雷达学报

作者：朱晗归, 冯为可, 冯存前, 邹帛, 路复宇

单位：空军工程大学防空反导学院 西安 710051；

关键词：空时自适应处理, 稀疏恢复, 深度学习, 深度展开, 阵列误差

基金：国家自然科学基金(62001507)，陕西省高校科协青年人才托举计划(20210106)

稀疏恢复空时自适应处理(SR-STAP)方法能够利用少量训练距离单元实现对机载雷达杂波的有效抑制。然而，现有SR-STAP方法均基于模型驱动实现，存在着参数设置困难、运算复杂度高等问题。针对这些问题，该文将基于模型驱动的SR方法和基于数据驱动的深度学习方法相结合，首次将深度展开(DU)引入到机载雷达杂波抑制和目标检测之中。首先，建立了阵列误差(AE)条件下的杂波空时谱和阵列误差参数联合估计模型，并利用交替方向乘子法(ADMM)进行求解；接着，将ADMM算法展开为深度神经网络AE-ADMM-Net，利用充足完备的数据集对其迭代参数进行优化；最后，利用训练后的AE-ADMM-Net对训练距离单元数据进行处理，快速获得杂波空时谱和阵列误差参数的准确估计。仿真结果表明：与典型SR-STAP方法相比，该文所提出的DU-STAP方法能够在保持较低运算复杂度的同时提高杂波抑制性能。

来源：2022年第4期

《雷达学报》期刊编辑部

查看雷达学报杂志2022年第4期