欢迎访问《空军工程大学学报》官方网站!

咨询热线:029-84786242 RSS EMAIL-ALERT
基于实测数据的STAP的权值计算算法性能比较
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TN957

基金项目:

陕西省自然科学基础研究基金资助项目(2010JQ8028);西安市科技计划资助项目(CXY1008(5));电讯工程学院博士启动基金资助项目(DG080806)


The Performance Comparison of Space-Time Adaptive Processing Algorithms Based on Mountaintop Data
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    空时自适应处理(STAP)的权值求解是其计算最密集的部分,由于机载雷达回波数据动态范围很大,导致传统的采样协方差矩阵求逆(SMI)方法数值稳定性较差,相对而言基于QR分解的采样矩阵求逆算法(QRD-SMI)在系统动态范围要求和并行性上具有优势。为了寻求在STAP工程实现时采用QRD-SMI的理论依据,分析了采用这两种不同算法的STAP处理方法,比较了二者的计算量,用MountainTop数据比较研究了2种方法的性能。实验结果表明这2种方法均具有良好的杂波、干扰抑制性能,传统的SMI算法在杂波抑制性能上较QRD-SMI算法有一定的优势,而QRD-SMI算法对“目标消除效应”较SMI算法有更强的稳健性,综合比较算法性能、数值特性以及可并行实现性,QRD-SMI更适合在STAP的工程实现时采用。

    Abstract:

    The weight computation is the most intensive computational part of the space-time adaptive processing (STAP). The traditional sample matrix inverse (SMI) algorithm has a poor numerical stability due to that the dynamic range of the space -time snapshots is great, relatively speaking, the QR decomposition based SMI (QRD-SMI) algorithm has a better numerical characteristic and parallelism, which may suit for this condition. For the purpose of real time implementation of STAP, the performance comparison of STAP with two weight computational algorithms is presented. The test results show that both algorithms have satisfactory performances in resisting clutter and jamming, the traditional SMI algorithm has a better performance in clutter rejection, but QRD-SMI algorithm shows a stronger robustness to the effect of target self-nulling. Through comparing the above two algorithms in algorithm performances, numerical characteristics and parallelism in a comprehensive way, the QRD-SMI algorithm is more suitable for real time implementation of STAP.

    参考文献
    相似文献
    引证文献
引用本文

范西昆,管桦,陈满屯,刘英.基于实测数据的STAP的权值计算算法性能比较[J].空军工程大学学报,2010,(4):62-67

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2015-11-17
  • 出版日期: