## 中文标题:机载FDA雷达中的极化时空自适应处理

《Eng》:Polarimetric Space–Time Adaptive Processing in Airborne FDA Radar

【字体: 大 中 小 】 时间:2026年08月28日 来源:Eng 3.5

编辑推荐:

  极化时空自适应处理(Polarimetric Space-Time Adaptive Processing, PSTAP)在时空域基础上引入极化域信息。通过利用目标与杂波在极化散射特性上的差异,PSTAP显著提升了对慢速目标的检测性能,已成为机载雷达领域的一项

  
极化时空自适应处理(Polarimetric Space-Time Adaptive Processing, PSTAP)在时空域基础上引入极化域信息。通过利用目标与杂波在极化散射特性上的差异,PSTAP显著提升了对慢速目标的检测性能,已成为机载雷达领域的一项重要技术。然而,传统极化STAP仍面临高速场景下由高脉冲重复频率(Pulse Repetition Frequency, PRF)导致的严重距离模糊问题。为克服距离模糊,本文在极化STAP中引入频率分集阵列(Frequency Diverse Array, FDA),并构建了FDA-PSTAP框架。首先,研究人员建立了FDA-PSTAP的基本信号处理流程;其次,根据最小方差无失真响应(Minimum Variance Distortionless Response, MVDR)准则开发了全维(Full-Dimensional, FD)FDA-PSTAP;最后,为降低对训练样本数量的需求,通过设计适当的降维变换矩阵,提出了降维(Reduced-Dimensional, RD)FDA-PSTAP算法。数值结果表明,所提出的FDA-PSTAP能够有效抑制距离模糊杂波。在有限训练样本条件下,所提出的降维FDA-PSTAP在主杂波区域相比全维方法将输出信干噪比(Signal-to-Interference-plus-Noise Ratio, SINR)损失降低了15–17 dB。当训练样本数量加倍时,该方法在整个多普勒频谱范围内以1–2 dB的差距逼近最优性能,验证了其稳健性和实际应用价值。
# 极化域与空间-时间域联合自适应处理:FDA-PSTAP框架研究解读

## 一、研究背景与问题提出

空间-时间自适应处理(Space-Time Adaptive Processing, STAP)技术自1973年Brennan开创性研究以来,一直是机载雷达运动目标检测领域公认的核心算法框架。STAP通过在空间维和时间维联合自适应滤波,有效抑制强地杂波回波并提升雷达系统目标检测灵敏度。然而,传统STAP在时空域主杂波区域中对慢速运动目标的检测能力十分有限。为突破这一局限,研究人员将极化信息引入STAP,发展出极化STAP(Polarimetric STAP, PSTAP)技术。极化作为电磁波的内在属性,通过测量不同极化状态下目标回波的幅度和相位,可构建目标的极化散射矩阵(Polarimetric Scattering Matrix),从而获取目标的几何结构、对称性、朝向及材质等物理属性。利用目标与杂波在极化散射特性上的差异,PSTAP可显著改善时空域主杂波区慢速目标的检测性能。

然而,现代机载雷达系统越来越多地采用高速载机平台以获取更强的机动性和快速响应能力。高速运动平台易产生严重的多普勒混叠,需要高脉冲重复频率(PRF)以满足多普勒维的奈奎斯特采样准则。但高PRF固有地缩短了无模糊探测距离,从而引入显著的距离模糊问题。经典PSTAP算法大多基于不存在距离模糊分量的理想假设推导,一旦距离模糊回波混入接收信号,标准STAP架构由于缺乏额外的距离自适应时空自由度,无法区分来自不同距离单元的反射波形,最终导致系统杂波抑制能力急剧下降。

为缓解距离模糊带来的不利影响,已有文献探索了多PRF(参差PRF)工作方式、仰角空间滤波和波形分集阵列等技术手段。多PRF方法属于传统非自适应方法,虽应用广泛但存在盲速、系统复杂度增加和数据更新率下降等固有局限。仰角空间滤波方案依赖垂直方向天线单元获取仰角域的额外自适应维度,在阵元配置不足时性能急剧恶化,且额外天线增加硬件负担。相比之下,波形分集阵列通过定制发射信号参数(包括载频、相位偏移和调制格式)提取距离相关信号特征,在不显著增加硬件负担的前提下为系统提供额外的距离自适应自由度。

频率分集阵列(FDA)雷达是波形分集阵列雷达的典型代表。通过对相邻发射天线施加微小频偏,FDA雷达在回波数据中嵌入距离-角度联合耦合特征,使其成为解决距离模糊问题的有效工具。尽管FDA技术已广泛应用于谱估计、自适应波束形成、目标识别检测及干扰抑制等众多领域,但基于FDA的PSTAP研究仍然相对不足。值得注意的是,虽然已有降维FDA-STAP算法针对有限训练样本下的距离模糊杂波抑制展开研究,但该方法仅工作于时空域,无法在时空特征重叠的主杂波区域区分慢速目标和杂波,而极化信息提供了基于目标和杂波物理散射差异的额外判别维度。受此启发,本研究开展FDA辅助的PSTAP框架研究,以实现严重距离模糊场景下的稳健杂波抑制。

## 二、研究内容与核心贡献

本文建立了FDA-PSTAP的完整信号模型,涵盖信号发射、信号接收、混频、匹配滤波和模型近似等处理流程。基于最小方差无失真响应(MVDR)准则推导了全维FDA-PSTAP最优权向量。然而,最优FDA-PSTAP滤波器依赖于精确已知的杂波加噪声协方差矩阵(CNCM),该理论量在实际雷达工作中几乎无法获取,须利用采样回波训练样本近似估计。有限训练样本导致协方差估计偏差,进而造成PSTAP性能显著下降。即使Reed-Mallett-Brennan(RMB)准则提供了最小样本数的理论基准,该采样条件在许多实际环境下仍难以满足。为此,研究人员利用降维思想发展了有效的降维FDA-PSTAP(RD-FDA-PSTAP)算法。该方法选取少量发射时间和接收通道构建降维变换矩阵,将全维数据投影到低维子空间,在不损失极化鉴别信息的前提下大幅降低数据维度,使其满足RMB准则要求。数值实验验证了FDA-PSTAP信号模型对距离模糊杂波的抑制能力及所提RD-FDA-PSTAP方法在有限训练样本下的有效性。

## 三、关键技术方法概述

该研究属于仿真数值实验,无实际样本队列来源,全部实验数据通过蒙特卡洛仿真生成。主要关键技术包括:(1)信号建模方面,构建包含发射空间域、接收空间域、多普勒域和极化域的四维联合信号模型,利用Kronecker积分解耦杂波的时空协方差矩阵和极化协方差矩阵;(2)距离依赖性补偿方面,采用文献[33]提出的二次距离依赖性补偿方法,通过构造发射域补偿矢量消除杂波发射空间频率中的距离耦合分量;(3)全维FDA-PSTAP方面,基于MVDR准则利用样本协方差矩阵(SCM)替代理论CNCM求解最优权矢量;(4)降维处理方面,在发射、接收和多普勒域选取以目标参数为中心的局部基矩阵,与极化单位矩阵作Kronecker积构成保极化总降维变换矩阵,将全维数据降至满足RMB准则的低维度空间。

## 四、主要研究结果

### 4.1 有限训练样本下RD-FDA-PSTAP的性能优势

在平台速度v=150 m/s、目标极化状态γ=20°、训练样本数L=64的条件下,FD-FDA-PSTAP因训练样本不足导致协方差矩阵估计不准,在零多普勒杂波脊附近的SINR损失超过20 dB。相比之下,RD-FDA-PSTAP将自由度从4096降至64,有效缓解了样本匮乏问题,在大多数多普勒单元上的SINR损失较全维方法降低15–17 dB,主杂波区域差距最为显著。当训练样本增至128时,RD-FDA-PSTAP在整个多普勒频谱范围内与理论最优性能仅差1–2 dB。

### 4.2 高速平台场景下的稳健性验证

将平台速度提升至300 m/s后,杂波脊在角度-多普勒平面上的斜率加倍,杂波秩增加需要更多自由度进行杂波对消。在L=64条件下,FD-FDA-PSTAP在杂波脊附近SINR损失超过20 dB,而RD-FDA-PSTAP在主杂波区域保持10–15 dB的SINR损失,较全维方法改善13–15 dB。增加训练样本后,RD-FDA-PSTAP仍保持全频谱1–2 dB的最优性能差距,验证了该方法对高速平台引起的杂波秩增加的鲁棒性。

### 4.3 不同目标极化状态下的适应性

当目标极化设置为γ=45°时,RD-FDA-PSTAP在主杂波区域的SINR损失较FD方法低5–7 dB,其他区域低3–4 dB。该结果表明时空域与极化域具有互补性:极化处理无法区分极化状态相似的目标与杂波,而RD-FDA-PSTAP的高效时空处理通过角度-多普勒差异弥补了这一不足。

### 4.4 高速与不良极化联合极值条件下的表现

在平台速度300 m/s与目标极化γ=45°的极端组合条件下,FD-FDA-PSTAP在宽多普勒范围内SINR损失超过18 dB,而RD-FDA-PSTAP在主杂波区保持7–9 dB的SINR损失,较全维方法改善约14–16 dB。增加训练样本后,所提方法以1–2 dB的SINR损失差距逼近最优性能。

### 4.5 降维参数配置的影响分析

对比非均匀降维参数配置(Dt,Dd)=(2,6)和(6,2)与均匀配置(4,4),非均匀配置因各维度自由度分配不均导致总自由度增加,在有限训练样本下协方差矩阵估计精度下降,零多普勒附近最大SINR损失达19 dB,而均匀配置最大损失约14 dB,表明均匀配置在满足RMB准则的同时可获得更优的实际性能。

### 4.6 距离模糊区域数量的扩展验证

将距离模糊区域数扩展至三个和四个时,RD-FDA-PSTAP在整个多普勒频谱上均保持接近最优的性能,而FD-FDA-PSTAP因训练样本不足遭受严重性能退化,进一步验证了所提方法对模糊区域数量的鲁棒性。

### 4.7 杂噪比变化条件下的性能稳健性

在CNR分别为20 dB、30 dB、40 dB和50 dB的宽广范围内,RD-FDA-PSTAP在所有CNR水平下均保持接近最优的杂波抑制性能,而FD-FDA-PSTAP在有限训练样本下均表现出显著性能退化,证实该方法对不同杂波环境的适应性。

### 4.8 非均匀杂波场景下的验证

采用文献[38]的模型生成非均匀杂波数据进行实验。虽然所有方法在非均匀杂波下的SINR损失均高于均匀杂波场景,但RD-FDA-PSTAP在两种训练样本配置下均保持对FD方法的明显性能优势,表明即使在均匀杂波假设不成立时该方法仍保留有效的杂波抑制能力。

### 4.9 极化失配敏感性分析

当处理器采用的极化参数与真实目标极化存在偏差时,在偏差配置(Δγ,Δη)=(5°,10°)下,RD-FDA-PSTAP的SINR损失与无失配时基本一致;在(10°,20°)配置下,两种方法性能相近。结果表明所提方法对极化估计误差不敏感。

### 4.10 阵列幅相误差鲁棒性验证

引入5%增益和相位误差后,三种方法在有限样本和加倍样本条件下的性能与无误差情况相比几乎不变,RD-FDA-PSTAP在L=64时零多普勒处SINR损失约15 dB,仍显著优于FD方法,表明所提方法对阵元幅相误差具有良好鲁棒性。

### 4.11 与扩展RD-FDA-STAP基线方法对比

在L=64条件下,文献[31]扩展的RD-FDA-STAP在零多普勒主杂波区SINR损失约20 dB,而RD-FDA-PSTAP在该区域约为15 dB,提升约5 dB,这一改善归因于极化鉴别能力使方法能在时空特征重叠时将目标与杂波分离。当样本增至128时,两者差距缩小至0.5–1 dB。

### 4.12 不含FDA的传统PSTAP基线对比

传统PSTAP(不含FDA)在整个多普勒频谱上性能严重退化,主杂波区SINR损失超过16 dB,原因在于其缺乏FDA提供的距离相关频率分集能力,无法分离来自不同模糊距离区域的杂波。RD-FDA-PSTAP在主杂波区保持约5–13 dB的SINR损失,证实了FDA在距离模糊杂波抑制中的不可或缺性。

### 4.13 导向矢量失配条件下的验证

当处理器假设目标位于第1模糊区而真实目标位于第2模糊区时,所有处理器在整个多普勒频谱上呈现约5 dB的近平坦SINR损失,目标多普勒处凹口明显变浅,表明目标信号被当作杂波抑制。该反例证实FDA-PSTAP可通过距离相关发射空间频率有效区分不同距离模糊区域。

## 五、结论总结

本文将FDA引入传统PSTAP以克服距离模糊杂波,构建了FDA-PSTAP完整框架。首先建立了极化FDA雷达基本信号模型,包括信号发射、信号接收、混频、匹配滤波和模型近似;其次基于MVDR准则推导了全维FDA-PSTAP权矢量;最后通过设计局部化变换矩阵降低数据维度以增强有限训练样本下FDA-PSTAP的可靠性。根据RMB准则,所发展的降维FDA-PSTAP在有限训练样本下相比全维方法获得15–17 dB的性能改善。数值结果表明,该方法实现了优于传统全维FDA-PSTAP的杂波抑制性能,并在不同目标极化状态下均保持良好的有效性。该研究为高速机载雷达在复杂距离模糊环境下的慢速目标检测提供了有效的技术途径。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号