基于稀疏贝叶斯学习的稳健空时自适应处理研究

项目名称： 基于稀疏贝叶斯学习的稳健空时自适应处理研究

项目编号： No.61401478

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 无线电电子学、电信技术

项目作者： 阳召成

作者单位： 深圳大学

项目金额： 27万元

中文摘要： 稀疏恢复空时自适应处理（STAP）技术在非均匀、非平稳杂波环境机/星载雷达运动目标检测方面具有极大的潜力优势。该技术的优越性能有赖于准确的杂波稀疏模型，然而，实际系统和环境中存在的阵列误差、杂波起伏、空时导向词典失配等非理想情况使得现采用的模型失配，导致稀疏恢复STAP性能下降。为此，本项目首先研究非理想情况下的杂波稀疏机理与模型，包括：杂波稀疏性度量、空时导向词典设计以及模型失配因素对杂波稀疏性影响分析。然后结合杂波稀疏模型，在稀疏贝叶斯学习框架下，挖掘和利用杂波空时功率谱结构先验，联合实现失配参数估计与信号稀疏恢复，形成基于稀疏贝叶斯学习的稳健空时自适应处理理论和方法。研究成果将丰富稀疏恢复STAP理论与方法，缩小稀疏恢复STAP与实际应用的差距，推动稀疏恢复STAP走向实用化。

中文关键词： 稀疏空时自适应处理；杂波抑制；模型失配；稳健算法；稀疏表示/恢复

英文摘要： Sparse-recovery space-time adaptive processing (STAP) has considerable potential advantages on moving target detection in nonhomogenious and nonstationary environments for air/space-borne radar systems. The advantages of this technology rely on the accura

英文关键词： Sparsity-aware Space-Time Adaptive Processing；Clutter Suppression；Model Mismatch；Robust Algorithms；Sparse Representation/Recovery