技术摘要：
本发明公开了一种基于知识辅助的稀疏恢复STAP方法，该方法包括：构建样本数据集；构建距离单元样本的空时导向矢量矩阵；对样本数据进行稀疏恢复；构建包含先验信息的导向矢量矩阵；基于包含先验信息的导向矢量矩阵，判断稀疏恢复的导向矢量是否对应于杂波，基于判断结  全部
背景技术：
机载雷达在进行地面/海面弱小目标检测时，接收的强地/海杂波往往将微弱目标 淹没，严重影响了机载雷达动目标的检测性能。空时自适应处理(space-time  adaptive  processing，STAP)技术，利用空时联合处理设计合适的滤波器权矢量，能够有效地将杂波 和目标在空时二维域中分离开来，显著提升了机载雷达对运动目标的检测性能。STAP技术 通常需要足够多的独立同分布(independent  identically  distributed,IID)训练样本来 估计杂波协方差矩阵，然而在实际环境中，由于地形变化、电磁环境复杂等因素，杂波在一 定地域范围内的分布特性不均匀。因此，实际的机载雷达难以获得足够多的IID样本，进而 会导致STAP性能的严重下降。目前，小样本、非均匀条件下机载雷达STAP已经成为了研究的 热点问题。 近年来，不少学者将稀疏恢复(sparse  recovery,SR)技术引入到STAP中。研究表 明，杂波在整个空时二维平面的分布是稀疏的。因此，基于稀疏恢复的STAP方法首先采用SR 算法对样本进行稀疏分解，然后采用稀疏恢复出的空时谱来构建杂波协方差矩阵，进而计 算STAP权矢量，这类方法被称为SR-STAP技术。SR-STAP技术可以实现小样本、非均匀、非平 稳条件下杂波抑制和运动目标检测。 但是，SR-STAP技术在构建STAP超完备字典时，一般通过均匀离散化空时平面的方 式获得导向矢量，并且假定离散化后的空时网格点与杂波脊完全对准。然而实际情况下，杂 波并不是恰好落在离散化的空时网格点上。因此，利用离散化得到的字典对样本数据进行 稀疏恢复会导致计算误差，从而使得杂波协方差矩阵的估计精度严重下降，造成动目标检 测误差，称为网格失配(off-grid)STAP问题。另外，如果样本数据中包含密集干扰，现有的 SR-STAP方法容易导致动目标相消现象，降低了STAP的动目标检测性能。
技术实现要素：
鉴于现有技术中存在的上述技术问题，本发明实施例提供一种基于知识辅助的稀 疏恢复STAP方法，其能够解决现有基于稀疏恢复的STAP方法由于网格失配(off-grid)和样 本中密集干扰的存在而导致的杂波协方差矩阵精确估计降低以及动目标检测性能下降的 问题。 为了解决上述技术问题，本发明实施例采用了如下技术方案： 一种基于知识辅助的稀疏恢复STAP方法，包括如下步骤： 构建样本数据集； 构建距离单元样本的空时导向矢量矩阵； 对样本数据进行稀疏恢复； 4 CN 111580065 A 说　明　书 2/9 页 构建包含先验信息的导向矢量矩阵； 基于包含先验信息的导向矢量矩阵，判断稀疏恢复的导向矢量是否对应于杂波， 基于判断结果，对稀疏恢复向量和字典进行更新； 基于更新后的稀疏恢复向量和字典，对样本数据进行二次稀疏恢复； 利用二次稀疏恢复的估计样本进行杂波协方差矩阵估计。 进一步地，构建样本数据集，包括： 根据杂波空时快拍的稀疏表示模型，确定任意距离单元的样本数据X，并构成样本 数据集； 所述任意距离单元的样本数据X为： 其中，Xc为杂波，XI为离群点快拍，N0为高斯白噪声，Φ为空时导向矢量矩阵，α为稀 疏恢复向量。 进一步地，在构建距离单元样本的空时导向矢量矩阵之前，或者，在构建包含先验 信息的导向矢量矩阵之前，还包括：确认天线轴与飞机飞行方向夹角，判断是否为正侧视的 均匀线性阵列，如果是，第i个杂波散射点的空间锥角ψi与其归一化多普勒频率fd ,i之间存 在以下耦合关系： fd,i＝2va  cosψi/(λfr) 其中，va为雷达平台的运动速度，λ为雷达工作波长，fr为脉冲重复频率。 进一步地，构建距离单元样本的空时导向矢量矩阵，包括： 将空时二维平面离散化为Ns×Nd个网格点，其中，Ns＝ρsN，Nd＝ρdK，并且ρs，ρd＞1； 每一个网格点对应一个空时导向矢量，假定所有的杂波散射块都恰好落在离散化 的空时网格点上，在正侧视的均匀线性阵列条件下，构建满足空间锥角与其归一化多普勒 频率之间耦合关系的标准导向矢量矩阵： 其中，列向量 表示角度-多普勒平面中杂波脊线上某点的 导向矢量。 进一步地，对样本数据进行稀疏恢复，包括： 将样本数据集中的样本数据X进行稀疏表示，根据凸优化方法求解稀疏恢复向量 α。 进一步地，构建包含先验信息的导向矢量矩阵，包括： 在正侧视的均匀线性阵列条件下，构建满足空间锥角与其归一化多普勒频率之间 耦合关系的标准导向矢量矩阵： Ψ＝[φ1,φ2,…,φK]NM×K 其中，列向量φk(k＝1,2,...,K)表示理想条件下角度-多普勒平面中杂波脊线上 某点的导向矢量。 进一步地，基于包含先验信息的导向矢量矩阵，判断稀疏恢复的导向矢量是否对 5 CN 111580065 A 说　明　书 3/9 页 应于杂波，基于判断结果，对稀疏恢复向量和字典进行更新，包括： 将对样本数据进行稀疏恢复所得的稀疏恢复向量α中的列向量按元素值的大小排 序，并记录其位置，构成矩阵Γ，选取矩阵Γ中的前若干个元素，构成矩阵Ω； 将矩阵Ω中的每一个列向量与包含先验信息的导向矢量矩阵Ψ中的每一个列向 量分别进行差值计算，计算差值序列的二范数zk，得到差值向量的二范数集合Z； 将差值向量的二范数集合Z中的最小值zmin与设定的门限值ε进行对比，判断矩阵 Ω中的导向矢量是否对应于杂波：如果zmin<ε，表明是杂波，使用包含先验信息的导向矢量 矩阵Ψ中的对应列替换样本导向矢量Φ中的对应列，实现稀疏恢复字典的更新；如果zmin≥ ε，表明是密集干扰，将稀疏恢复向量α中的对应元素置0，实现稀疏恢复向量的更新。 进一步地，基于更新后的稀疏恢复向量和字典，对样本数据进行二次稀疏恢复，包 括： 利用更新计算后得到的稀疏恢复向量与稀疏恢复字典相乘，得到纯净样本； 对纯净样本进行稀疏表示，根据凸优化方法求解稀疏恢复向量α； 基于求解所得的稀疏恢复向量α的列向量，构建新的杂波脊导向矢量支撑集； 估计样本。 进一步地，所述杂波协方差矩阵估计包括： 求解杂波协方差矩阵Rc； 计算STAP最优滤波权W； 对待检测距离单元的样本数据进行滤波，求解滤波输出y。 本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机可执行指 令，所述计算机可执行指令由处理器执行时，实现上述的基于知识辅助的稀疏恢复STAP方 法的步骤。 与现有技术相比，本发明实施例提供的基于知识辅助的稀疏恢复STAP方法先将样 本进行稀疏处理以获取稀疏恢复向量和杂波脊导向矢量支撑集，之后进行支撑集校准与去 除密集干扰，再利用新建的杂波脊导向矢量支撑集重新进行稀疏恢复处理，之后进行杂波 协方差矩阵估计。本发明借助样本稀疏恢复和杂波分布的先验信息修正了稀疏恢复字典， 实现了网格点的校准，解决了由于网格失配off-grid造成的杂波协方差矩阵估计误差，确 保杂波协方差矩阵估计的准确性。同时，本发明借助杂波分布的先验信息去除了样本中密 集干扰的影响，克服了动目标相消现象，达到了良好的动目标检测效果。另外，本发明在估 计杂波协方差矩阵的过程中运用了样本数据稀疏恢复的方法，所需的样本数大大减少，只 需极少的样本(例如4-10个样本)便可以估计杂波功率谱，达到较好的滤波性能，得到预期 的稳健性结果。 附图说明 图1为本发明实施例的机载雷达工作原理图； 图2为本发明实施例的基于知识辅助的稀疏恢复STAP方法的流程图； 图3(a)为本发明实施例的基于知识辅助的稀疏恢复STAP方法仿真出的杂波功率 谱图； 图3(b)为SR-STAP方法仿真出的杂波功率谱图； 6 CN 111580065 A 说　明　书 4/9 页 图4为本发明实施例的方法与SR-STAP方法的改善因子曲线图； 图5为本发明实施例的方法与SR-STAP方法的输出功率图。