【摘要】：認(rèn)知雷達(dá)作為一種新概念雷達(dá),還有一些關(guān)鍵技術(shù)亟待解決,雜波/干擾的抑制技術(shù)就是其中之一。真實(shí)環(huán)境下雜波/干擾一般是非均勻的,機(jī)載認(rèn)知雷達(dá)為了達(dá)到抑制雜波和干擾的目的,通常需要事先選擇均勻樣本并剔除干擾樣本。樣本質(zhì)量的好壞直接影響到機(jī)載認(rèn)知雷達(dá)雜波和干擾抑制性能的好壞。為此,文中設(shè)計(jì)了一種基于數(shù)字高程模型數(shù)據(jù)的樣本選擇方法。新方法首先從數(shù)字高程模型數(shù)據(jù)中提取雷達(dá)照射區(qū)域內(nèi)的多種地形因子;接著,根據(jù)地形因子選擇均勻樣本;最后,采用知識輔助的非均勻檢測器剔除含干擾的樣本。仿真結(jié)果表明:文中設(shè)計(jì)的方法可以很好地完成對均勻樣本的挑選以及對干擾目標(biāo)的剔除,明顯優(yōu)于現(xiàn)有相關(guān)方法,可以有效地提高機(jī)載認(rèn)知雷達(dá)的雜波和干擾抑制能力。
【圖文】：

缺陷:(1)使用了機(jī)載雷達(dá)的系統(tǒng)參數(shù)，很大程度上會受到系統(tǒng)誤差的影響;(2)只使用了待檢測距離單元的先驗(yàn)信息，并未使用其他樣本單元的先驗(yàn)信息;(3)計(jì)算過程中需要對矩陣求逆，而矩陣求逆計(jì)算量大，加大了機(jī)載雷達(dá)的工作量并且不利于實(shí)時處理。為此，我們提出基于地形因子挑選出均勻的訓(xùn)練樣本后，再使用知識輔助的非均勻選擇器［10－11］來剔除其中包含干擾目標(biāo)的訓(xùn)練樣本，用于估計(jì)協(xié)方差矩陣，以實(shí)現(xiàn)雜波干擾的同時抑制。圖2是本文方法的總體方框圖。該方法首先從DEM數(shù)據(jù)中提取出各種地形因子;然后，，基于單一地形因子選取初始樣本集合Ω1;接著，使用多種地形因子從Ω1進(jìn)一步選擇均勻樣本，得到樣本集合Ω2;最后，使用知識輔助的非均勻選擇器從Ω2中剔除含有干擾目標(biāo)的樣本，得到最終的樣本集合Ω3，使用Ω3估計(jì)協(xié)方差矩陣，進(jìn)行后續(xù)的空時自適應(yīng)處理。我們命名這種均勻樣本選擇方法為MFKANHD法，它進(jìn)一步可細(xì)分為MFKAAPＲ和MFKAGIP方法。圖2基于知識輔助的均勻樣本選擇方法總體方框圖1．4樣本選擇效果評估指標(biāo)我們采用改善因子(IF)來評估被選擇的樣本是否均勻，是否能夠被用來估計(jì)雜波/干擾協(xié)方差矩陣，其計(jì)算公式如下IF=|WHS|2(CNＲ+1)WHＲW(12)式中:W是空時二維權(quán)系數(shù);［○］H表示共軛轉(zhuǎn)置;S是空時二維導(dǎo)向矢量;CNＲ是雜噪比;Ｒ是雜波協(xié)方差矩陣。IF的值越大，說明選擇的樣本質(zhì)量越好。2計(jì)算機(jī)仿真結(jié)果與分析我們通過仿真實(shí)驗(yàn)來驗(yàn)證本文所提方法的有效性和可行性。首先，為了說明地雜波的非均勻性，我們仿真了不同距離門的雜波概率分布;然后，我們驗(yàn)證了基于地形因子選擇均勻樣本的效果，并將結(jié)果與其他相關(guān)方法進(jìn)行了對比;最后，我們在存在干擾目標(biāo)的情況下，

結(jié)果與分析我們通過仿真實(shí)驗(yàn)來驗(yàn)證本文所提方法的有效性和可行性。首先，為了說明地雜波的非均勻性，我們仿真了不同距離門的雜波概率分布;然后，我們驗(yàn)證了基于地形因子選擇均勻樣本的效果，并將結(jié)果與其他相關(guān)方法進(jìn)行了對比;最后，我們在存在干擾目標(biāo)的情況下，仿真了MFKANHD方法同時抑制雜波和干擾的效果。實(shí)驗(yàn)中的仿真參數(shù)如表1所示。本文選擇的高程數(shù)據(jù)對應(yīng)的實(shí)際地形包括海面、草地、樹林、丘陵以及高山等多種地貌類型。表1仿真參數(shù)2．1雜波分布的非均勻性本文依據(jù)描述真實(shí)環(huán)境的DEM數(shù)據(jù)構(gòu)建雜波模型，圖3給出了機(jī)載雷達(dá)的4個距離單元上雜波的概率分布。傳統(tǒng)的雜波模型一般假設(shè)待檢測距離單元左右各個距離門的雜波分布是獨(dú)立同分布的復(fù)高斯分布。從圖3可以看出，4個距離單元上的雜波分布之間存在差異，只不過有的差異大，有的差異校例如，106號與117號距離單元上的雜波分布差異較小，但與96和100號距離單元上的雜波分布差別則較大，并且4個距離門都不滿足復(fù)高斯分布。圖3不同距離單元上雜波的概率分布圖4表示不同距離門的雜波功率，橫坐標(biāo)是距離門編號，縱坐標(biāo)是雜波功率。從圖4可以看出，雜波功率隨著距離門編號的增加以鋸齒波形式增強(qiáng)。由此可知，實(shí)際環(huán)境產(chǎn)生的雜波是非均勻的。圖4不同距離門的雜波功率2．2均勻樣本選擇效果我們以第100號距離門作為待檢測距離單元為例—48—2017，39(2)現(xiàn)代雷達(dá)

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 車凱;郭茂祖;劉曉燕;滕志霞;;植物抗性基因識別中樣本選擇的一種新方法[J];智能計(jì)算機(jī)與應(yīng)用;2012年04期

2 劉濤;馬紅光;張永;劉振華;;改進(jìn)的機(jī)載非正側(cè)視陣STAP樣本選擇策略[J];現(xiàn)代雷達(dá);2012年03期

3 彭現(xiàn)美;王有剛;;住戶調(diào)查樣本選擇及數(shù)據(jù)誤差問題探討[J];統(tǒng)計(jì)與決策;2012年03期

4 姜文瀚;周曉飛;楊靜宇;;核子類凸包樣本選擇方法及其SVM應(yīng)用[J];計(jì)算機(jī)工程;2008年16期

5 楊宏暉;王蕓;戴健;;水下目標(biāo)識別中樣本選擇與SVME融合算法[J];西北工業(yè)大學(xué)學(xué)報;2014年03期

6 ;[J];;年期

相關(guān)博士學(xué)位論文 前2條

1 代志軍;特征選擇與樣本選擇用于癌分類與藥物構(gòu)效關(guān)系研究[D];湖南農(nóng)業(yè)大學(xué);2014年

2 姜文瀚;模式識別中的樣本選擇研究及其應(yīng)用[D];南京理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前4條

1 陳美姣;樣本選擇問題的統(tǒng)計(jì)處理研究[D];浙江工商大學(xué);2013年

2 儲曉琛;改進(jìn)的樣本選擇對分類算法影響的研究[D];安徽大學(xué);2015年

3 程霄;非參數(shù)模型樣本選擇方法研究及其在風(fēng)電機(jī)組狀態(tài)監(jiān)測中的應(yīng)用[D];華北電力大學(xué);2014年

4 張磊;樣本選擇模型及其在醫(yī)療費(fèi)用研究中的應(yīng)用[D];山西醫(yī)科大學(xué);2007年

本文編號：2559628