一种基于联合稀疏恢复的空时自适应处理方法

段克清; 王泽涛; 谢文冲; 高飞; 王永良

doi:10.3724/SP.J.1300.2014.13149

一种基于联合稀疏恢复的空时自适应处理方法

doi: 10.3724/SP.J.1300.2014.13149

1.
(空军预警学院武汉 430019)
2.
(国防科学技术大学电子科学与工程学院长沙 410073)

基金项目:

国家自然科学基金(60925005, 61102169)资助课题

详细信息

作者简介:
段克清(1981-)，男，出生于河北石家庄，2010年获国防科技大学信号与信息处理专业工学博士学位，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SignalProcessing,SCIENCECHINAInformationSciences和《电子学报》等学术期刊与国际会议上发表学术论文30余篇，申请国防发明专利7项(授权4项)，获军队科技进步一等奖1项。E-mail:duankeqing@aliyun.com 王泽涛(1987-)，男，出生于河北保定，2009年获空军雷达学院信号与信息处理专业硕士学位，现为国防科技大学信号与信息处理专业博士研究生，已发表论文数篇。E-mail:wangzetao12@126.com 谢文冲(1978-)，男，出生于山西运城，2006年获国防科技大学信号与信息处理专业工学博士学位，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，在IETRadarSonarandNavigation,SignalProcessing,IEEEGeoscienceandRemoteSensingLetters和SCIENCECHINAInformationSciences等学术期刊与国际会议上发表学术论文近百篇，申请国防发明专利25项(授权10项)，获军队科技进步一等奖1项。E-mail:xwch1978@aliyun.com 高飞(1979-)，男，出生于陕西西安，2009年获国防科技大学信号与信息处理专业工学博士学位，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，已在SignalProcessing和《电子学报》等学术期刊与国际会议上发表学术论文20余篇。E-mail:gaofei2004630@163.com 王永良(1965-)，男，出生于浙江嘉兴，1994年获西安电子科技大学信号与信息处理专业工学博士学位，1996年清华大学电子工程系博士后出站，现为空军预警学院教授，国家杰出青年科学基金获得者，享受国务院政府特殊津贴，入选“新世纪百千万人才工程国家级人选”，已在IEEETrans.,IEEProc.,SCIENCECHINAInformationSciences等学术期刊和会议上发表论文200多篇，其中被SCI,EI和ISTP国际三大检索收录100多篇，著有学术专著3部，申请中国/国防发明专利33项(授权11项)，获软件著作权2项，获国家技术发明二等奖1项，省部级科技进步一等奖4项。E-mail:ylwangkjld@163.com

计量
- 文章访问数: 2247
- HTML全文浏览量: 164
- PDF下载量: 1823
- 被引次数: 0
出版历程
- 收稿日期: 2013-12-27
- 修回日期: 2014-03-31
- 网络出版日期: 2014-04-28

A Space-time Adaptive Processing Algorithm Based on Joint Sparse Recovery

1.
(Air Force Early Warning Academy, Wuhan 430019, China)
2.
(College of Electronics Science and Engineering, National University of Defense Technology, Changsha 410073, China)

摘要

摘要: 基于杂波谱稀疏恢复的空时自适应处理(STAP)技术可显著降低对训练样本的需求，因此适用于非均匀杂波环境。然而，现有杂波谱稀疏恢复STAP 方法均是基于单样本恢复或多样本分别独立恢复后联合处理，并没有同时利用多个样本中的信息，而且恢复性能易受噪声影响。针对上述问题，该文提出一种基于杂波子空间的联合稀疏恢复STAP 方法。该方法可充分利用多个训练样本中的杂波信息对杂波谱进行恢复，并在噪声环境下具有稳健的杂波抑制性能。仿真实验结果验证了所提方法的有效性。
- 空时自适应处理(STAP) /
- 联合稀疏恢复 /
- 子空间 /
- 贪婪算法
Abstract: Sparse recovery Space-Time Adaptive Processing (STAP) methods for obtaining the clutter spectrum require few training samples and can effectively suppress clutter in nonhomogeneous clutter environments. However, presently available sparse recovery STAP methods only use single training samples to recover the clutter spectrum, neglecting information from multiple samples. Moreover, the recovery performance of the abovementioned methods is sensitive to noise. In this study, a subspace-based jointly sparse recovery method is proposed. The information from multiple training samples is fully used and robust clutter suppression performance in noisy environments is achieved. Simulation results show the effectiveness of the proposed method.
- Space-Time Adaptive Processing (STAP) /
- Joint sparse recovery /
- Subspace /
- Greedy algorithm