CN105445703A - 一种机载雷达空时回波数据的两级空时自适应处理方法 - Google Patents

Abstract

本发明公开了一种机载雷达空时回波数据的两级空时自适应处理方法，包括以下步骤：(1)机载雷达的天线阵面在俯仰向和方位向分别均匀排列M和N个阵元，并在相干积累时间内接收地面反射的空时回波数据；(2)将第k个脉冲在第l个距离单元接收的空时回波数据矩阵合成为第k个脉冲在第l个距离单元接收的列子阵，再将K个脉冲在第l个距离单元接收的列子阵组合为第l个距离单元的列子阵；(3)计算第l个距离单元的第n个列子阵向量在第k个多普勒通道的输出数据；(4)将第l个距离单元的N个列子阵向量均匀划分成为P个子阵单元；(5)对第l个距离单元的每个子阵单元依次进行第一级和第二级空时自适应处理，得到第二级杂波抑制后第l个距离单元在第k个多普勒通道的多普勒谱。

Description

一种机载雷达空时回波数据的两级空时自适应处理方法

技术领域

本发明属于雷达技术领域，特别涉及一种机载雷达空时回波数据的两级空时自适应处理方法，用于对机载雷达的信号进行杂波抑制处理。

背景技术

机载雷达以其独特的作战特点，被各国军方视为能够左右战场事态的战略性武器。杂波抑制性能是影响机载雷达能否正常下视工作的主要因素，机载雷达在下视工作时，地面杂波对检测性能的影响十分严重。地杂波不仅强大，而且由于不同方向的地面散射体相对于载机的速度各异，从而使杂波的多普勒谱大大展宽，杂波呈现出很强的空时耦合性。因此，有效抑制地杂波是机载雷达下视工作的难题，而又是必须解决的问题。

在杂波协方差矩阵和目标信号均确知的条件下，Brennan和Reed于1973年在期刊AerospaceandElectronicSystems(AES)上，提出了全空时二维自适应处理(STAP)的概念和理论，其思想是将阵列信号处理的基本原理推广到由脉冲和阵元采样构成的的二维场中。全STAP能够取得比较理想的杂波抑制效果，但是，杂波协方差矩阵精确已知的条件在工程实现中难以满足，通常情况下是通过对参考单元进行估计得到的，此外，全STAP的运算量和设备复杂度在实际的工程实现中难度较大。

为了降低运算量，德国的R.Klemm博士于1987年在期刊SignalProcessing上提出了辅助通道法，在没有误差的情况下，该方法能够取得比较理想的杂波抑制效果，并且降低了估计协方差矩阵所需要的独立同分布参考单元的数目，但在有误差情况下，该方法的杂波抑制性能并不理想。

1992年，廖桂生在其博士论文中提出了先时后空的空时自适应处理方法(mDT-SAP法)，该方法的思想是：先对每个空域通道用多普勒滤波器预滤波，将全空时分布的杂波局域化为窄带定向干扰，接着再对其中若干个相邻多普勒通道的输出做自适应处理。该方法既降低了运算量又能够取得比较理想的杂波抑制效果，同时该方法对误差不敏感。然而，在非正侧阵情况下，该方法的杂波抑制性能并不理想；同时为了降低运算量，该方法对平面阵数据进行列内直接加和处理，没有充分发挥平面阵的有效信息。

2009年，孟祥东提出了静态权值俯仰滤波级联二维空时处理的方法，在没有误差的情况下，该方法能够有效抑制非正侧阵雷达的杂波，同时充分利用了平面阵的有效信息；然而，在有误差情况下，该方法的杂波抑制性能并不理想。

发明内容

针对上述现有技术的不足，本发明的目的在于提出一种机载雷达空时回波数据的两级空时自适应处理方法，该方法采用了两级空时自适应处理结构进行杂波抑制，能够更加有效合理地利用系统的自由度，解决全空时自适应处理时训练样本不足的问题。

为了实现上述技术目的，本发明采用如下技术方案予以实现。

一种机载雷达空时回波数据的两级空时自适应处理方法，其特征在于，包括以下步骤：

步骤1，设定机载雷达的天线阵面在俯仰向均匀排列M个阵元，在方位向均匀排列N个阵元，则机载雷达的天线阵面的阵元个数为S，S＝MN；利用机载雷达的天线阵面，在相干积累时间内接收地面反射的空时回波数据，其中，第k个脉冲在第l个距离单元接收的空时回波数据矩阵为x_k，l，k＝1，2，...，K，K为脉冲个数，l＝1，2，...，L，L为距离单元的总个数；

步骤2，首先，将第k个脉冲在第l个距离单元接收的空时回波数据矩阵x_k，l中的每个元素在俯仰向上加第一切比雪夫权，在方位向上加第二切比雪夫权；然后，利用列子阵合成将第k个脉冲在第l个距离单元接收的空时回波数据矩阵x_k，l合成为第k个脉冲在第l个距离单元接收的列子阵最后，将所有K个脉冲在第l个距离单元接收的列子阵组合为第l个距离单元的列子阵 上标T表示转置；

步骤3，将第l个距离单元的列子阵写为列子阵向量形式， 为第l个距离单元的第n个列子阵向量；利用离散傅里叶变化技术，将第l个距离单元的第n个列子阵向量由脉冲域变换到多普勒域，计算得到第l个距离单元的第n个列子阵向量在第k个多普勒通道的输出数据x_l(n，k)，其中，k＝1，2，...，K，K为多普勒通道数，n＝1，2，...，N，N为第l个距离单元的列子阵向量个数，l＝1，2，...，L，L为距离单元的总个数；

步骤4，将第l个距离单元的N个列子阵向量依次划分成为P个子阵单元，每个子阵单元均包含Q个列子阵向量，即PQ＝N；定义第p个子阵单元中第q个列子阵向量在第k个多普勒通道的输出数据为x_l(p_q，k)，其中，p＝1，2，...，P，P为第l个距离单元的子阵单元数，q＝1，2，...，Q，Q为每个子阵单元包含的列子阵向量个数；

步骤5，对第l个距离单元的第p个子阵单元进行第一级空时自适应处理，得到第一级杂波抑制后第l个距离单元的第p个子阵单元在第k个多普勒通道的多普勒谱y_l(p，k)，进而得到第一级杂波抑制后第l个距离单元的所有P个子阵单元在所有K个多普勒通道的多普勒谱；

步骤6，对第一级杂波抑制后第l个距离单元的所有P个子阵单元在所有K个多普勒通道的多普勒谱进行第二级空时自适应处理，得到第二级杂波抑制后第l个距离单元在第k个多普勒通道的多普勒谱z_l(k)。

本发明的有益效果为：本方法提出了两级空时自适应处理结构，时域上的自由度分别是3和1，并在空域上对每个距离单元进行了均匀列子阵划分，降低了空域和时域自由度，解决了全空时自适应处理时训练样本数不足的问题，与传统的mDT方法相比，本发明方法的两级空时自适应处理结构更加有效地合理地利用了系统自由度，并充分挖掘和使用有限训练样本数中的杂波信息，从而改善了杂波抑制性能。

附图说明

下面结合附图和具体实施方式对本发明做进一步详细说明。

图1是本发明的流程图；

图2a、图2b和图2c分别是PD方法、3DT方法和本发明方法进行杂波抑制后的距离多普勒图，其中，横坐标为多普勒通道，纵坐标为距离门；

图3是PD方法、3DT方法和本发明方法进行杂波抑制后的杂波剩余比较图，其中，横坐标为多普勒通道，纵坐标为杂波剩余功率，单位为分贝(dB)。

具体实施方式

参照图1，本发明的一种机载雷达空时回波数据的两级空时自适应处理方法，包括以下具体步骤：

步骤1，设定机载雷达的天线阵面在俯仰向均匀排列M个阵元，在方位向均匀排列N个阵元，则机载雷达的天线阵面的阵元个数为S，S＝MN；利用机载雷达的天线阵面，在相干积累时间内接收地面反射的空时回波数据，其中，第k个脉冲在第l个距离单元接收的空时回波数据矩阵为x_k，l：

其中，k＝1，2，...，K，K为脉冲个数，l＝1，2，...，L，L为距离单元的总个数，m＝1，2，...，M，M为机载雷达的天线阵面在俯仰向均匀排列的阵元个数，n＝1，2，...，N，N在机载雷达的天线阵面在方位向均匀排列的阵元个数。

步骤2，首先，将第k个脉冲在第l个距离单元接收的空时回波数据矩阵x_k，l中的每个元素在俯仰向上加第一切比雪夫权，在方位向上加第二切比雪夫权；然后，利用列子阵合成将第k个脉冲在第l个距离单元接收的空时回波数据矩阵x_k，l合成为第k个脉冲在第l个距离单元接收的列子阵 最后，将所有K个脉冲在第l个距离单元接收的列子阵组合为第l个距离单元的列子阵

${\stackrel{\‾}{x}}_l\mathrm{=\[}{\stackrel{\‾}{x}}_{1,l}^T,...,{\stackrel{\‾}{x}}_{k,l}^T,...,{\stackrel{\‾}{x}}_{K,l}^T{\mathrm{\]}}^T={\left[\begin{array}{ccccc}{\stackrel{\‾}{x}}_l(1,1)& ...& {\stackrel{\‾}{x}}_l(1,k)& ...& {\stackrel{\‾}{x}}_l(1,K)\\ \·& & \·& & \·\\ \·& & \·& & \·\\ \·& & \·& & \·\\ {\stackrel{\‾}{x}}_l(n,1)& ...& {\stackrel{\‾}{x}}_l(n,k)& ...& {\stackrel{\‾}{x}}_l(n,K)\\ \·& & \·& & \·\\ \·& & \·& & \·\\ \·& & \·& & \·\\ {\stackrel{\‾}{x}}_l(N,1)& ...& {\stackrel{\‾}{x}}_l(N,k)& ...& {\stackrel{\‾}{x}}_l(N,K)\end{array}\right]}^T$

其中，k＝1，2，...，K，K为脉冲个数，l＝1，2，...，L，L为距离单元的总个数，n＝1，2，...，N，N为机载雷达的天线阵面在俯仰向均匀排列的阵元个数。

本发明实例中，第一切比雪夫权为30dB，第二切比雪夫权为45dB。

步骤3，将第l个距离单元的列子阵写为列子阵向量形式， 为第l个距离单元的第n个列子阵向量；利用离散傅里叶变化技术，将第l个距离单元的第n个列子阵向量由脉冲域变换到多普勒域，计算得到第l个距离单元的第n个列子阵向量在第k个多普勒通道的输出数据x_l(n，k)，其中，k＝1，2，...，K，K为多普勒通道数，n＝1，2，...，N，N为第l个距离单元的列子阵向量个数，l＝1，2，...，L，L为距离单元的总个数。

步骤3的具体子步骤为：

3.1定义第l个距离单元的第n个列子阵向量为

${\stackrel{\‾}{x}}_l\left(n\right)={\[{\stackrel{\‾}{x}}_l(n,1),...,{\stackrel{\‾}{x}}_l(n,k),...,{\stackrel{\‾}{x}}_l(n,K)\]}^T$

其中，k＝1，2，...，K，K为多普勒通道数，l＝1，2，...，L，L为距离单元的总个数；

3.2构造加权快速傅里叶变换矩阵T，其第k列列向量T_k为：

T_k＝[a₀，a₁e^{jπ(k-K/2-1)/(K/2)}，...，a_K-1e^{jπ(k-K/2-1)/(K/2)(K-1)}]^T

其中，a_r为第r个加窗系数，r＝0，1，....，K-1；

3.3计算第l个距离单元的第n个列子阵向量在第k个多普勒通道的输出数据x_l(n，k)：

$x_l(n,k)=T_k^H{\stackrel{\‾}{x}}_l\left(n\right)=\underset{r=0}{\overset{K-1}{\Σ}}{a}_r{\stackrel{\‾}{x}}_l(n,r+1)e^{-j\mathrm{\π}(k-K/2-1)/(K/2)r}$

其中，上标H表示共轭转置。

步骤4，将第l个距离单元的N个列子阵向量依次划分成为P个子阵单元，每个子阵单元均包含Q个列子阵向量，即PQ＝N；定义第p个子阵单元中第q个列子阵向量在第k个多普勒通道的输出数据为x_l(p_q，k)，其中，p＝1，2，...，P，P为第l个距离单元的子阵单元数，q＝1，2，...，Q，Q为每个子阵单元包含的列子阵向量个数，k＝1，2，...，K，K为多普勒通道数，l＝1，2，...，L，L为距离单元的总个数。

步骤5，对第l个距离单元的第p个子阵单元进行第一级空时自适应处理，得到第一级杂波抑制后第l个距离单元的第p个子阵单元在第k个多普勒通道的多普勒谱y_l(p，k)，进而得到第一级杂波抑制后第l个距离单元的所有P个子阵单元在所有K个多普勒通道的多普勒谱，其中，p＝1，2，...，P，P为第l个距离单元的子阵单元数，k＝1，2，...，K，K为多普勒通道数，l＝1，2，...，L，L为距离单元的总个数。

步骤5的具体子步骤为：

5.1根据第l个距离单元的第p个子阵单元内所有Q个列子阵向量在所有K个多普勒通道的输出数据，计算得到第l个距离单元的第p个子阵单元在第k个多普勒通道及其相邻两个通道的联合数据矢量x′_l(p，k)：

$x_l^{\′}(p,k)={(I_Q\⊗B_k)}^H{x}_l\left(p\right)$

其中，是第l个距离单元的第p个子阵单元的数据矢量，x_l(p，k)＝[x_l(p₁，k)，...，x_l(p_q，k)，...，x_l(p_Q，k)]^T，定义B_k为3DT变换矩阵，B_k＝[T_k-1T_kT_k+1]，T_k-1、T_k和T_k+1分别是加权快速傅里叶变换矩阵T的第k-1列、第k列和第k+1列列向量，I_Q是Q×Q的单位矩阵，表示Kronecker积，上标H表示共轭转置；

5.2利用最大似然法，估计第l个距离单元的第p个子阵单元在第k个多普勒通道的空时协方差矩阵

${\hat{R}}_l(p,k)=\frac{1}{L^{\′}}\underset{l=1}{\overset{L^{\′}}{\Σ}}\left\{\right[x_l^{\′}(p,k)\left]{\left[x_l^{\′}(p,k)\right]}^H\right\}$

其中，L′是与第l个距离单元的第p个子阵单元的数据矢量x_l(p)独立同分布的参考单元数，2QK＜L′≤L；

5.3根据线性约束最小准则，自适应训练得到第l个距离单元的第p个子阵单元在第k个多普勒通道的空时滤波器w_l(p，k)：

$w_l(p,k)=\frac{{\hat{R}}_l^{-1}(p,k)s_1}{s_1^H{\hat{R}}_l(p,k)s_1}$

其中，s₁是第一空时导向矢量， $s_1=s_{sQ}\⊗B_k^H{\left[\begin{array}{cccc}1& e^{j\mathrm{\π}(k-K/2-1)/(K/2)}& ...& e^{j\mathrm{\π}(k-K/2-1)/(K/2)(K-1)}\end{array}\right]}^T,$ s_sQ为Q×1维单位矢量；

5.4根据第l个距离单元的第p个子阵单元在第k个多普勒通道的空时滤波器w_l(p，k)抑制第l个距离单元的第p个子阵单元在第k个多普勒通道及其相邻两个通道的联合数据矢量x′_l(p，k)中的远程杂波，计算得到第一级杂波抑制后第l个距离单元的第p个子阵单元在第k个多普勒通道的多普勒谱y_l(p，k)，

步骤6，对第一级杂波抑制后第l个距离单元的所有P个子阵单元在所有K个多普勒通道的多普勒谱进行第二级空时自适应处理，得到第二级杂波抑制后第l个距离单元在第k个多普勒通道的多普勒谱z_l(k)，k＝1，2，...，K，K为多普勒通道数，l＝1，2，...，L，L为距离单元的总个数。

步骤6的具体子步骤为：

6.1根据第l个距离单元的所有P个子阵单元在所有K个多普勒通道的多普勒谱，计算得到第l个距离单元在第k个多普勒通道的数据矢量y′_l(k)：

$y_l^{\′}\left(k\right)={(I_P\⊗T_k)}^H{y}_l$

其中，是第l个距离单元的多普勒域数据矢量，y_l(p)＝[y_l(p，1)，...，y_l(p，k)，...，y_l(p，K)]，T_k是加权快速傅里叶变换矩阵T的第k列列向量，I_P是P×P的单位矩阵，表示Kronecker积，上标H表示共轭转置；

6.2利用最大似然法，估计第l个距离单元在第k个多普勒通道的空时协方差矩阵

${\hat{R}}_l\left(k\right)=\frac{1}{L^{\′\′}}\underset{l=1}{\overset{L^{\′\′}}{\Σ}}\{\[y_l^{\′}\left(k\right)\]{\[y_l^{\′}\left(k\right)\]}^H\}$

式中，L″是与第l个距离单元的多普勒域数据矢量y_l独立同分布的参考单元数，2PK＜L″≤L；

6.3根据线性约束最小准则，自适应训练得到第l个距离单元在第k个多普勒通道的空时滤波器w_l(k)：

$w_l\left(k\right)=\frac{{\hat{R}}_l^{-1}\left(k\right)s_2}{s_2^H{\hat{R}}_l\left(k\right)s_2}$

其中，s₂是第二空时导向矢量， $s_2=s_{sP}\⊗T_k^H{\left[\begin{array}{cccc}1& e^{j\mathrm{\π}(i-K/2-1)/(K/2)}& ...& e^{j\mathrm{\π}(i-K/2-1)/(K/2)(K-1)}\end{array}\right]}^T,$ s_sP为P×1维单位矢量；

6.4根据第l个距离单元在第k个多普勒通道的空时滤波器w_l(k)抑制第l个距离单元在第k个多普勒通道的数据矢量y′_l(k)中的远程杂波，计算得到第二级杂波抑制后第l个距离单元在第k个多普勒通道的多普勒谱z_l(k)，

本发明的效果可由以下仿真实验作进一步说明：

1.仿真条件：

1)机载雷达的天线阵面结构采用正侧阵面阵，各个阵元均匀排列在椭圆天线阵面上，天线阵面的方位向和俯仰向分别均匀排列128个阵元和20个阵元，阵元间距为d＝λ/2，λ为载波波长，仿真实验的杂波数据脉冲个数为128，距离门个数为250，杂波数据是对某一号距离门重复仿真300次得到的数据。

2)仿真实验的回波数据是根据林肯实验室J.Ward提出的杂波模型仿真产生，并添加高斯白噪声，详细的仿真参数参见下表1：

表1

平台高度	8000m
		载机速度	150m/s
天线阵面	20x128的椭圆阵面
		脉冲数	128
波长	0.1m
		脉冲重复频率	8000Hz
阵面与速度夹角	0°
		主波束指向与阵面夹角	90°
杂噪比	70dB

2.仿真内容及结果分析

分别采用多普勒滤波方法(PD方法)、3DT方法和本发明方法对回波数据进行杂波抑制，绘制三种方法的距离多普勒图，分别如图2a、图2b和图2c所示。图2a、图2b和图2c中，白色区域表示杂波抑制后的杂波剩余功率分布，黑色区域表示杂波抑制后的噪声剩余功率分布。

从图2a中可以看出，采用PD方法进行杂波抑制后，杂波剩余功率较强，而且主瓣所占的多普勒宽度较大；从图2b和图2c中可以看出，3DT和本发明方法均能有效降低杂波剩余，主瓣所占的多普勒范围也变窄，有利于后续对目标进行检测。

分别采用PD方法、3DT和本发明方法对回波数据进行杂波抑制，绘制三种方法的杂波剩余比较图，如图3所示。

从图3中可以看出，与PD方法相比，3DT方法和本发明方法均能使主瓣杂波变窄且使旁瓣杂波功率降低，而且，与3DT相比，本发明方法的旁瓣杂波的抑制能力更佳。3DT方法是将天线阵面均匀合成18的线阵，然后进行3DT处理，其自由度为3；虽然本发明方法的第一级STAP处理的自由度是316，高于3DT方法，但并不影响协方差矩阵的估计，且本发明方法估计协方差矩阵时使用的训练样本数是3DT方法的两倍，估计出来的协方差矩阵更为准确，所以本发明方法的旁瓣抑制性能相比于3DT方法有所提升。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围；这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种机载雷达空时回波数据的两级空时自适应处理方法，其特征在于，包括以下步骤：

步骤1，设定机载雷达的天线阵面在俯仰向均匀排列M个阵元，在方位向均匀排列N个阵元，则机载雷达的天线阵面的阵元个数为S，S＝MN；利用机载雷达的天线阵面，在相干积累时间内接收地面反射的空时回波数据，其中，第k个脉冲在第l个距离单元接收的空时回波数据矩阵为x_k，l，k＝1，2，...，K，K为脉冲个数，l＝1，2，...，L，L为距离单元的总个数；

步骤2，首先，将第k个脉冲在第l个距离单元接收的空时回波数据矩阵x_k，l中的每个元素在俯仰向上加第一切比雪夫权，在方位向上加第二切比雪夫权；然后，利用列子阵合成将第k个脉冲在第l个距离单元接收的空时回波数据矩阵x_k，l合成为第k个脉冲在第l个距离单元接收的列子阵最后，将所有K个脉冲在第l个距离单元接收的列子阵组合为第l个距离单元的列子阵 上标T表示转置；

步骤3，将第l个距离单元的列子阵写为列子阵向量形式， 为第l个距离单元的第n个列子阵向量；将第l个距离单元的第n个列子阵向量由脉冲域变换到多普勒域，计算得到第l个距离单元的第n个列子阵向量在第k个多普勒通道的输出数据x_l(n，k)，其中，k＝1，2，...，K，K为多普勒通道数，n＝1，2，...，N，N为第l个距离单元的列子阵向量个数，l＝1，2，...，L，L为距离单元的总个数；

步骤4，将第l个距离单元的N个列子阵向量依次划分成为P个子阵单元，每个子阵单元均包含Q个列子阵向量，即PQ＝N；定义第p个子阵单元中第g个列子阵向量在第k个多普勒通道的输出数据为x_l(p_q，k)，其中，p＝1，2，...，P，P为第l个距离单元的子阵单元数，g＝1，2，...，Q，Q为每个子阵单元包含的列子阵向量个数；

步骤5，对第l个距离单元的第p个子阵单元进行第一级空时自适应处理，得到第一级杂波抑制后第l个距离单元的第p个子阵单元在第k个多普勒通道的多普勒谱y_l(p，k)，进而得到第一级杂波抑制后第l个距离单元的所有P个子阵单元在所有K个多普勒通道的多普勒谱；

步骤6，对第一级杂波抑制后第l个距离单元的所有P个子阵单元在所有K个多普勒通道的多普勒谱进行第二级空时自适应处理，得到第二级杂波抑制后第l个距离单元在第k个多普勒通道的多普勒谱z_l(k)。

2.如权利要求1所述的一种机载雷达空时回波数据的两级空时自适应处理方法，其特征在于：所述第k个脉冲在第l个距离单元接收的空时回波数据矩阵x_k，l为：

其中，k＝1，2，...，K，K为脉冲个数，m＝1，2，...，M，M为机载雷达的天线阵面在俯仰向均匀排列的阵元个数，n＝1，2，...，N，N在机载雷达的天线阵面在方位向均匀排列的阵元个数。

3.如权利要求1所述的一种机载雷达空时回波数据的两级空时自适应处理方法，其特征在于，

所述第k个脉冲在第l个距离单元接收的列子阵

所述第l个距离单元的列子阵

${\stackrel{\‾}{x}}_l={\[{\stackrel{\‾}{x}}_{1,l}^T,...,{\stackrel{\‾}{x}}_{k,l}^T,...,{\stackrel{\‾}{x}}_{K,l}^T\]}^T={\left[\begin{array}{ccccc}{\stackrel{\‾}{x}}_l(1,1)& ...& {\stackrel{\‾}{x}}_l(1,k)& ...& {\stackrel{\‾}{x}}_l(1,K)\\ \·& & \·& & \·\\ \·& & \·& & \·\\ \·& & \·& & \·\\ {\stackrel{\‾}{x}}_l(n,1)& ...& {\stackrel{\‾}{x}}_l(n,k)& ...& {\stackrel{\‾}{x}}_l(n,K)\\ \·& & \·& & \·\\ \·& & \·& & \·\\ \·& & \·& & \·\\ {\stackrel{\‾}{x}}_l(N,1)& ...& {\stackrel{\‾}{x}}_l(N,k)& ...& {\stackrel{\‾}{x}}_l(N,K)\end{array}\right]}^T$

其中，k＝1，2，...，K，K为脉冲个数，n＝1，2，...，N，N为机载雷达的天线阵面在俯仰向均匀排列的阵元个数。

4.如权利要求1所述的一种机载雷达空时回波数据的两级空时自适应处理方法，其特征在于，第一切比雪夫权为30dB，第二切比雪夫权为45dB。

5.如权利要求1所述的一种机载雷达空时回波数据的两级空时自适应处理方法，其特征在于，步骤3的具体子步骤为：

3.1定义第l个距离单元的第n个列子阵向量为

${\stackrel{\‾}{x}}_l\left(n\right)={\[{\stackrel{\‾}{x}}_l(n,1),...,{\stackrel{\‾}{x}}_l(n,k),...,{\stackrel{\‾}{x}}_l(n,K)\]}^T$

其中，k＝1，2，...，K，K为多普勒通道数；

3.2构造加权快速傅里叶变换矩阵T，其第k列列向量T_k为：

T_k＝[a₀，a₁e^{jπ(k-K/2-1)/(K/2)}，...，a_K-1e^{jπ(k-K/2-1)/(K/2)(K-1)}]^T

其中，a_r为第r个加窗系数，r＝0，1，....，K-1；

3.3计算第l个距离单元的第n个列子阵向量在第k个多普勒通道的输出数据x_l(n，k)：

$x_l(n,k)=T_k^H{\stackrel{\‾}{x}}_l\left(n\right)=\underset{r=0}{\overset{K-1}{\Σ}}{a}_r{\stackrel{\‾}{x}}_l(n,r+1)e^{-j\mathrm{\π}(k-K/2-1)/(K/2)r}$

其中，上标H表示共轭转置。

6.如权利要求1所述的一种机载雷达空时回波数据的两级空时自适应处理方法，其特征在于，步骤5的具体子步骤为：

5.1根据第l个距离单元的第p个子阵单元内所有Q个列子阵向量在所有K个多普勒通道的输出数据，计算得到第l个距离单元的第p个子阵单元在第k个多普勒通道及其相邻两个通道的联合数据矢量x′_l(p，k)：

$x_l^{\′}(p,k)={(I_Q\⊗B_k)}^H{x}_l\left(p\right)$

其中，是第l个距离单元的第p个子阵单元的数据矢量，x_l(p，k)＝[x_l(p₁，k)，...，x_l(p_q，k)，...，x_l(p_Q，k)]^T，定义B_k为3DT变换矩阵，B_k＝[T_k-1T_kT_k+1]，T_k-1、T_k和T_k+1分别是加权快速傅里叶变换矩阵T的第k-1列、第k列和第k+1列列向量，I_Q是Q×Q的单位矩阵，表示Kronecker积，上标H表示共轭转置；

5.2估计第l个距离单元的第p个子阵单元在第k个多普勒通道的空时协方差矩阵

${\hat{R}}_l(p,k)=\frac{1}{L^{\′}}\underset{l=1}{\overset{L^{\′}}{\Σ}}\{\[x_l^{\′}(p,k)){\[x_l^{\′}(p,k)\mathrm{\]}}^H\}$

其中，L′是与第l个距离单元的第p个子阵单元的数据矢量x_l(p)独立同分布的参考单元数，2QK＜L′≤L；

5.3自适应训练得到第l个距离单元的第p个子阵单元在第k个多普勒通道的空时滤波器w_l(p，k)：

$w_l(p,k)=\frac{{\hat{R}}_l^{-1}(p,k)s_1}{s_1^H{\hat{R}}_l(p,k)s_1}$

其中，s₁是第一空时导向矢量， $s_1=s_{\mathrm{sQ}}\⊗B_k^H{\left[\begin{array}{cccc}1& e^{\mathrm{j\π}(k-K/2-1)/(K/2)}& ...& e^{\mathrm{j\π}(k-K/2-1)/(K/2)(K-1)}\end{array}\right]}^T,$ s_sQ为Q×1维单位矢量；

5.4根据第l个距离单元的第p个子阵单元在第k个多普勒通道的空时滤波器w_l(p，k)抑制第l个距离单元的第p个子阵单元在第k个多普勒通道及其相邻两个通道的联合数据矢量x′_l(p，k)中的远程杂波，计算得到第一级杂波抑制后第l个距离单元的第p个子阵单元在第k个多普勒通道的多普勒谱y_l(p，k)，

7.如权利要求1所述的一种机载雷达空时回波数据的两级空时自适应处理方法，其特征在于，步骤6的具体子步骤为：

6.1根据第l个距离单元的所有P个子阵单元在所有K个多普勒通道的多普勒谱，计算得到第l个距离单元在第k个多普勒通道的数据矢量y′_k(k)：

$y_l^{\′}\left(k\right)={(I_P\⊗T_k)}^H{y}_l$

其中，是第l个距离单元的多普勒域数据矢量，y_l(p)＝[y_l(p，1)，...，y_l(p，k)，...，y_l(p，K)]，T_k是加权快速傅里叶变换矩阵T的第k列列向量，I_P是P×P的单位矩阵，表示Kronecker积，上标H表示共轭转置；

6.2估计第l个距离单元在第k个多普勒通道的空时协方差矩阵

${\hat{R}}_l\left(k\right)=\frac{1}{L^{\′\′}}\underset{l=1}{\overset{L^{\′\′}}{\Σ}}\{\[x_l^{\′}\left(k\right)){\[x_l^{\′}\left(k\right)\mathrm{\]}}^H\}$

式中，L″是与第l个距离单元的多普勒域数据矢量y_l独立同分布的参考单元数，2PK＜L″≤L；

6.3自适应训练得到第l个距离单元在第k个多普勒通道的空时滤波器w_l(k)：

$w_l\left(k\right)=\frac{{\hat{R}}_l^{-1}\left(k\right)s_2}{s_2^H{\hat{R}}_l\left(k\right)s_2}$

其中，s₂是第二空时导向矢量， $s_2=s_{\mathrm{sP}}\⊗T_k^H{\left[\begin{array}{cccc}1& e^{\mathrm{j\π}(i-K/2-1)/(K/2)}& ...& e^{\mathrm{j\π}(i-K/2-1)/(K/2)(K-1)}\end{array}\right]}^T,$ s_sP为P×1维单位矢量；

6.4根据第l个距离单元在第k个多普勒通道的空时滤波器w_l(k)抑制第l个距离单元在第k个多普勒通道的数据矢量y′_l(k)中的远程杂波，计算得到第二级杂波抑制后第l个距离单元在第k个多普勒通道的多普勒谱z_l(k)，