CN108020817A

CN108020817A - 基于配准的机载前视阵雷达杂波抑制方法

Info

Publication number: CN108020817A
Application number: CN201710895270.7A
Authority: CN
Inventors: 王彤; 肖浩
Original assignee: Xidian University
Current assignee: Xidian University
Priority date: 2017-09-28
Filing date: 2017-09-28
Publication date: 2018-05-11

Abstract

本发明公开了一种基于配准的前视阵机载雷达杂波抑制方法，思路为：确定机载前视阵雷达，机载前视阵雷达的检测范围内存在杂波散射体，获取N_max个距离门雷达回波数据和N_max个待检测单元数据，以及每个待检测单元数据选取的L个训练样本；确定空时二维平面、空时导向矢量矩阵和第l个待检测单元数据x_l在空时二维平面中的初始杂波功率矩阵，计算非均匀校正处理后第l个待检测单元数据x_l的采样协方差矩阵令l的值分别取1至N_max，得到非均匀校正处理后第1个待检测单元数据x₁的采样协方差矩阵至非均匀校正处理后第N_max个待检测单元数据的采样协方差矩阵后分别进行空时自适应处理，得到空时自适应处理结果，所述空时自适应处理结果为基于配准的机载前视阵雷达杂波抑制结果。

Description

基于配准的机载前视阵雷达杂波抑制方法

技术领域

本发明属于雷达技术领域，特别涉及一种基于配准的机载前视阵雷达杂波抑制方法，适用于非均匀环境下机载预警雷达抑制强地杂波以及检测地面慢速运动目标。

背景技术

机载预警雷达在接收目标回波信号的同时，不可避免地会受到复杂强地杂波的影响，如何从极强的杂波背景中对运动目标进行有效检测始终是机载预警雷达信号处理的核心任务，因此杂波抑制成为其必须解决的首要问题；空时自适应处理技术能够从空域和时域两维上同时区分运动目标和杂波，能够有效改善机载预警雷达的杂波抑制和运动目标检测性能，尤其是对慢速目标的检测更为有效，因而得到了广泛的关注。

由于杂波信号的统计特性通常是无法预知的，STAP需要选取待检测单元附近的回波数据作为训练样本对其进行估计；为获得较优的STAP性能(相对最优处理的性能损失不超过3dB),所需要的训练样本数不应少于系统自由度的两倍；此处设定所选用的训练样本与待检测单元数据满足独立同分布条件，即这些训练样本是均匀的且和待检测单元数据的统计特性相同；然而，由于实际场景中存在复杂的地表类型、植被覆盖以及孤立干扰，水塔、高耸的建筑物等情况，机载雷达通常都工作在非均匀杂波环境中；另外，当雷达天线前视安置时，近程回波会具有非常明显的距离依赖性；这些因素都会导致机载雷达回波数据非均匀，使得上述假设所要求的独立同分布样本条件很难满足，进而影响待检测单元杂波协方差矩阵估计精度，导致STAP的杂波抑制性能严重下降。

为解决以上技术问题，通常需要对数据进行预处理，通常预处理的思路主要是对这种非均匀性进行补偿来减轻或消除杂波的距离依赖性，使补偿后的训练样本的统计特性与待检测单元数据的统计特性趋于一致，基于配准的前视阵机载雷达杂波抑制方法可以有效的校正训练样本的非均匀性，并且计算量较少，在工程上比较容易实现。

发明内容

针对上述现有技术存在的问题，本发明的目的在于提出一种基于配准的机载前视阵雷达杂波抑制方法，这种基于配准的机载前视阵雷达杂波抑制方法能够有效抑制非均匀环境下前视机载预警雷达的强地杂波，提高待检测单元杂波协方差矩阵的估计精度，工程上易于实现，同时又能够保证可接受的杂波抑制和目标检测的性能。

为达到上述技术目的，本发明采用如下技术方案予以实现。

一种基于配准的前视阵机载雷达杂波抑制方法，包括以下步骤：

步骤1，确定机载前视阵雷达，机载前视阵雷达的检测范围内存在杂波散射体，分别获取N_max个距离门雷达回波数据和N_max个待检测单元数据，以及每个待检测单元数据选取的L个训练样本；N_max、L分别为大于0的正整数，N_max>L；

分别计算杂波散射体的归一化多普勒频率和杂波散射体的归一化空域频率，确定空时二维平面，进而计算空时导向矢量矩阵；

步骤2，确定第l个待检测单元数据x_l在空时二维平面中的初始杂波功率矩阵为

初始化：令i表示第i次迭代，i的初始值为1，x_l表示第l个待检测单元数据，l∈{1,2,…,N_max}，l的初始值为1；N_max表示雷达回波数据包含的N_max个距离门雷达回波数据总个数，与待检测单元数据总个数取值相等；

步骤3，计算第i次迭代后第l个待检测单元在空时二维平面中的杂波功率矩阵

步骤4，若或者i<γ，则令i的值加1，返回步骤3；其中，ε表示预先设定的控制迭代结束常数，γ为预先设定的最大迭代次数；

若或者i≥γ，则迭代停止，并将迭代停止时对应的第i次迭代后第l个待检测单元数据x_l在空时二维平面中的杂波功率矩阵记为第l个待检测单元数据x_l在空时二维平面中的最终杂波功率矩阵

其中，表示的l₁范数，表示的l₁范数；

步骤5，计算第l个待检测单元数据x_l基于配准的非均匀校正变换矩阵，并根据第l个待检测单元数据x_l在空时二维平面中的最终杂波功率矩阵计算得到非均匀校正处理后第l个待检测单元数据x_l的采样协方差矩阵

步骤6，令l的值加1，返回步骤3，直到得到非均匀校正处理后第N_max个待检测单元数据的采样协方差矩阵并对此时得到的非均匀校正处理后第1个待检测单元数据x₁的采样协方差矩阵至非均匀校正处理后第N_max个待检测单元数据的采样协方差矩阵分别进行空时自适应STAP处理，进而得到空时自适应STAP处理结果，所述空时自适应STAP处理结果为基于配准的机载前视阵雷达杂波抑制结果。

本发明的有益效果：

第一，本发明方法利用基于配准算法的优势，充分考虑了训练样本与待检测单元数据之间的差异，通过数据补偿来消除训练样本的非均匀性，使得本发明方法能够在非均匀前视强地杂波环境下保持良好的杂波抑制和运动目标检测性能。

第二，本发明方法通过一个变换矩阵即可实现杂波非均匀性的校正，在杂波抑制性能损失可接受的前提下，有效减少了计算量，提高了实时性。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明。

图1为本发明的一种基于配准的机载前视阵雷达杂波抑制方法流程图；

图2为机载前视阵雷达几何构型图；

图3(a)为采样协方差矩阵求逆方法空时二维谱示意图；

图3(b)为迭代自适应方法空时二维谱示意图；

图3(c)为本发明方法空时二维谱示意图；

图3(d)为最优处理方法空时二维谱示意图；

图4(a)为本发明方法与采样协方差矩阵求逆方法改善因子对比示意图；

图4(b)为本发明方法与迭代自适应方法改善因子对比示意图；

图5为验证本发明方法对目标污染鲁棒性示意图。

具体实施方式

参照图1，为本发明的一种基于配准的机载前视阵雷达杂波抑制方法流程图；所述基于配准的机载前视阵雷达杂波抑制方法，包括以下步骤：

步骤1，确定机载前视阵雷达，机载前视阵雷达的检测范围内存在杂波散射体S，所述杂波散射体S为机载前视阵雷达波束照射到地面上时能够反射机载前视阵雷达不需要的回波的物体。

机载前视阵雷达发射信号并接收雷达回波数据，所述雷达回波数据包含N_max个距离门雷达回波数据，依次记为第1个距离门的雷达回波数据、第2个距离门的雷达回波数据、…、第N_max个距离门的雷达回波数据；将每个距离门的雷达回波数据分别记为一个待检测单元数据，进而得到N_max个待检测单元数据。

在每个距离门的雷达回波数据两侧分别选取L个距离门的雷达回波数据，记为L个训练样本，其选取过程为：

令x_l表示第l个待检测单元数据，l∈{1,2,…,N_max}，如果l＝1时，选取的L个训练样本分别为第2个距离门的雷达回波数据、第3个距离门的雷达回波数据、…、第L+1个距离门的雷达回波数据；如果l＝N_max时，选取的L个训练样本分别为第N_max-L个距离门的雷达回波数据、第N_max-L+1个距离门的雷达回波数据、…、第N_max-1个距离门的雷达回波数据；如果1<l<N_max l＝N_max时，选取的L个训练样本分别为第1个距离门的雷达回波数据、第2个距离门的雷达回波数据、…、第l-1个距离门的雷达回波数据和第l+1个距离门的雷达回波数据、第l+2个距离门的雷达回波数据、…、第L-l+2个距离门的雷达回波数据；其中，N_max、L分别为大于0的正整数，N_max>L；本实施例中N_max取值为334，L取值为80。

参照图2，为机载前视阵雷达几何构型图；其中，X-Y平面表示地平面，所述地平面未考虑地表的曲率问题，并且垂直于X轴方向的平面在水平面的交线为Y轴，垂直于地平面方向定义为Z轴方向；机载前视阵雷达载机以高度H、速度υ沿着X轴方向飞行；S为相对于机载前视阵雷达载机平台斜距为R_l的杂波散射体；将机载前视阵雷达载机速度υ的方向与机载前视阵雷达天线轴向的夹角，记为偏航角α；将杂波散射体S和机载前视阵雷达天线中心之间的连线与水平方向的夹角，记为俯仰角将杂波散射体S和机载前视阵雷达天线中心之间的连线在地平面的投影与机载前视阵雷达天线轴向的夹角，记为方位角θ。

其中，将机载前视阵雷达平台到杂波散射体的直线距离记为斜距，第l个距离门的雷达回波数据对应斜距为R_l，R_l＝H+(l-1)△R，△R表示机载前视阵雷达的距离分辨率，B表示机载前视阵雷达的接收机带宽，c表示光传播速度。

当l＝1时，R_l＝H，l＝N_max，对应第N_max个距离门的雷达回波数据；当l＝N_max时，R_l＝H+(N_max-1)△R，对应第N_max个距离门的雷达回波数据，且取值与机载前视阵雷达的最大不模糊距离R_u取值相等，T_r表示机载前视阵雷达的脉冲重复周期。

将每个距离门的雷达回波数据分别记为一个待检测单元数据，进而得到N_max个待检测单元数据。

杂波散射体S的空域频率表示为

杂波散射体S的归一化空域频率表示为f_s：

其中，d为机载前视阵雷达的阵元间距，ψ为机载前视阵雷达载机速度方向与杂波散射体S之间的夹角，λ为机载前视阵雷达发射电磁波的波长，表示杂波散射体S的空域频率，f_s表示杂波散射体S的归一化空域频率，cos表示余弦函数；将机载前视阵雷达载机速度υ的方向与机载前视阵雷达天线轴向的夹角，记为偏航角α；将杂波散射体S和机载前视阵雷达天线中心之间的连线与水平方向的夹角，记为俯仰角将杂波散射体S和机载前视阵雷达天线中心之间的连线在地平面的投影与机载前视阵雷达天线轴向的夹角，记为方位角θ。

杂波散射体S的多普勒频率表示为

其中，υ表示机载前视阵雷达载机飞行速度。

杂波散射体S的归一化多普勒频率表示为f_d：

其中，υ为机载前视阵雷达载机飞行速度，ψ为机载前视阵雷达载机速度方向与杂波散射体S之间的夹角，λ为机载前视阵雷达发射电磁波的波长，为杂波散射体S的多普勒频率，f_d为杂波散射体S的归一化多普勒频率。

空时二维平面的定义如下:以杂波散射体S的归一化多普勒频率f_d为横轴，以杂波散射体S的归一化空域频率f_s为纵轴形成的二维平面，记为空时二维平面；分别将杂波散射体S的归一化空域频率f_s均匀划分成Ns个网格点，将杂波散射体S的归一化多普勒频率f_d均匀划分成Nt个网格点，等效于将空时二维平面划分成Num个网格点，Num＝Ns×Nt，因此空时二维平面为Ns×Nt维网格矩阵；折中考虑计算量和杂波谱估计精度，通常设置Ns∈[5N,10N]，Nt∈[5M,10M]，M表示一个相干处理间隔内机载前视阵雷达发射的脉冲个数，N表示机载前视阵雷达的天线阵列包含的阵元总个数。

定义杂波散射体S的归一化多普勒频率f_d中第m个网格点的归一化多普勒频率的时域导向矢量为b(f_d,m)，其表达式为：

其中，m∈{1,2,…,Nt}，f_d,m表示第m个网格点的归一化多普勒频率，M表示一个相干处理间隔内机载前视阵雷达发射的脉冲个数，[·]^T表示矩阵转置运算，e表示自然对数的底数；j表示虚数单位，

定义杂波散射体S的归一化空域频率f_s中第n个网格点的归一化空域频率的空域导向矢量为a(f_s,n)，其表达式为：

其中，N表示机载前视阵雷达的天线阵列包含的阵元总个数，[…]^T表示转置运算，n∈{1,2,…,Ns}，f_s,n表示第n个网格点的归一化空域频率。

定义第m个网格点的归一化多普勒频率f_d,m、第n个网格点的归一化空域频率f_s,n对应的空时二维导向矢量为υ(f_d,m,f_s,n)，其表达式为：

其中，f_d,m表示第m个网格点的归一化多普勒频率，m∈{1,2,…,Nt}，f_s,n表示第n个网格点的归一化空域频率，n∈{1,2,…,Ns}，b(f_d,m)表示杂波散射体S的归一化多普勒频率f_d中第m个网格点的归一化多普勒频率的时域导向矢量，a(f_s,n)表示杂波散射体S的归一化空域频率f_s中第n个网格点的归一化空域频率的空域导向矢量，表示Kronecker积；进而得到MN×Num维空时导向矢量矩阵为A，其表达式为：

其中，υ(f_d,m,f_s,n)表示第m个网格点的归一化多普勒频率f_d,m、第n个网格点的归一化空域频率f_s,n对应的空时二维导向矢量，f_d,m表示第m个网格点的归一化多普勒频率，m∈{1,2,…,Nt}，f_s,n表示第n个网格点的归一化空域频率，n∈{1,2,…,Ns}，Ns表示因此空时二维平面为Ns×Nt维网格矩阵，Ns表示杂波散射体S的归一化空域频率f_s包含的网格点总个数，与空时二维平面的总行数取值相等；Nt个表示杂波散射体S的归一化多普勒频率f_d包含的网格点总个数，与空时二维平面的总列数取值相等。

步骤2，分别确定第l个待检测单元数据x_l在空时二维平面中的初始杂波功率矩阵为确定第l个待检测单元数据x_l在空时二维平面中第m行、第n列网格点处的初始杂波点功率为所述第l个待检测单元数据x_l在空时二维平面中第m行、第n列网格点处的初始杂波点功率为其表达式为：

初始化：令i表示第i次迭代，i的初始值为1，x_l表示第l个待检测单元数据，l∈{1,2,…,N_max}，l的初始值为1；N_max表示雷达回波数据包含的N_max个距离门雷达回波数据总个数，与待检测单元数据总个数取值相等。

进而得到第l个待检测单元数据x_l在空时二维平面中的初始杂波功率矩阵为其表达式为：

其中，R^Nt×Ns表示Nt×Ns维实数集，m∈{1,2,…,Nt}，n∈{1,2,…,Ns}，Ns表示因此空时二维平面为Ns×Nt维网格矩阵，Ns表示杂波散射体S的归一化空域频率f_s包含的网格点总个数，与空时二维平面的总行数取值相等；Nt个表示杂波散射体S的归一化多普勒频率f_d包含的网格点总个数，与空时二维平面的总列数取值相等。

步骤3，计算第i次迭代后第l个待检测单元数据x_l在空时二维平面中的杂波功率矩阵

其中，表示第i-1次迭代后第l个待检测单元数据x_l在空时二维平面中第1行、第1列处的杂波点功率，表示第i-1次迭代后第l个待检测单元数据x_l在空时二维平面中第1行、第2列网格点处的杂波点功率，表示第i-1次迭代后第l个待检测单元数据x_l在空时二维平面中第Nt行、第Ns-1列网格点处的杂波点功率，表示第i-1次迭代后第l个待检测单元数据x_l在空时二维平面中第Nt行、第Ns列网格点处的杂波点功率。

进而计算得到第i次迭代后第l个待检测单元数据x_l在空时二维平面的重构协方差矩阵其表达式为：

其中，A表示MN×Num维空时导向矢量矩阵，A∈C^MN×Num，C^MN×Num表示

MN×Num维复数集；C^MN×MN表示MN×MN维复数集；上标H表示共轭转置操作。

其中，将表示为第i次迭代后第l个待检测单元数据x_l在空时二维平面中第m行、第n列网格点处的杂波点功率，其表达式为：

其中，υ(f_d,m,f_s,n)表示第m个网格点的归一化多普勒频率f_d,m、第n个网格点的归一化空域频率f_s,n对应的空时二维导向矢量为，表示第i次迭代后空时二维平面在第l个待检测单元数据处的重构协方差矩阵，()^-1表示矩阵求逆操作，上标H表示共轭转置操作。

步骤4，若或者i<γ，则令i的值加1，返回步骤3；其中，ε表示预先设定的控制迭代结束常数，一般取0.001；γ为预先设定的最大迭代次数，通常取15。

其中，表示的l₁范数，表示的l₁范数，n'∈{1,2,…,MN}，m'∈{1,2,…,MN}，表示第i次迭代后第l个待检测单元数据x_l在空时二维平面中第m'行、第n'列网格点处的杂波点功率，表示第i-1次迭代后第l个待检测单元数据x_l在空时二维平面中第m'行、第n'列网格点处的杂波点功率，M表示一个相干处理间隔内机载前视阵雷达发射的脉冲个数，N表示机载前视阵雷达的天线阵列包含的阵元总个数。

步骤5，求解变换矩阵T并计算校正后的杂波协方差矩阵

5.1计算得到未经过校正处理的第l个待检测单元数据x_l的杂波协方差矩阵

其中，表示第l个待检测单元数据x_l选取的L个训练样本中的第k个训练样本数据，k∈{1,2,…,L}，L表示每个待检测单元数据选取的训练样本总个数，上标H表示共轭转置操作。

为了使估计第l个待检测单元数据x_l的杂波协方差矩阵选取的L个训练样本中第k个训练数据与第l个待检测单元数据x_l的统计特性近似相同，本发明基于配准的原理只需从如下式子求解出第l个待检测单元数据x_l基于配准的非均匀校正变换矩阵T_l：

其中，表示通过迭代自适应方法估计的第l个待检测单元数据x_l的杂波协方差矩阵，表示通过采样协方差方法估计的第l个待检测单元数据x_l的杂波协方差矩阵，下标F表示F范数，表示第l个待检测单元数据x_l在空时二维平面中的最终杂波功率矩阵。

对通过迭代自适应方法估计的第l个待检测单元数据x_l的杂波协方差矩阵进行特征分解：

其中，U_l表示的特征向量，V_l表示的特征向量对应的特征值构成的矩阵。

5.2对通过采样协方差方法估计的第l个待检测单元数据x_l的杂波协方差矩阵进行乔累斯基分解：

其中，C^MN×MN表示MN×MN维复数集，上标H表示共轭转置操作；D_l表示第l个待检测单元数据x_l的乔累斯基分解因子，D_l∈C^MN×MN，其表达式为：

其中，d_l(i',j)表示第l个待检测单元数据x_l的乔累斯基分解因子D_l中第i'行、第j列元素，1≤i'≤MN，1≤j≤MN，1≤s≤i'-1，1≤s'≤j-1，d_l(i',s)表示第l个待检测单元数据x_l的乔累斯基分解因子D_l中第i'行、第s列元素，d_l(i',s')表示第l个待检测单元数据x_l的乔累斯基分解因子D_l中第i'行、第s'列元素，d_l(j,s')表示第l个待检测单元数据x_l的乔累斯基分解因子D_l中第j行、第s'列元素，M表示一个相干处理间隔内机载前视阵雷达发射的脉冲个数，N表示机载前视阵雷达的天线阵列包含的阵元总个数。

然后计算得到第l个待检测单元数据x_l基于配准的非均匀校正变换矩阵T_l，其表达式为：T_l＝(U_lV_l ^1/2D_l ^-1)^H。

5.3使用第l个待检测单元数据x_l基于配准的非均匀校正变换矩阵T_l对第l个待检测单元数据x_l选取的L个训练样本中的第k个训练样本数据进行非均匀校正处理，得到非均匀校正处理后第l个待检测单元数据x_l选取的L个训练样本中的第k个训练样本数据Y_l ^k：

其中，表示第l个待检测单元数据x_l选取的L个训练样本中的第k个训练样本，k∈{1,2,…,L}，L表示每个待检测单元数据选取的训练样本总个数，上标H表示共轭转置操作。

5.4令k的值分别取1至L，重复执行5.3，进而分别得到非均匀校正处理后第l个待检测单元数据x_l选取的L个训练样本中的第1个训练样本数据Y_l ¹至非均匀校正处理后第l个待检测单元数据x_l选取的L个训练样本中的第L个训练样本数据Y_l ^L，并记为非均匀校正处理后第l个待检测单元数据x_l中的L个训练样本数据，然后将k的值初始化为1。

5.5经过非均匀校正处理后的训练样本数据与待检测单元的统计特性近似相同，可以用来估计待检测单元的协方差矩阵，进而根据非均匀校正处理后第l个待检测单元数据x_l中的L个训练样本数据，计算得到非均匀校正处理后第l个待检测单元数据x_l的采样协方差矩阵

步骤6，令l的值加1，返回步骤3，直到得到非均匀校正处理后第N_max个待检测单元数据的采样协方差矩阵并对此时得到的非均匀校正处理后第1个待检测单元数据x₁的采样协方差矩阵至非均匀校正处理后第N_max个待检测单元数据的采样协方差矩阵分别进行空时自适应STAP处理，进而得到空时自适应STAP处理结果，所述空时自适应STAP处理结果为基于配准的机载前视阵雷达杂波抑制结果；通过本发明方法处理后得到的基于配准的机载前视阵雷达杂波抑制结果距离依赖性明显减小，并且能够有效地抑制地杂波。

至此，本发明的一种基于配准的机载前视阵雷达杂波抑制的方法结束。

通过以下仿真实验对本发明效果作进一步验证说明。

(一)仿真实验数据说明。

为了验证本发明方法的准确性，通过仿真实验予以证明；仿真实验参数如下：

(二)仿真结果及分析

本发明的仿真结果分别如图3(a)、图3(b)、图3(c)、图3(d)、图4(a)、图4(b)、和图5所示，图3(a)为采样协方差矩阵求逆方法空时二维谱示意图，图3(b)为迭代自适应方法空时二维谱示意图，图3(c)为本发明所提方法空时二维谱示意图，图3(d)为最优处理方法空时二维谱示意图，其中横坐标都为归一化多普勒频率，纵坐标都为归一化空间频率；图4(a)为本发明方法与采样协方差矩阵求逆方法改善因子对比示意图，图4(b)为本发明方法与迭代自适应方法改善因子对比示意图；其中横坐标都为归一化多普勒频率，纵坐标为都改善因子(dB)；图5为验证本发明方法对目标污染鲁棒性示意图。

从图3(a)可以看出，由于杂波不均匀以及雷达天线前视配置，采样协方差算法不能有效估计待检测单元的杂波协方差矩阵导致杂波能量在空时二维平面扩散严重，这将严重降低机载雷达对地面慢速运动目标的检测性能，由图3(c)可以看出，运用本发明算法能够有效估计待检测单元的杂波协方差矩阵，保证了机载雷达对慢速运动目标的检测性能。

从图3(a)和图3(b)可以看出，本发明方法主瓣方向的凹口比采样协方差算法以及迭代自适应算法对应的凹口明显变窄，在旁瓣杂波区和噪声区比最优算法略微偏低，这说明采用本发明算法的机载前视阵雷达能获得良好的杂波抑制性能，能够显著提高对慢速运动目标的检测能力，图4(a)和图4(b)的仿真实验验证了本发明方法的有效性。

从图5可以看出，即使训练样本中存在干扰目标的恶劣环境下，采用本发明方法相比理想情况下的杂波抑制性能只是略微下降一些，这说明本发明所提算法在工程应用中具有可靠性高的特点。

综上所述，仿真实验验证了本发明的正确性，有效性和可靠性。

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

1.一种基于配准的机载前视阵雷达杂波抑制方法，其特征在于，包括以下步骤：

其中，表示的l₁范数，表示的l₁范数；

2.如权利要求1所述的一种基于配准的机载前视阵雷达杂波抑制方法，其特征在于，在步骤1中，所述N_max个距离门雷达回波数据、所述N_max个待检测单元数据和所述L个训练样本，其获取过程分别为：

机载前视阵雷达发射信号并接收雷达回波数据，所述雷达回波数据包含N_max个距离门雷达回波数据，依次记为第1个距离门的雷达回波数据、第2个距离门的雷达回波数据、…、第N_max个距离门的雷达回波数据；将每个距离门的雷达回波数据分别记为一个待检测单元数据，进而得到N_max个待检测单元数据；

令x_l表示第l个待检测单元数据，l∈{1,2,…,N_max}，如果l＝1时，选取的L个训练样本分别为第2个距离门的雷达回波数据、第3个距离门的雷达回波数据、…、第L+1个距离门的雷达回波数据；如果l＝N_max时，选取的L个训练样本分别为第N_max-L个距离门的雷达回波数据、第N_max-L+1个距离门的雷达回波数据、…、第N_max-1个距离门的雷达回波数据；如果1<l<N_maxl＝N_max时，选取的L个训练样本分别为第1个距离门的雷达回波数据、第2个距离门的雷达回波数据、…、第l-1个距离门的雷达回波数据和第l+1个距离门的雷达回波数据、第l+2个距离门的雷达回波数据、…、第L-l+2个距离门的雷达回波数据；其中，N_max、L分别为大于0的正整数，N_max>L。

3.如权利要求2所述的一种基于配准的机载前视阵雷达杂波抑制方法，其特征在于，在步骤1中，所述杂波散射体S的空域频率为所述杂波散射体S的归一化空域频率为f_s，其表达式分别为：

其中，d为机载前视阵雷达的阵元间距，ψ为机载前视阵雷达载机速度方向与杂波散射体S之间的夹角，λ为机载前视阵雷达发射电磁波的波长，表示杂波散射体S的空域频率，f_s表示杂波散射体S的归一化空域频率，cos表示余弦函数；将机载前视阵雷达载机速度υ的方向与机载前视阵雷达天线轴向的夹角，记为偏航角α；将杂波散射体S和机载前视阵雷达天线中心之间的连线与水平方向的夹角，记为俯仰角将杂波散射体S和机载前视阵雷达天线中心之间的连线在地平面的投影与机载前视阵雷达天线轴向的夹角，记为方位角θ；

所述空时二维平面是以杂波散射体S的归一化多普勒频率f_d为横轴，以杂波散射体S的归一化空域频率f_s为纵轴形成的二维平面，所述空时二维平面为Ns×Nt维网格矩阵；

所述空时导向矢量矩阵为MN×Num维空时导向矢量矩阵A，其表达式为：

4.如权利要求3所述的一种基于配准的机载前视阵雷达杂波抑制方法，其特征在于，在步骤2中，所述第l个待检测单元数据x_l在空时二维平面中的初始杂波功率矩阵为其表达式为：

其中，将表示为第l个待检测单元数据x_l在空时二维平面中第m行、第n列网格点处的初始杂波点功率，m∈{1,2,…,Nt}，n∈{1,2,…,Ns}，Ns表示因此空时二维平面为Ns×Nt维网格矩阵，Ns表示杂波散射体S的归一化空域频率f_s包含的网格点总个数，与空时二维平面的总行数取值相等；Nt个表示杂波散射体S的归一化多普勒频率f_d包含的网格点总个数，与空时二维平面的总列数取值相等。

5.如权利要求4所述的一种基于配准的机载前视阵雷达杂波抑制方法，其特征在于，在步骤3中，所述第i次迭代后第l个待检测单元数据x_l在空时二维平面中的杂波功率矩阵表达式为：

6.如权利要求5所述的一种基于配准的机载前视阵雷达杂波抑制方法，其特征在于，在步骤4中，所述表示的l₁范数，所述表示的l₁范数，其表达式分别为：

<mrow> <mo>|</mo> <mo>|</mo> <msubsup> <mover> <mi>P</mi> <mo>~</mo> </mover> <mi>l</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>|</mo> <msub> <mo>|</mo> <msub> <mi>l</mi> <mn>1</mn> </msub> </msub> <mo>=</mo> <munder> <mi>max</mi> <mrow> <mn>1</mn> <mo>&le;</mo> <msup> <mi>n</mi> <mo>&prime;</mo> </msup> <mo>&le;</mo> <mi>M</mi> <mi>N</mi> </mrow> </munder> <munderover> <mo>&Sigma;</mo> <mrow> <msup> <mi>m</mi> <mo>&prime;</mo> </msup> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>M</mi> <mi>N</mi> </mrow> </munderover> <mo>|</mo> <msubsup> <mover> <mi>P</mi> <mo>~</mo> </mover> <mi>l</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <msup> <mi>m</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <msup> <mi>n</mi> <mo>&prime;</mo> </msup> <mo>)</mo> </mrow> <mo>|</mo> <mo>,</mo> <mo>|</mo> <mo>|</mo> <msubsup> <mover> <mi>P</mi> <mo>~</mo> </mover> <mi>l</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mo>|</mo> <msub> <mo>|</mo> <msub> <mi>l</mi> <mn>1</mn> </msub> </msub> <mo>=</mo> <munder> <mi>max</mi> <mrow> <mn>1</mn> <mo>&le;</mo> <msup> <mi>n</mi> <mo>&prime;</mo> </msup> <mo>&le;</mo> <mi>M</mi> <mi>N</mi> </mrow> </munder> <munderover> <mo>&Sigma;</mo> <mrow> <msup> <mi>m</mi> <mo>&prime;</mo> </msup> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>M</mi> <mi>N</mi> </mrow> </munderover> <mo>|</mo> <msubsup> <mover> <mi>P</mi> <mo>~</mo> </mover> <mi>l</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <msup> <mi>m</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <msup> <mi>n</mi> <mo>&prime;</mo> </msup> <mo>)</mo> </mrow> <mo>|</mo> </mrow>

其中，n'∈{1,2,…,MN}，m'∈{1,2,…,MN}，表示第i次迭代后第l个待检测单元数据x_l在空时二维平面中第m'行、第n'列网格点处的杂波点功率，表示第i-1次迭代后第l个待检测单元数据x_l在空时二维平面中第m'行、第n'列网格点处的杂波点功率，M表示一个相干处理间隔内机载前视阵雷达发射的脉冲个数，N表示机载前视阵雷达的天线阵列包含的阵元总个数。

7.如权利要求6所述的一种基于配准的机载前视阵雷达杂波抑制方法，其特征在于，步骤5的子步骤为：

<mrow> <msub> <mover> <mi>R</mi> <mo>~</mo> </mover> <mi>l</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>L</mi> </mfrac> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <mrow> <mo>(</mo> <msubsup> <mi>X</mi> <mi>l</mi> <mi>k</mi> </msubsup> <mo>)</mo> </mrow> <msup> <mrow> <mo>(</mo> <msubsup> <mi>X</mi> <mi>l</mi> <mi>k</mi> </msubsup> <mo>)</mo> </mrow> <mi>H</mi> </msup> </mrow>

其中，表示第l个待检测单元数据x_l选取的L个训练样本中的第k个训练样本数据，k∈{1,2,…,L}，L表示每个待检测单元数据选取的训练样本总个数，上标H表示共轭转置操作；

确定第l个待检测单元数据x_l基于配准的非均匀校正变换矩阵T_l满足如下关系：

其中，表示通过迭代自适应方法估计的第l个待检测单元数据x_l的杂波协方差矩阵，表示通过采样协方差方法估计的第l个待检测单元数据x_l的杂波协方差矩阵，下标F表示F范数，表示第l个待检测单元数据在空时二维平面中的最终杂波功率矩阵；

其中，U_l表示的特征向量，V_l表示的特征向量对应的特征值构成的矩阵；

<mrow> <msub> <mi>d</mi> <mi>l</mi> </msub> <mrow> <mo>(</mo> <msup> <mi>i</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msup> <mrow> <mo>(</mo> <msub> <mover> <mi>R</mi> <mo>~</mo> </mover> <mi>l</mi> </msub> <mo>(</mo> <mrow> <msup> <mi>i</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <msup> <mi>i</mi> <mo>&prime;</mo> </msup> </mrow> <mo>)</mo> <mo>-</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>s</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <msup> <mi>i</mi> <mo>&prime;</mo> </msup> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>d</mi> <mi>l</mi> </msub> <msup> <mrow> <mo>(</mo> <mrow> <msup> <mi>i</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <mi>s</mi> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>)</mo> </mrow> <mrow> <mn>1</mn> <mo>/</mo> <mn>2</mn> </mrow> </msup> </mtd> <mtd> <mrow> <mo>(</mo> <msup> <mi>i</mi> <mo>&prime;</mo> </msup> <mo>=</mo> <mi>j</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <mn>1</mn> <mrow> <msub> <mi>d</mi> <mi>l</mi> </msub> <mrow> <mo>(</mo> <mi>j</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mrow> <mo>(</mo> <msub> <mover> <mi>R</mi> <mo>~</mo> </mover> <mi>l</mi> </msub> <mo>(</mo> <mrow> <msup> <mi>i</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <mi>j</mi> </mrow> <mo>)</mo> <mo>-</mo> <munderover> <mo>&Sigma;</mo> <mrow> <msup> <mi>s</mi> <mo>&prime;</mo> </msup> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msub> <mi>d</mi> <mi>l</mi> </msub> <mo>(</mo> <mrow> <msup> <mi>i</mi> <mo>&prime;</mo> </msup> <mo>,</mo> <msup> <mi>s</mi> <mo>&prime;</mo> </msup> </mrow> <mo>)</mo> <msub> <mi>d</mi> <mi>l</mi> </msub> <mo>(</mo> <mrow> <mi>j</mi> <mo>,</mo> <msup> <mi>s</mi> <mo>&prime;</mo> </msup> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mo>(</mo> <msup> <mi>i</mi> <mo>&prime;</mo> </msup> <mo>></mo> <mi>j</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mo>(</mo> <msup> <mi>i</mi> <mo>&prime;</mo> </msup> <mo><</mo> <mi>j</mi> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>

其中，d_l(i',j)表示第l个待检测单元数据x_l的乔累斯基分解因子D_l中第i'行、第j列元素，1≤i'≤MN，1≤j≤MN，1≤s≤i'-1，1≤s'≤j-1，d_l(i',s)表示第l个待检测单元数据x_l的乔累斯基分解因子D_l中第i'行、第s列元素，d_l(i',s')表示第l个待检测单元数据x_l的乔累斯基分解因子D_l中第i'行、第s'列元素，d_l(j,s')表示第l个待检测单元数据x_l的乔累斯基分解因子D_l中第j行、第s'列元素，M表示一个相干处理间隔内机载前视阵雷达发射的脉冲个数，N表示机载前视阵雷达的天线阵列包含的阵元总个数；

然后计算得到第l个待检测单元数据x_l基于配准的非均匀校正变换矩阵T_l：

T_l＝(U_lV_l ^1/2D_l ^-1)^H；

5.3使用第l个待检测单元数据x_l基于配准的非均匀校正变换矩阵T_l对第l个待检测单元数据x_l选取的L个训练样本中的第k个训练样本数据进行非均匀校正处理，得到非均匀校正处理后第l个待检测单元数据x_l选取的L个训练样本中的第k个训练样本数据

其中，表示第l个待检测单元数据x_l选取的L个训练样本中的第k个训练样本，k∈{1,2,…,L}，L表示每个待检测单元数据选取的训练样本总个数，上标H表示共轭转置操作；

5.4令k的值分别取1至L，重复执行5.3，进而分别得到非均匀校正处理后第l个待检测单元数据x_l选取的L个训练样本中的第1个训练样本数据Y_l ¹至非均匀校正处理后第l个待检测单元数据x_l选取的L个训练样本中的第L个训练样本数据Y_l ^L，并记为非均匀校正处理后第l个待检测单元数据x_l中的L个训练样本数据，然后将k的值初始化为1；

5.5根据非均匀校正处理后第l个待检测单元数据x_l中的L个训练样本数据，计算得到非均匀校正处理后第l个待检测单元数据x_l的采样协方差矩阵