机载雷达深度展开空时自适应处理方法

V221+.3%TN951; 稀疏恢复空时自适应处理(SR-STAP)方法能够利用少量训练距离单元实现对机载雷达杂波的有效抑制.然而,现有SR-STAP方法均基于模型驱动实现,存在着参数设置困难、运算复杂度高等问题.针对这些问题,该文将基于模型驱动的SR方法和基于数据驱动的深度学习方法相结合,首次将深度展开(DU)引入到机载雷达杂波抑制和目标检测之中.首先,建立了阵列误差(AE)条件下的杂波空时谱和阵列误差参数联合估计模型,并利用交替方向乘子法(ADMM)进行求解;接着,将ADMM算法展开为深度神经网络AE-ADMM-Net,利用充足完备的数据集对其迭代参数进行优化;最后,利用训练后的AE-A...

Full description

Saved in:
Bibliographic Details
Published in雷达学报 Vol. 11; no. 4; pp. 676 - 691
Main Authors 朱晗归, 冯为可, 冯存前, 邹帛, 路复宇
Format Journal Article
LanguageChinese
Published 空军工程大学防空反导学院 西安 710051 01.08.2022
Subjects
空时自适应处理
稀疏恢复
深度展开
阵列误差
深度学习
Online AccessGet full text

Cover

More Information
Summary:V221+.3%TN951; 稀疏恢复空时自适应处理(SR-STAP)方法能够利用少量训练距离单元实现对机载雷达杂波的有效抑制.然而,现有SR-STAP方法均基于模型驱动实现,存在着参数设置困难、运算复杂度高等问题.针对这些问题,该文将基于模型驱动的SR方法和基于数据驱动的深度学习方法相结合,首次将深度展开(DU)引入到机载雷达杂波抑制和目标检测之中.首先,建立了阵列误差(AE)条件下的杂波空时谱和阵列误差参数联合估计模型,并利用交替方向乘子法(ADMM)进行求解;接着,将ADMM算法展开为深度神经网络AE-ADMM-Net,利用充足完备的数据集对其迭代参数进行优化;最后,利用训练后的AE-ADMM-Net对训练距离单元数据进行处理,快速获得杂波空时谱和阵列误差参数的准确估计.仿真结果表明:与典型SR-STAP方法相比,该文所提出的DU-STAP方法能够在保持较低运算复杂度的同时提高杂波抑制性能.
ISSN:2095-283X
DOI:10.12000/JR22051