雷达学报

作者：廖志鹏, 段克清, 高飞

单位：1.中山大学电子与通信工程学院 深圳 518107；2.中国空间技术研究院西安分院 西安 710100；

关键词：非线性信号处理, 空时自适应处理(STAP), 脉冲压缩, 卷积神经网络(CNN), 杂波抑制, 目标检测

基金：雷达信号处理全国重点实验室支持计划(JKW202302)

在复杂目标和杂波环境下，传统机载雷达脉冲压缩和空时自适应处理均受限于预设线性模型而存在性能损失问题。针对该问题，该文提出一种基于深度学习的空时自适应-脉冲压缩联合处理技术，通过构建空时谱超分辨网络和脉冲压缩网络分别实现非线性杂波空时谱估计及非线性脉压，从而显著降低该信号处理流程中模型失配的影响，实现杂波抑制和目标检测性能的提升。同时，为避免非线性脉压在阵元和脉冲间引入相位误差的问题，该文从数学角度分析和讨论了脉压后置的可行性。在所提先滤波再脉压的非线性联合处理架构中，采用多模块卷积神经网络分别实现高分辨空时谱估计以及脉冲压缩处理，且所构建各网络模块功能均与相应数学解析式对应，因此具较高的可靠性。仿真实验结果表明，在密集弱目标和小样本环境下，所提非线性联合处理架构较相应传统处理流程可获得约20 dB的信杂噪比提升。

来源：2025年第6期

《雷达学报》期刊编辑部

查看雷达学报杂志2025年第6期