, Ottawa, ON, 2013: 1–4.
[56]	王泽涛, 段克清, 谢文冲, 等. 基于SA-MUSIC理论的联合稀疏恢复STAP算法[J]. 电子学报, 2015, 43(5): 846–853. DOI: 10.3969/j.issn.0372-2112.2015.05.003 Wang Z T, Duan K Q, Xie W C, et al. A joint sparse recovery STAP method based on SA-MUSIC[J]. Acta Electronica Sinica, 2015, 43(5): 846–853. DOI: 10.3969/j.issn.0372-2112.2015.05.003
[57]	Adve R S, Hale T B, and Wicks M C. Practical joint domain localised adaptive processing in homogeneous and nonhomogeneous environments. Part 2: Nonhomogeneous environments[J]. IEE Proceedings-Radar,Sonar and Navigation, 2000, 147(2): 66–74.
[58]	Aboutanios E and Mulgrew B. Hybrid detection approach for STAP in heterogeneous clutter[J]. IEEE Transactions on Aerospace and Electronic Systems, 2010, 46(3): 1021–1033.
[59]	Gerlach K and Picciolo M L. Robust STAP using reiterative censoring[C]. Proceedings of IEEE Radar Conference, Huntsville, AL, 2003: 244–251.
[60]	Shackelford A K, Gerlach K, and Blunt S D. Partially adaptive STAP using the FRACTA algorithm[J]. IEEE Transactions on Aerospace and Electronic Systems, 2009, 45(1): 58–69.
[61]	Blunt S D, Gerlach K, and Rangaswamy M. STAP using knowledge-aided covariance estimation and the FRACTA algorithm[J]. IEEE Transactions on Aerospace and Electronic Systems, 2006, 42(3): 1043–1057. DOI: 10.1109/TAES.2006.248197
[62]	Borsari G K. Mitigating effects on STAP processing caused by an inclined array[C]. Proceedings of IEEE Radar Conference, Dallas, TX, 1998: 135–140.
[63]	魏进武, 王永良, 陈建文. 双基地机载预警雷达空时自适应处理方法[J]. 电子学报, 2001, 29(S1): 1936–1939. DOI: 10.3321/j.issn:0372-2112.2001.z1.051 Wei J W, Wang Y L, and Chen J W. Space-time adaptive processing approaches to bistatic airborne early warning radar[J]. Acta Electronica Sinica, 2001, 29(S1): 1936–1939. DOI: 10.3321/j.issn:0372-2112.2001.z1.051
[64]	Pearson F and Borsari G K. Simulation and analysis of adaptive interference suppression for bistatic surveillance radars[C]. Proceedings of the Adaptive Sensor Array Processing Workshop, Lexington, MA, 2001.
[65]	Himed B, Zhang Y H, and Hajjari A. STAP with angle-Doppler compensation for bistatic airborne radar[C]. Proceedings of IEEE Radar Conference, Long Beach, CA, 2002: 311–317.
[66]	Jaffer A and Ho P T. Adaptive angle-Doppler compensation techniques for bistatic STAP radars[R]. AFRL-SN-RS-TR-2005-398, AFRL, 2005.
[67]	Lapierre F D, Verly J G, and Van Droogenbroeck M V. New solutions to the problem of range dependence in bistatic STAP radars[C]. Proceedings of IEEE Radar Conference, Huntsville, AL, USA, 2003: 452–459.
[68]	Lapierre F D and Verly J G. Registration-based solutions to the range-dependence problem in radar STAP[C]. Proceedings of the 11th Adaptive Sensor Array Processing Workshop, Lexington, MA, 2003: 1–6.
[69]	Xie W C, Zhang B H, Wang Y L, et al. Range ambiguity clutter suppression for bistatic STAP radar[J]. EURASIP Journal on Advances in Signal Processing, 2013, 2013(75): 1–13. DOI: 10.1186/1687-6180-2013-13
[70]	Friedlander B. The MVDR beamformer for circular arrays[C]. Proceedings of the 34th Asilomar Conference on Signals, Systems and Computers, Pacific Grove, CA, USA, 2000: 25–29.
[71]	Varadarajan V and Krolik J L. Joint space-time interpolation for distorted linear and bistatic array geometries[J]. IEEE Transactions on Signal Processing, 2006, 56(3): 848–860.
[72]	彭晓瑞, 谢文冲, 王永良. 一种基于空时内插的双基地机载雷达杂波抑制方法[J]. 电子与信息学报, 2010, 32(7): 1697–1702. DOI: 10.3724/SP.J.1146.2009.00975 Peng X R, Xie W C, and Wang Y L. Improved joint space-time interpolation technique for bistatic airborne radar[J]. Journal of Electronics&Information Technology, 2010, 32(7): 1697–1702. DOI: 10.3724/SP.J.1146.2009.00975
[73]	Zatman M. Circular array STAP[J]. IEEE Transactions on Aerospace and Electronic Systems, 2000, 36(2): 510–517. DOI: 10.1109/7.845235
[74]	王万林. 非均匀环境下的相控阵机载雷达STAP研究[D]. [博士论文], 西安电子科技大学, 2004. Wang W L. Study on STAP for phased array airborne radar in nonhomogeneous environment[D]. [Ph.D. dissertation], Xidian University, 2004.
[75]	Lim C H and Mulgrew B. Prediction of inverse covariance matrix (PICM) sequences for STAP[J]. IEEE Signal Processing Letters, 2006, 13(4): 236–239. DOI: 10.1109/LSP.2005.863654
[76]	Lim C H, See C M S, and Mulgrew B. Non-linear prediction of inverse covariance matrix for STAP[C]. Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing, Honolulu, HI, 2007: II-921–II-924.
[77]	高飞, 谢文冲, 王永良. 非均匀杂波环境3D-STAP方法研究[J]. 电子学报, 2009, 37(4): 868–872. DOI: 10.3321/j.issn:0372-2112.2009.04.036 Gao F, Xie W C, and Wang Y L. Research on 3D-STAP methods in non-stationary clutter[J]. Acta Electronica Sinica, 2009, 37(4): 868–872. DOI: 10.3321/j.issn:0372-2112.2009.04.036
[78]	Wang Y L, Duan K Q, and Xie W C. Cross beam STAP for nonstationary clutter suppression in airborne radar[J]. International Journal of Antennas and Propagation, 2013, 2013: 276310. DOI: 10.1155/2013/276310
[79]	段克清, 谢文冲, 王永良. 共形阵机载雷达杂波非平稳特性及抑制方法研究[J]. 中国科学: 信息科学, 2011, 54(10): 2170–2177 Duan K Q, Xie W C, and Wang Y L. Nonstationary clutter suppression for airborne conformal array radar[J]. Science China Information Sciences, 2011, 54(10): 2170–2177
[80]	谢文冲, 王永良. 基于CMT技术的非正侧面阵机载雷达杂波抑制方法研究[J]. 电子学报, 2007, 35(3): 441–444. DOI: 10.3321/j.issn:0372-2112.2007.03.011 Xie W C and Wang Y L. Study on clutter suppression approach to airborne phased radar with non-sidelooking arrays based on CMT[J]. Acta Electronica Sinica, 2007, 35(3): 441–444. DOI: 10.3321/j.issn:0372-2112.2007.03.011
[81]	Kelly E J. An adaptive detection algorithm[J]. IEEE Transactions on Aerospace and Electronic Systems, 1986, AES-22(2): 115–127. DOI: 10.1109/TAES.1986.310745
[82]	Robey F C, Fuhrmann D R, Kelly E J, et al. A CFAR adaptive matched filter detector[J]. IEEE Transactions on Aerospace and Electronic Systems, 1992, 28(1): 208–216. DOI: 10.1109/7.135446
[83]	Chen W S and Reed I S. A new CFAR detection test for radar[J]. Digital Signal Processing, 1991, 1(4): 198–214. DOI: 10.1016/1051-2004(91)90113-Y
[84]	Maio A D. Rao test for adaptive detection in Gaussian interference with unknown covariance matrix[J]. IEEE Transactions on Signal Processing, 2007, 55(7): 3577–3584. DOI: 10.1109/TSP.2007.894238
[85]	Maio A D. A new derivation of the adaptive matched filter[J].IEEE Signal Processing Letters, 2004, 11(10): 792–793. DOI: 10.1109/LSP.2004.835464
[86]	Raghavan R S, Qiu H F, and Mclaughlin D J. CFAR detection in clutter with unknown correlation properties[J]. IEEE Transactions on Aerospace and Electronic Systems, 1995, 31(2): 647–657. DOI: 10.1109/7.381913
[87]	Kraut S and Scharf L L. The CFAR adaptive subspace detector is a scale-invariant GLRT[J]. IEEE Transactions on Signal Processing, 1999, 47(9): 2538–2541. DOI: 10.1109/78.782198
[88]	Kraut S, Scharf L L, and McWhorter L T. Adaptive subspace detectors[J]. IEEE Transactions on Signal Processing, 2001, 49(1): 1–16. DOI: 10.1109/78.890324
[89]	王永良, 刘维建, 谢文冲, 等. 机载雷达空时自适应检测方法研究进展[J]. 雷达学报, 2014, 3(2): 201–207. DOI: 10.3724/SP.J.1300.2014.13081 Wang Y L, Liu W J, Xie W C, et al. Research progress of space-time adaptive detection for airborne radar[J]. Journal of Radars, 2014, 3(2): 201–207. DOI: 10.3724/SP.J.1300.2014.13081
[90]	Liu W J, Xie W C, and Wang Y L. Parametric detector in the situation of mismatched signals[J]. IET Radar,Sonar&Navigation, 2014, 8(1): 48–53.
[91]	刘维建, 常晋聃, 李鸿, 等. 干扰背景下机载雷达广义似然比检测方法[J]. 雷达科学与技术, 2014, 12(3): 267–272. DOI: 10.3969/j.issn.1672-2337.2014.03.008 Liu W J, Chang J D, Li H, et al. Generalized likelihood ratio test for airborne radar in the presence of jamming[J]. Radar Science and Technology, 2014, 12(3): 267–272. DOI: 10.3969/j.issn.1672-2337.2014.03.008
[92]	刘维建, 谢文冲, 王永良. 部分均匀环境中存在干扰时机载雷达广义似然比检测[J]. 电子与信息学报, 2013, 35(8): 1820–1826. DOI: 10.3724/SP.J.1146.2012.01492 Liu W J, Xie W C, and Wang Y L. Generalized likelihood ratio test for airborne radar with jamming in partially homogeneous environment[J]. Journal of Electronics&Information Technology, 2013, 35(8): 1820–1826. DOI: 10.3724/SP.J.1146.2012.01492
[93]	Liu W J, Xie W C, Liu J, et al. Adaptive double subspace signal detection in Gaussian background-part I: Homogeneous environments[J]. IEEE Transactions on Signal Processing, 2014, 62(9): 2345–2357. DOI: 10.1109/TSP.2014.2309556
[94]	Liu W J, Xie W C, Liu J, et al. Adaptive double subspace signal detection in Gaussian background-part II: Partially homogeneous environments[J]. IEEE Transactions on Signal Processing, 2014, 62(9): 2358–2369. DOI: 10.1109/TSP.2014.2309553
[95]	Liu W J, Xie W C, Liu J, et al. Detection of a distributed target with direction uncertainty[J]. IET Radar,Sonar&Navigation, 2014, 8(9): 1177–1183.
[96]	Liu W J, Xie W C, and Wang Y L. Rao and Wald tests for distributed targets detection with unknown signal steering[J]. IEEE Signal Processing Letters, 2013, 20(11): 1086–1089. DOI: 10.1109/LSP.2013.2277371
[97]	Liu W J, Xie W C, Li R F, et al. Adaptive detectors in the Krylov subspace[J]. Science China Information Sciences, 2014, 57(10): 102310–102311.
[98]	Wang Y L, Liu W J, Xie W C, et al. Reduced-rank space-time adaptive detection for airborne radar[J]. Science China Information Sciences, 2014, 57(8): 82310–82311.
[99]	Jao J K, Yegulalp A F, and Ayasli S. Unified synthetic aperture space time adaptive radar (USASTAR) concept[R]. No. NTI-4, Lexington, MA: MIT Lincoln Laboratory, 2004.
[100]	常玉林. 多通道低频超宽带SAR/GMTI系统长相干积累STAP技术研究[D]. [博士论文], 国防科学技术大学, 2009. Chang Y L. Coherent-processing-interval STAP techniques for low frequency multi-channel ultra-wide band SAR/GMTI system[D]. [Ph.D. dissertation], National University of Defense Technology, 2009.
[101]	刘春静. 空时自适应处理进展概述[J]. 雷达与探测技术动态, 2012, (129): 1–6 Liu C J. Progress in space time adaptive processing[J]. Journal of Radar&Detection Technology, 2012, (129): 1–6

施引文献

期刊类型引用(3)

1.	阮航，崔家豪，毛秀华，任建迎，罗镔延，曹航，李海峰. SAR目标识别对抗攻击综述：从数字域迈向物理域. 雷达学报. 2024(06): 1298-1326 . 本站查看
2.	翟多才，黄贤俊，李元鑫，徐延林，姚理想，林铭团，刘培国. 一种角度与极化稳定的可调控电磁散射结构的设计与验证. 电波科学学报. 2023(02): 205-210 . 百度学术
3.	朱泳庚，艾夏，王伟东，李猛猛，丁大志. 新型多维电磁特性可调控雷达角反射器设计方法研究. 电波科学学报. 2023(06): 1015-1021+1056 . 百度学术

其他类型引用(1)

资源附件(0)

访问统计

表(2)

计量

文章访问数: 6163
HTML全文浏览量: 1176
PDF下载量: 1466
被引次数: 4

1. 引言
2. 涡旋SAR图像仿真方法
2.1 涡旋2维流场仿真
2.2 涡旋SAR图像仿真
3. 涡旋SAR图像仿真实验
3.1 气旋式涡旋仿真实验
3.2 反气旋式涡旋仿真实验
4. 总结

机载雷达空时自适应处理技术研究综述

DOI: 10.12000/JR17073

通讯作者:
谢文冲 xwch1978@aliyun.com

计量

Space Time Adaptive Processing Technique for Airborne Radar: An Overview of Its Development and Prospects

1. 引言

2. 涡旋SAR图像仿真方法

2.1 涡旋2维流场仿真

2.2 涡旋SAR图像仿真

3. 涡旋SAR图像仿真实验

3.1 气旋式涡旋仿真实验

3.2 反气旋式涡旋仿真实验

4. 总结

期刊类型引用(3)

其他类型引用(1)

计量

目录

1. 引言

2. 涡旋SAR图像仿真方法

2.1 涡旋2维流场仿真

2.2 涡旋SAR图像仿真

3. 涡旋SAR图像仿真实验

3.1 气旋式涡旋仿真实验

3.2 反气旋式涡旋仿真实验

4. 总结

期刊介绍

联系我们

机载雷达空时自适应处理技术研究综述

DOI: 10.12000/JR17073

通讯作者: 谢文冲 xwch1978@aliyun.com

计量

出版历程

Space Time Adaptive Processing Technique for Airborne Radar: An Overview of Its Development and Prospects

1. 引言

2. 涡旋SAR图像仿真方法

2.1 涡旋2维流场仿真

2.2 涡旋SAR图像仿真

3. 涡旋SAR图像仿真实验

3.1 气旋式涡旋仿真实验

3.2 反气旋式涡旋仿真实验

4. 总结

期刊类型引用(3)

其他类型引用(1)

计量

出版历程

目录

1. 引言

2. 涡旋SAR图像仿真方法

2.1 涡旋2维流场仿真

2.2 涡旋SAR图像仿真

3. 涡旋SAR图像仿真实验

3.1 气旋式涡旋仿真实验

3.2 反气旋式涡旋仿真实验

4. 总结

期刊介绍

联系我们

通讯作者:
谢文冲 xwch1978@aliyun.com