CN104614711A - 一种基于联合距离维的杂波抑制方法和装置 - Google Patents

Abstract

本发明公开了一种基于联合距离维的杂波抑制方法和装置，其中，该方法包括：接收待检测距离单元数据，对所述数据在空域、时域和空时域上分别作两阵元脉冲信号相消处理；根据预设的变换规则对相消后的数据进行变换，并计算最优自适应权；对相消后的数据分别在空域、时域上作前向和后向平滑处理，并根据样本数目需求和系统空时自由度损失选取空域子孔径和时域子孔径；根据平滑处理后的数据估计干扰协方差矩阵，并进行干扰杂波抑制。本发明的基于联合距离维的杂波抑制方法和装置，能够获得较好的性能，由于STR-DDD利用了周围更多数据，即可以将目标更多的信息利用到，所以比ST-DDD稳健。

Description

一种基于联合距离维的杂波抑制方法和装置

技术领域

本发明涉及雷达通信技术领域，具体地，涉及一种基于联合距离维的杂波抑制方法和装置。

背景技术

空时自适应处理技术能够有效地对运动平台谱展宽的地物杂波和强有源干扰进行抑制,提高地面运动目标的检测性能,受到了国内外学者的广泛关注。

STAP处理性能优劣与干扰和杂波的协方差矩阵估计的准确性密切相关。然而,在机载雷达系统(例如：机载非正侧视雷达和机载双基地雷达)中,地面杂波分布存在严重的距离依赖性性,使得杂波和干扰的协方差矩阵估计存在误差,进而导致STAP处理性能下降。

发明内容

为了解决现有技术中存在的杂波导致雷达通信效率差的问题，本发明提出了一种基于联合距离维的杂波抑制方法和装置。

该方法包括：

接收待检测距离单元数据，对所述数据在空域、时域和空时域上分别作两阵元脉冲信号相消处理；

根据预设的变换规则对相消后的数据进行变换，并计算最优自适应权；

对相消后的数据分别在空域、时域上作前向和后向平滑处理，并根据样本数目需求和系统空时自由度损失选取空域子孔径和时域子孔径；

根据平滑处理后的数据估计干扰协方差矩阵，并进行干扰杂波抑制。

本发明的基于联合距离维的杂波抑制方法，能够获得较好的性能，STR-DDD作为一种距离联合算法，可以近似看成是一种变相的局域联合处理方法。当导向矢量存在幅相误差时，反映到数据上则是目标会在原来的位置 向某个方向偏出，由于STR-DDD利用了周围更多数据，即可以将目标更多的信息利用到，所以比ST-DDD稳健。该方法能够抑制雷达通信过程中产生的杂波，提高了雷达的通信效率。

该装置包括：

信号相消模块，用于接收待检测距离单元数据，对所述数据在空域、时域和空时域上分别作两阵元脉冲信号相消处理；

数据变换模块，用于根据预设的变换规则对相消后的数据进行变换，并计算最优自适应权；

平滑处理模块，用于对相消后的数据分别在空域、时域上作前向和后向平滑处理，并根据样本数目需求和系统空时自由度损失选取空域子孔径和时域子孔径；

干扰抑制模块，用于根据平滑处理后的数据估计干扰协方差矩阵，并进行干扰杂波抑制。

本发明的基于联合距离维的杂波抑制装置，能够获得较好的性能，STR-DDD作为一种距离联合算法，可以近似看成是一种变相的局域联合处理方法。当导向矢量存在幅相误差时，反映到数据上则是目标会在原来的位置向某个方向偏出，由于STR-DDD利用了周围更多数据，即可以将目标更多的信息利用到，所以比ST-DDD稳健。该方法能够抑制雷达通信过程中产生的杂波，提高了雷达的通信效率。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例的方法流程示意图；

图2为本发明实施例的装置结构示意图；

图3为本发明的距离单元脉压结果图图；

图4为本发明的STR-DDD处理流程示意图；

图5为本发明的距离门的DBS显示图；

图6为本发明的401-420距离门的动目标改善因子图；

图7为本发明的201-220距离门的动目标改善因子图；

图8为本发明的只存在孤立干扰的空域自适应方向图；

图9为本发明的同时存在孤立干扰和固定杂波的空域自适应方向图；

图10为本发明的目标导向矢量有幅相误差的STR-DDD改善因子图；

图11为本发明的目标导向矢量有幅相误差的ST-DDD改善因子图。

具体实施方式

下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

为了解决现有技术中存在的杂波导致雷达通信效率差的问题，本发明提出了一种基于联合距离维的杂波抑制方法和装置。

如图1所示，该方法包括：

步骤S101：接收待检测距离单元数据，对所述数据在空域、时域和空时域上分别作两阵元脉冲信号相消处理；

具体的，所述对所述数据在空域、时域和空时域上分别作两阵元脉冲信号相消处理的步骤具体包括：

所述待检测距离单元数据的目标信号矩阵S沿空域的相位差为沿时域的相位差为沿对角线方向(空时域)的相位差为根据信号矩阵沿空域、时域和空时域的相位差对矩阵X分别作空域、时域和空时域的两阵元(两脉冲)信号相消后，可以分别得到如下三个矩阵：

其中，N为阵元数，M为脉冲采样数，矩阵X_S，X_T、X_ST分别为(N-1)×K维、N×(K-1)维、(N-1)×(K-1)维的矩阵。

步骤S102：根据预设的变换规则对相消后的数据进行变换，并计算最优自适应权；

所述预设的变换规则为对一个矩阵作如下操作：

将矩阵的第二列放在第一列下面，第三列放在第二列下面，以此类推将矩阵变换为一列矢量，由此将当前距离单元得到的所有数据变成一个数据矩阵。

步骤S103：对相消后的数据分别在空域、时域上作前向和后向平滑处理，并根据样本数目需求和系统空时自由度损失选取空域子孔径和时域子孔径；

具体的，所述对相消后的数据分别在空域、时域上作前向和后向平滑处理的步骤具体包括：

假设空域和时域滑动的孔径分别为N_m和K_m，则矩阵X_S，X_T和X_ST经前向和后向滑动后可以得到的总样本数目为：

L＝2((N-N_m)(K-K_m+1)+(N-N_m+1)(K-K_m)+(N-N_m)(K-K_m)) 

将这L个样本记为X^l _m,l＝1,2,...,L。

步骤S104：根据平滑处理后的数据估计干扰协方差矩阵，并进行干扰杂波抑制。

本发明的基于联合距离维的杂波抑制方法，能够获得较好的性能，STR-DDD作为一种距离联合算法，可以近似看成是一种变相的局域联合处理方法。当导向矢量存在幅相误差时，反映到数据上则是目标会在原来的位置向某个方向偏出，由于STR-DDD利用了周围更多数据，即可以将目标更多的信息利用到，所以比ST-DDD稳健。该方法能够抑制雷达通信过程中产生的杂波，提高了雷达的通信效率。

如图2所示，该装置包括：

信号相消模块10，用于接收待检测距离单元数据，对所述数据在空域、时域和空时域上分别作两阵元脉冲信号相消处理；

数据变换模块20，用于根据预设的变换规则对相消后的数据进行变换，并计算最优自适应权；

平滑处理模块30，用于对相消后的数据分别在空域、时域上作前向和后向平滑处理，并根据样本数目需求和系统空时自由度损失选取空域子孔径和时域子孔径；

干扰抑制模块40，用于根据平滑处理后的数据估计干扰协方差矩阵，并进行干扰杂波抑制。

在上述技术方案中，所述信号相消模块10具体用于：

所述待检测距离单元数据的目标信号矩阵S沿空域的相位差为沿时域的相位差为沿对角线方向(空时域)的相位差为根据信号矩阵沿空域、时域和空时域的相位差对矩阵X分别作空域、时域和空时域的两阵元(两脉冲)信号相消后，可以分别得到如下三个矩阵：

其中，N为阵元数，M为脉冲采样数，矩阵X_S，X_T、X_ST分别为(N-1)×K维、N×(K-1)维、(N-1)×(K-1)维的矩阵。

在上述技术方案中，所述预设的变换规则为对一个矩阵作如下操作：

将矩阵的第二列放在第一列下面，第三列放在第二列下面，以此类推将矩阵变换为一列矢量，由此将当前距离单元得到的所有数据变成一个数据矩阵。

在上述技术方案中，所述平滑处理模块30具体用于：

假设空域和时域滑动的孔径分别为N_m和K_m，则矩阵X_S，X_T和X_ST经前向和后向滑动后可以得到的总样本数目为：

L＝2((N-N_m)(K-K_m+1)+(N-N_m+1)(K-K_m)+(N-N_m)(K-K_m)) 

将这L个样本记为X^l _m,l＝1,2,...,L。

本发明的基于联合距离维的杂波抑制装置，能够获得较好的性能，STR-DDD作为一种距离联合算法，可以近似看成是一种变相的局域联合处理方法。当导向矢量存在幅相误差时，反映到数据上则是目标会在原来的位置向某个方向偏出，由于STR-DDD利用了周围更多数据，即可以将目标更多的信息利用到，所以比ST-DDD稳健。该方法能够抑制雷达通信过程中产生的杂波，提高了雷达的通信效率。

以下对本发明的技术方案作详细说明：

为了同时满足作用距离和距离分辨力的要求，当前的雷达系统大多采用发射线性调频信号(LFM)。一般在接收端对回波信号进行距离向脉冲压缩， 然后再进行STAP处理。脉冲压缩处理实际上就是一个匹配滤波的过程。

假设雷达发射窄带线性调频信号S_t(t)，第n个发射脉冲为：

$S_t(n,t)=\mathrm{\α}\left(t\right)\·G\·\exp \left(j2\mathrm{\π}(f_{c}t+\frac{1}{2}{k}_r{(t-\mathrm{nT})}^2)\right)---\left(1\right)$

其中，f_c是信号载频，k_r是调频率，T是脉冲重复周期，α(t)是窗函数，G是一个与天线增益、俯仰角、方位角有关的函数。经过点目标散射后，雷达接收的回波信号为：

S_r(n,t)＝A·α(t-τ)·S_t(n,t-τ)  (2)

其中A是由雷达方程决定的与目标到雷达间的距离以及目标后向散射强度有关的函数，τ是回波信号延迟时间。通常距离压缩后取模后可以得到：

$\left|S_{r_p}(n,t)\right|=\left|A\right|T_0\·\left|\mathrm{\α}(t-\mathrm{\τ})\right|\left|\frac{\sin \left(\mathrm{\π}{k}_r(t-\mathrm{\τ})T_0\right)}{\mathrm{\π}{k}_r(t-\mathrm{\τ})T_0}\right|---\left(3\right)$

可以看出，压缩后的信号取模是一个辛克函数乘以某个窗函数，当t＝τ时，上式达到最大，目标在距离向位置估计值为至此就可正确的定位出目标距离位置。但是，上面的过程由于进行了加窗处理，主瓣有一定的展宽。所以，对某一距离门进行脉冲压缩时必定会存在一定的能量扩散，而扩散出去的部分包含了目标的信息。

如图3所示为某实测机载预警雷达距离向脉压结果。从图中可以明显的看到在对某一距离单元做脉压时，扩散到两边距离单元的目标信息是不能忽略的。

三维直接数据域算法

这里称原来的直接数据域方法为ST-DDD方法，由于其比常规的STAP方法在回波非均匀条件下有较好的性能，所以有很大的应用前景。其基本思想就是直接由待检测距离单元数据利用空域两阵元和时域两脉冲滤除信号，然后再在空域和时域分别做前后向平滑得到若干样本，以此估计干扰信息来设计空时二维最优滤波器。ST-DDD也是一种降维的STAP算法，它是从当前检测的单个距离单元数据块中得到足够的样本来进行自适应处理。

通过对图3的分析说明了在目标距离脉冲压缩的过程中，其信息由于加窗处理不可避免会向周围的距离单元扩展。在这种情况下，ST-DDD无法利用到扩展的目标的信息，导致检测性能下降。针对这种情形，我们将空时距离联合起来，提出了一种三维直接数据域算法STR-DDD。其主要思想就是在 ST-DDD的基础上将目标扩展到周边距离单元的信息加入到最优处理权系数的求解过程之中，从而利用更多的目标信息来提高检测性能。

我们知道目标信号矩阵S沿空域的相位差为沿时域的相位差为 沿对角线方向(空时域)的相位差为根据信号矩阵沿空域、时域和空时域的相位差对矩阵X分别作空域、时域和空时域的两阵元(两脉冲)信号相消后，可以分别得到如下三个矩阵：

由上面三式可以看出，矩阵X_S，X_T和X_ST分别为(N-1)×K维，N×(K-1)维和(N-1)×(K-1)维的矩阵。假设空域和时域滑动的孔径分别为N_m和K_m，则矩阵X_S，X_T和X_ST经前向和后向滑动后可以得到的总样本数目为：

L＝2((N-N_m)(K-K_m+1)+(N-N_m+1)(K-K_m)+(N-N_m)(K-K_m))  (7) 

将这L个样本记为X^l _m,l＝1,2,...,L。

Z(r_n)＝Vec(X^1:l _m)  (8) 

Vec表示对一个矩阵如下操作：将矩阵的第二列放在第一列下面，第三列放在第二列下面，依此类推将矩阵变换为一列矢量，由此将当前距离门得到所有数据变成一个数据矩阵Z(r_n)。为了将左右距离单元的目标信息也利用到，对待检测距离单元相邻的两个距离单元数据分别进行上述同样处理，从而得到Z(r_n-1),Z(r_n),Z(r_n+1)三组数据。求解STR-DDD算法最优解的过程可以表述为：

$\left\{\begin{array}{c}\min E\left(\right|\left|W^H(\mathrm{\ψ},f_d,r_{n-1},r_n,r_{n+1}){[Z{\left(r_{n-1}\right)}^H,Z{\left(r_n\right)}^H,Z{\left(r_{n+1}\right)}^H]}^H\right|\left|\right)\\ s.t{W}^H(\mathrm{\ψ},f_d,r_{n-1},r_n,r_{n+1})S_m(\mathrm{\ψ},f_d,r_{n-1},r_n,r_{n+1})=1\end{array}\right.---\left(9\right)$

其中 $S_m(\mathrm{\ψ},f_d,r_{n-1},r_n,r_{n+1})=[{\mathrm{\ρ}}_1,1,{\mathrm{\ρ}}_2]\⊗S_m(f_d,r_n)\⊗S_m(\mathrm{\ψ},r_n),$ 为联合空时距离的三维目标导向矢量。S_m(f_d,r_n)和S_m(ψ,r_n)分别为时域和空域导向矢量。ρ₁，ρ₂是在距离脉冲压缩处理时由于加窗处理，主瓣泄露到旁瓣的系数，和所用的窗函数有关，表达式为：

$\begin{array}{cc}{\mathrm{\ρ}}_1=\left|\mathrm{\α}(t_{r_{n-1}}-\mathrm{\τ})\right|\·\left|\frac{\sin \left(\mathrm{\π}{k}_r(t_{r_{n-1}}-\mathrm{\τ})T_0\right)}{\mathrm{\π}{k}_r(t_{r_{n-1}}-\mathrm{\τ})T_0}\right|& {\mathrm{\ρ}}_2=\left|\mathrm{\α}(t_{r_{n+1}}-\mathrm{\τ})\right|\·\left|\frac{\sin \left(\mathrm{\π}{k}_r(t_{r_{n+1}}-\mathrm{\τ})T_0\right)}{\mathrm{\π}{k}_r(t_{r_{n+1}}-\mathrm{\τ})T_0}\right|\end{array}---\left(10\right)$

和分别为目标距离单元前后距离单元对应的时间延迟。α(t)为距离脉压时所加的窗函数。

式约束方程的最优解为：

$W(\mathrm{\ψ},f_d,r_{n-1},r_n,r_{n+1})=\frac{R_x{(r_{n-1},r_n,r_{n+1})}^{-1}{S}_m(\mathrm{\ψ},f_d,r_{n-1},r_n,r_{n+1})}{S_m{(\mathrm{\ψ},f_d,r_{n-1},r_n,r_{n+1})}^H{R}_x{(r_{n-1},r_n,r_{n+1})}^{-1}{S}_m(\mathrm{\ψ},f_d,r_{n-1},r_n,r_{n+1})}---\left(11\right)$

其中，

R_x(r_n-1,r_n-1,r_n-1)＝E([Z(r_n-1)^H,Z(r_n)^H,Z(r_n+1)^H]^H[Z(r_n-1)^H,Z(r_n)^H,Z(r_n+1)^H])  (12) 

上述过程中目标泄露到两边距离单元的部分相位也是有一定改变的，但由于泄露对信号相位上的影响比较小，所以这里只取泄露系数的幅度作为距离维上的导向矢量匹配系数。只取两边距离单元的数据来处理是因为考虑扩展到其它距离单元的目标信息已经很弱，联合处理对目标检测性能改善不大，反而会增加计算负担。

在理想情况下当训练样本数目大于所估计的干扰协方差矩阵维数的二倍时，可以获得信噪比(SINR)损失最多不超过3dB。上述准则是对I ID样本而言的，经过前后向滑动的到的样本不一定满足IID条件，所以为了精确估计干扰协方差矩阵，应该增加样本数目。

由于联合了距离维，从公式式(12)可以知道STR-DDD的样本协方差矩阵维数是ST-DDD的三倍。但是与全维STAP的计算量相比还是很小的，具体的流程图4所示。

为了验证本发明的方法在非均匀数据下的性能，我们选取MCARM(Multi-Channel Airborne Radar Measurements)数据作为平台对本发明方法进行验证。实验时只取了11个阵元以及全部的128个相干处理脉冲。图5是MCARM数据的第五个接收通道150到630距离门的DBS图像，我们可以看出，MCARM数据有非常明显的强弱杂波分区，并且在主杂波带外有非常多的动目标。

MCARM数据的时域脉冲比较多，所以在时域可以适当的增加滑动数目。仿真实验中我门取N_m＝8，K_m＝10，为了验证本发明方法较ST-DDD在动目标检测性能上有改善，在每一个多普勒通道分别加入动目标，并且让该目标在以实际中的脉压情况向旁边距离门上泄露，然后我们画出动目标改善因子。

图6和图7分别是弱杂波区与强杂波区的动目标改善因子。从两幅图中可以看到，STR-DDD比ST-DDD在主杂波区外约有3db到5db的改善。由于改善因子是对各个多普勒通道分别加入动目标之后进行处理的，所以能够反映 了客观的动目标检测性能。

MCARM数据的脉冲重复频率很高，所以不存在速度模糊的可能。也就是说，在一些偏离零多普勒比较远多普勒通道里面是没有固定杂波的。为了进一步验证本发明方法在非均匀环境下的性能，以及对孤立干扰的抑制能力，我们画出某两个多普勒通道的自适应方向图。MCARM数据提供了一组实测的空域导向矢量，基本上反映了实际中的阵元误差。我们在画自适应方向图时，以其为基准进行空域搜索。其中一个多普勒通道只含有孤立干扰不包含固定杂波，而另一个同时包含固定杂波和孤立干扰。

由图8和图9可以看出STR-DDD比ST-DDD在孤立干扰的抑制方面有较强的能力，两幅图中，STR-DDD在孤立干扰处均有较深的凹口。在孤立干扰处前者比后者形成的凹口深10db左右，所以在面对孤立干扰较多的非均匀雷达回波环境下可以更好的工作。

为了验证STR-DDD在目标导向矢量带有幅相误差的情况下比ST-DDD具有稳健性。取弱杂波区的一段，对目标导向矢量分别加1％，3％，5％的幅相误差，然后在每个多普勒通道加入动目标，画出动目标的改善因子。

很明显从图10和图11可以看到STR-DDD在目标导向矢量具有幅相误差时，改善因子的保形要比ST-DDD好的多。在5％幅相误差的情况下，ST-DDD的改善因子已经畸变非常严重，在主杂波区以外性能下降很大，而STR-DDD仍然能够获得较好的性能。STR-DDD一种距离联合算法，因此可以近似看成是一种变相的局域联合处理方法。当导向矢量存在幅相误差时，反映到数据上则是目标会在原来的位置向某个方向偏出，由于STR-DDD利用了周围更多数据，即可以将目标更多的信息利用到，所以比ST-DDD稳健。

本发明能有多种不同形式的具体实施方式，上面以图1-图11为例结合附图对本发明的技术方案作举例说明，这并不意味着本发明所应用的具体实例只能局限在特定的流程或实施例结构中，本领域的普通技术人员应当了解，上文所提供的具体实施方案只是多种优选用法中的一些示例，任何体现本发明权利要求的实施方式均应在本发明技术方案所要求保护的范围之内。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领 域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于联合距离维的杂波抑制方法，其特征在于，包括：

接收待检测距离单元数据，对所述数据在空域、时域和空时域上分别作两阵元脉冲信号相消处理；

根据预设的变换规则对相消后的数据进行变换，并计算最优自适应权；

对相消后的数据分别在空域、时域上作前向和后向平滑处理，并根据样本数目需求和系统空时自由度损失选取空域子孔径和时域子孔径；

根据平滑处理后的数据估计干扰协方差矩阵，并进行干扰杂波抑制。

2.根据权利要求1所述的基于联合距离维的杂波抑制方法，其特征在于，所述对所述数据在空域、时域和空时域上分别作两阵元脉冲信号相消处理的步骤具体包括：

所述待检测距离单元数据的目标信号矩阵S沿空域的相位差为沿时域的相位差为沿对角线方向(空时域)的相位差为根据信号矩阵沿空域、时域和空时域的相位差对矩阵X分别作空域、时域和

空时域的两阵元(两脉冲)信号相消后，可以分别得到如下三个矩阵：

其中，N为阵元数，M为脉冲采样数，矩阵X_S，X_T、X_ST分别为(N-1)×K维、N×(K-1)维、(N-1)×(K-1)维的矩阵。

3.根据权利要求1所述的基于联合距离维的杂波抑制方法，其特征在于，所述预设的变换规则为对一个矩阵作如下操作：

将矩阵的第二列放在第一列下面，第三列放在第二列下面，以此类推将矩阵变换为一列矢量，由此将当前距离单元得到的所有数据变成一个数据矩阵。

4.根据权利要求2所述的基于联合距离维的杂波抑制方法，其特征在于，所述对相消后的数据分别在空域、时域上作前向和后向平滑处理的步骤具体包括：

假设空域和时域滑动的孔径分别为N_m和K_m，则矩阵X_S，X_T和X_ST经前向和后向滑动后可以得到的总样本数目为：

L＝2((N-N_m)(K-K_m+1)+(N-N_m+1)(K-K_m)+(N-N_m)(K-K_m))

将这L个样本记为X^l _m,l＝1,2,...,L。

5.一种基于联合距离维的杂波抑制装置，其特征在于，包括：

信号相消模块，用于接收待检测距离单元数据，对所述数据在空域、时域和空时域上分别作两阵元脉冲信号相消处理；

数据变换模块，用于根据预设的变换规则对相消后的数据进行变换，并计算最优自适应权；

平滑处理模块，用于对相消后的数据分别在空域、时域上作前向和后向平滑处理，并根据样本数目需求和系统空时自由度损失选取空域子孔径和时域子孔径；

干扰抑制模块，用于根据平滑处理后的数据估计干扰协方差矩阵，并进行干扰杂波抑制。

6.根据权利要求5所述的基于联合距离维的杂波抑制装置，其特征在于，所述信号相消模块具体用于：

所述待检测距离单元数据的目标信号矩阵S沿空域的相位差为沿时域的相位差为沿对角线方向(空时域)的相位差为根据信号矩阵沿空域、时域和空时域的相位差对矩阵X分别作空域、时域和

空时域的两阵元(两脉冲)信号相消后，可以分别得到如下三个矩阵：

其中，N为阵元数，M为脉冲采样数，矩阵X_S，X_T、X_ST分别为(N-1)×K维、N×(K-1)维、(N-1)×(K-1)维的矩阵。

7.根据权利要求5所述的基于联合距离维的杂波抑制装置，其特征在于，所述预设的变换规则为对一个矩阵作如下操作：

将矩阵的第二列放在第一列下面，第三列放在第二列下面，以此类推将矩阵变换为一列矢量，由此将当前距离单元得到的所有数据变成一个数据矩阵。

8.根据权利要求5所述的基于联合距离维的杂波抑制装置，其特征在于，所述平滑处理模块具体用于：

假设空域和时域滑动的孔径分别为N_m和K_m，则矩阵X_S，X_T和X_ST经前向和后向滑动后可以得到的总样本数目为：

L＝2((N-N_m)(K-K_m+1)+(N-N_m+1)(K-K_m)+(N-N_m)(K-K_m))

将这L个样本记为X^l _m,l＝1,2,...,L。