基于稀疏贝叶斯学习的稳健STAP算法

TN957.73; 为了提高阵列幅相误差和格点失配情况下稀疏恢复空时自适应处理(sparse recovery space-time adaptive processing,SR-STAP)算法的性能,提出一种基于稀疏贝叶斯学习的稳健SR-STAP算法.首先,利用空时导向矢量的Kronecker结构构建SR-STAP误差信号模型;然后,利用贝叶斯推断和最大期望算法迭代求取角度-多普勒像和误差参数;最后,利用求解参数估计精确的杂波加噪声协方差矩阵并计算权矢量.仿真实验表明,所提算法能够显著提高稀疏信号模型失配时的目标检测性能....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 45; no. 10; pp. 3032 - 3040
Main Authors 李仲悦, 王彤
Format Journal Article
LanguageChinese
Published 西安电子科技大学雷达信号处理国家重点实验室,陕西西安710071 01.10.2023
Subjects
空时自适应处理
稀疏贝叶斯学习
array gain/phase errors
space-time adaptive processing(STAP)
grid mismatches
阵列幅相误差
格点失配
sparse Bayesian learning
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2023.10.05

Cover

More Information
Summary:TN957.73; 为了提高阵列幅相误差和格点失配情况下稀疏恢复空时自适应处理(sparse recovery space-time adaptive processing,SR-STAP)算法的性能,提出一种基于稀疏贝叶斯学习的稳健SR-STAP算法.首先,利用空时导向矢量的Kronecker结构构建SR-STAP误差信号模型;然后,利用贝叶斯推断和最大期望算法迭代求取角度-多普勒像和误差参数;最后,利用求解参数估计精确的杂波加噪声协方差矩阵并计算权矢量.仿真实验表明,所提算法能够显著提高稀疏信号模型失配时的目标检测性能.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2023.10.05