CN115166666A - 一种非均匀环境下多普勒域降维迭代自适应stap方法 - Google Patents

Abstract

本发明公开了一种非均匀环境下多普勒域降维迭代自适应STAP方法，包括：根据快时间采样得到回波数据，并从所述回波数据中选取一个多普勒通道的所有阵元的单快拍数据；将空域均匀划分为N_s个网格，基于N_s个网格建立字典矩阵；利用字典矩阵表示单快拍数据；对单快拍数据进行功率谱估计得到最终的输出功率估计值；根据最终的输出功率估计值，计算杂波加噪声的协方差矩阵；利用根据杂波加噪声的协方差矩阵建立的优化方程计算空时自适应权；利用空时自适应权对单快拍数据进行自适应滤波，以完成自适应滤波处理。本发明既可以保证均匀样本不足条件下的功率谱估计精度，又减少了运算量。本发明算法简单，参数容易设置，不存在孔径损失。

Description

一种非均匀环境下多普勒域降维迭代自适应STAP方法

技术领域

本发明属于雷达信号处理技术领域，具体涉及一种非均匀环境下多普勒域降维迭代自适应STAP方法。

背景技术

在现代战争中，精准、快速地发现并打击目标是获取胜利的关键。机载雷达作为空中“鹰眼”，能够远程发现目标，为后续拦截和打击目标提供及时、有效的信息。同时，机载雷达凭借其视野范围广、对低空目标探测距离远、部署灵活、生存能力强的特性，在防空预警、战场监视、作战指挥等领域发挥着至关重要的作用。将雷达安置在飞机上带来了许多优势，但同时也存在着一些问题。机载雷达下视工作中，地杂波对其影响不可忽视。地杂波的回波强度大，分布范围广，尤其是在山区，城市等强散射区域。并且由于载机与地面存在相对运动，杂波会发生多普勒扩展，使得一些低速和微弱目标大概率会被杂波淹没，难以检测。因此针对机载雷达的杂波抑制技术开展研究就显得尤为关键。

空时自适应处理(STAP，Space-Time Adaptive Processing)技术充分利用时域和空域二维的信息，能够保持目标输出增益不变，自适应地形成与杂波脊匹配的凹口，从而有效地抑制杂波。但根据RMB准则，要保证STAP处理后的输出信杂噪比损失不超过3dB，需要不少于2倍的系统自由度数目的独立同分布样本来估计协方差矩阵。而在实际的预警应用中，受雷达照射场景的影响，杂波往往是非均匀的。例如在现实中，大面积平地的情况并不多见，尤其是在山区环境下，地形起伏比较剧烈，使得杂波动态范围大，并且容易发生遮挡现象，空时二维平面的杂波脊也容易出现不连续和偏移，导致杂波呈现严重的非均匀特性。这使得待检测单元与训练样本之间杂波的统计特性差异变大，限制了STAP能够获得的独立同分布样本数目，严重影响了协方差矩阵估计的准确性，往往导致杂波抑制性能明显下降。

针对雷达照射场景引起的非均匀问题，降维STAP通过减少系统自由度，在一定程度上可以减弱独立同分布样本数目不足带来的影响，但它不能彻底避免非均匀杂波的影响。杂波非均匀检测器(NHD)从样本选取的角度出发解决该问题。常用的非均匀检测器有广义内积(GIP)，自适应功率剩余(APR)，自适应相干估计器(ACE)等。GIP根据杂波数据的统计特性，剔除训练样本中的非均匀样本。APR由于利用目标导向矢量与样本的匹配程度来剔除非均匀样本，其杂波抑制效果优于GIP。ACE利用估计的白化后数据矢量与期望目标导向矢量的夹角，来判断是否包含目标信号。上述利用样本协方差矩阵计算度量准则的样本选取方法都建立在初始训练样本没有包含目标的前提下，但实际上这一前提很难满足。直接数据域(DDD)法不需要训练样本，该方法只利用了待检测单元的数据估计协方差矩阵，在处理极端非均匀杂波问题上具有相对优势，但其仅仅适用于等间距均匀阵列，并且存在孔径损失、对误差敏感等问题。回波数据谱重构方法需要的样本数均较少，在均匀样本严重不足的情况下实现对杂波的功率谱估计，取得较好的杂波抑制性能。该方法主要分为两类：一类是对杂波的空时功率谱进行估计，根据获得的空时功率谱直接检测目标。另一类是对得到空时功率谱，重构协方差矩阵，进行自适应滤波后再检测目标。IAA算法属于回波数据谱重构方法，可以获得高分辨的空时二维杂波功率谱，但IAA在系统自由度较高时，空时二维平面上划分网格数目较多，功率谱估计的复杂度高。

因此，如何解决现有降维类算法在均匀样本不足的情况下杂波抑制性能下降问题以及IAA算法在系统自由度较高时，空时二维平面上划分网格数目较多，功率谱估计的复杂度高的问题，成为了亟待解决的问题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种非均匀环境下多普勒域降维迭代自适应STAP方法。本发明要解决的技术问题通过以下技术方案实现：

一种非均匀环境下多普勒域降维迭代自适应STAP方法，所述自适应STAP方法包括：

步骤1、根据快时间采样得到回波数据，并从所述回波数据中选取一个多普勒通道的所有阵元的单快拍数据；

步骤2、将空域均匀划分为N_s个网格，基于所述N_s个网格建立字典矩阵Φ′；

步骤3、利用所述字典矩阵Φ′表示所述单快拍数据；

步骤4、基于所述字典矩阵Φ′，对所述单快拍数据进行功率谱估计得到最终的输出功率估计值P_k；

步骤5、根据最终的输出功率估计值P_k，计算杂波加噪声的协方差矩阵；

步骤6、利用根据所述杂波加噪声的协方差矩阵建立的优化方程计算空时自适应权；

步骤7、利用空时自适应权对所述单快拍数据进行自适应滤波，以完成自适应滤波处理。

在本发明的一个实施例中，所述步骤1包括：

步骤1.1、对N个阵元的K个脉冲的回波信号进行L次快时间采样后得到N×K×L维的回波数据；

步骤1.2、在时域对所述回波数据做FFT处理，以对所述回波数据进行多普勒滤波，并从滤波后的N×K×L维的回波数据中选取一个多普勒通道的所有阵元的单快拍数据。

在本发明的一个实施例中，所述字典矩阵Φ′表示为：

其中，所述字典矩阵Φ′为N×N_s维的矩阵，N为阵元的总数量，s_s为空域导向矢量，N_s为归一化空间频率的网格数，N_s＝ρ_sN，ρ_s为离散化程度参数，ρ_s满足ρ_s>1，且N_s＞＞N，f_s,i为网格点所对应的归一化空间频率，并且f_s,i满足

在本发明的一个实施例中，第k个多普勒通道的所有阵元的单快拍数据z_k表示为：

z_k＝Φ′α_k+n

其中，α_k为第k个多普勒通道上归一化空间频率的网格对应的角度多普勒域幅值，α_k,j为第k个多普勒通道归一化空间频率的第j个网格的角度多普勒域幅值，n为噪声矩阵，T为转置,1≤k≤K，K为多普勒通道的数量。

在本发明的一个实施例中，所述步骤4包括：

步骤4.1、初始化协方差矩阵

Ι_N为N×N维的单位矩阵，且最大迭代次数设置为T；

步骤4.2、计算第t次迭代的角度多普勒域幅值

的估计值；

步骤4.3、根据第t次迭代的角度多普勒域幅值

的估计值计算第t次迭代的功率估计值

步骤4.4、当t≥1时，判断是否达到迭代截止条件或者判断t是否达到最大迭代次数T，若达到迭代截止条件或者t达到最大迭代次数T，则停止迭代，并且将功率估计值

作为最终的输出功率估计值P_k，否则执行步骤步骤4.5，其中，迭代截止条件为

ε为常数，||·||₁为1范数；

步骤4.5、计算第t+1次迭代的协方差矩阵

返回步骤4.2中进行第t+1次迭代，直至得到最终的输出功率估计值P_k。

在本发明的一个实施例中，第t次迭代的角度多普勒域幅值

的估计值表示为：

其中，s_s为空域导向矢量，H为共轭转置，

为第t次迭代的协方差矩阵。

在本发明的一个实施例中，所述功率估计值

表示为：

在本发明的一个实施例中，所述杂波加噪声的协方差矩阵表示为：

其中，R_{k_IAA}为杂波加噪声的协方差矩阵，

为噪声功率，Ι_N为N×N维的单位矩阵。

在本发明的一个实施例中，所述优化方程表示为：

其中，w_{k_IAA,opt}为空时自适应权，

s_k为多普勒域降维后目标的空时导向矢量，

s_t为目标的时域导向矢量，F_k为时域加权FFT矩阵F的第k列矢量。

本发明的有益效果：

本发明对回波数据进行多普勒滤波，利用多普勒滤波使杂波局域化。对于每一个多普勒通道，只使用待检测单元的数据在空域上利用IAA进行功率谱估计，重构协方差矩阵进行空时自适应处理。在脉冲数较多的情况下，既可以保证均匀样本不足条件下的功率谱估计精度，获得较好的杂波抑制效果，同时又减小了字典矩阵的维数，大大减少了运算量。并且本发明不存在孔径损失，算法简单，参数容易设置。即：本发明既可以保证均匀样本不足条件下的功率谱估计精度，同时又大大减少了运算量。并且本发明算法简单，参数容易设置，不存在孔径损失。

附图说明

图1是本发明实施例提供的一种非均匀环境下多普勒域降维迭代自适应STAP方法的流程示意图；

图2是本发明实施例提供的一种地形快速起伏的山区杂波环境的示意图；

图3a～图3g分别为PD、滑窗法不删除样本、APR删除3N个样本、GIP删除3N个样本、APR删除1N个样本、GIP删除1N个样本的处理结果图；

图4为各种方法沿多普勒维所有距离单元的杂波剩余曲线图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

目前，降维STAP不能无限的降低系统自由度，仍然需要一定数量的均匀样本，不能彻底避免非均匀杂波的影响。非均匀检测器(NHD)剔除训练样本中与大多数样本具有不同特性的奇异样本，没有考虑到待检测单元的杂波特性，不能保证训练样本与待检测单元间的相似性，在非均匀样本在总样本中数量占比较大的情况下，性能下降严重问题。直接数据域(DDD)方法和IAA算法不需要训练样本，而直接数据域法仅仅适用于等间距均匀阵列，并且存在孔径损失、对误差敏感等问题。IAA算法需要对每个快拍迭代求解功率谱，通常迭代多次才能获得较好的功率谱估计，需要耗费较多的时间。除此之外，每次迭代过程中的运算复杂度也很高。为了保证字典矩阵的完备性，细分的网格数目通常取系统自由度的3～5倍。然而现实生活中系统自由度通常很大，这就造成字典矩阵的维数往往过大，使得每次迭代求解过程中估计杂波功率谱，以及重构协方差矩阵时的运算复杂度高，需要大量的时间处理。处理一个快拍就要耗费许多时间，遍历处理完所有快拍就需要更多的时间。以上三点都不利于IAA-STAP的实时处理，限制了其在工程上的应用。

本发明的目的在于针对现有技术的不足，在地形快速起伏的山区环境中，提出一种单快拍下运算量更小的多普勒域降维迭代自适应STAP方法(DD-IAA-STAP)，用于解决现有降维类算法在均匀样本不足的情况下杂波抑制性能下降问题以及IAA算法在系统自由度较高时，空时二维平面上划分网格数目较多，功率谱估计的复杂度高的问题。

请参见图1，图1是本发明实施例提供的一种非均匀环境下多普勒域降维迭代自适应STAP方法的流程示意图。本发明实施例提供一种非均匀环境下多普勒域降维迭代自适应STAP方法，该自适应STAP方法包括步骤1-步骤6，其中：

步骤1、根据快时间采样得到回波数据，并从所述回波数据中选取一个多普勒通道的所有阵元的单快拍数据。

具体地，本实施首先对每个阵元脉冲的回波信号进行L次的快时间采样处理，由此可以对应得到回波数据，基于所得到的回波数据便可以确定一个多普勒通道的所有阵元的单快拍数据。

在一个具体实施例中，步骤1包括：

步骤1.1、对N个阵元的K个脉冲的回波信号进行L次快时间采样后得到N×K×L维的回波数据。

步骤1.2、在时域对选取的回波数据做FFT(fast Fourier transform，快速傅立叶变换)处理，以对回波数据进行多普勒滤波，并从滤波后的N×K×L维的回波数据中选取一个多普勒通道的所有阵元的单快拍数据，即一个距离单元的一个多普勒通道的所有阵元的回波数据。

步骤2、将空域均匀划分为N_s个网格，基于N_s个网格建立字典矩阵Φ′，其中，字典矩阵Φ′表示为：

其中，字典矩阵Φ′为N×N_s维的矩阵，N为阵元的总数量，s_s为空域导向矢量，N_s为归一化空间频率的网格数，N_s＝ρ_sN，ρ_s为离散化程度参数，ρ_s满足ρ_s>1，且N_s＞＞N，f_s,i为网格点所对应的归一化空间频率，并且f_s,i满足

步骤3、利用字典矩阵Φ′表示单快拍数据。

具体地，单快拍数据可以用字典矩阵Φ′表示，第k个多普勒通道的所有阵元的单快拍数据z_k表示为：

z_k＝Φ′α_k+n

其中，

α_k为第k个多普勒通道上归一化空间频率的网格对应的角度多普勒域幅值，α_k,j为第k个多普勒通道归一化空间频率的第j个网格的角度多普勒域幅值，n为噪声矩阵，T为转置，1≤k≤K，K为多普勒通道的数量。

步骤4、基于字典矩阵Φ′，对单快拍数据进行功率谱估计得到最终的输出功率估计值P_k。

在一个具体实施例中，步骤4包括：

步骤4.1、初始化协方差矩阵

Ι_N为N×N维的单位矩阵，且最大迭代次数设置为T。

具体地，输入字典矩阵Φ′，观测数据z_k，最大迭代次数T，设置初始迭代次数t＝0，初始化协方差矩阵

步骤4.2、计算第t次迭代的角度多普勒域幅值

的估计值，第t次迭代的角度多普勒域幅值

的估计值表示为：

其中，s_s为空域导向矢量，H为共轭转置，

为第t次迭代的协方差矩阵。

步骤4.3、根据第t次迭代的角度多普勒域幅值

的估计值计算第t次迭代的功率估计值

第t次迭代的功率估计值

为：

步骤4.4、当t≥1时，判断是否达到迭代截止条件或者判断t是否达到最大迭代次数T，若达到迭代截止条件或者t达到最大迭代次数T，则停止迭代，并且将功率估计值

作为最终的输出功率估计值P_k，否则执行步骤4.5，其中，迭代截止条件为

ε为常数，ε的取值例如为10^-5，||·||₁为1范数。

也就是说，当t≥1时，判断迭代截止条件：若

或者t>T迭代结束，并且将

作为最终的输出功率估计值，即

否则执行步骤4.5。

步骤4.5、计算第t+1次迭代的协方差矩阵

返回步骤4.2中进行第t+1次迭代，直至得到最终的输出功率估计值P_k。

也就是说，计算新的协方差矩阵：

令t＝t+1，返回步骤4.2中进行下一次迭代，直至迭代截止。

步骤5、根据最终的输出功率估计值P_k，计算杂波加噪声的协方差矩阵，杂波加噪声的协方差矩阵表示为：

其中，R_{k_IAA}为杂波加噪声的协方差矩阵，

为噪声功率，Ι_N为N×N维的单位矩阵。

步骤6、利用根据杂波加噪声的协方差矩阵建立的优化方程计算空时自适应权。

在本实施例中，优化方程表示为：

其中，w_{k_IAA,opt}为空时自适应权，

s_k为多普勒域降维后目标的空时导向矢量，

s_t为目标的时域导向矢量，F_k为时域加权FFT矩阵F的第k列矢量，s_s为目标的空域导向矢量。

步骤7、利用空时自适应权对单快拍数据进行自适应滤波，以完成自适应滤波处理。

具体地，用空时自适应权乘以单快拍数据，便可以完成该多普勒通道上的单快拍数据的自适应滤波。

仿真实验：

请参见图2，图2为地形快速起伏的山区杂波环境。仿真实验中波长为0.1m，脉冲重复频率为4000Hz，载机速度为100m/s，脉冲个数为64，载机高度为7000m。俯仰向阵元个数为4，方位向阵元个数为12，偏航角为-45°。对回波数据进行列子阵合成，获得N×K×L维的回波数据。

由于本发明只利用多普勒域降维后一个多普勒通道上的数据，在空域上采用IAA谱估计算法重构协方差矩阵，因此为了验证本发明的性能，将本发明与利用待检测单元同多普勒通道上周围样本估计采样协方差矩阵的方法作对比。由于采用了多普勒域降维以及列子阵合成处理，最终训练样本的个数设为L＝2N，即2倍的方位向阵元数。因此本文所选对比方法有PD处理、利用滑窗法直接选取2N样本、利用滑窗法先挑选L′＝5N个样本，再利用APR或GIP删除3N个样本、滑窗法先挑选L′＝3N个样本，再利用APR或GIP删除1N个样本。本发明中归一化空间频率细分网格数N_s设为3N。所有利用训练样本的对比方法都在待检测单元两侧分别设置2个单边保护单元，以避免目标自相消。

从图3中可以看出该仿真环境下，由于地形快速起伏造成的遮挡现象以及擦地角变化范围大，相比于理想的平坦地形环境，山区环境中杂波动态范围大，即部分杂波块的回波强度特别强，部分杂波块的回波强度特别弱，甚至没有回波，并且该环境下空时二维平面的杂波脊容易出现不连续和偏移，杂波呈现明显的非均匀性。相比于PD处理，每种处理方法都能抑制大部分的杂波。但本发明在杂波副瓣区域的抑制效果优于所有对比方法。

对比图4可以看出，本发明在20～30号多普勒通道以及40～50号多普勒通道的杂波剩余明显下降，并且与对比方法相比所提方法整体上的杂波剩余都有所下降，说明了所提方法能够更加准确的估计协方差矩阵，取得更好的杂波抑制效果。

本发明相比于降维算法中的FA方法，不需要训练样本。在地形快速起伏的山区环境中，相比于FA结合NHD方法，具有更高的功率谱估计精度。

本发明相比于DDD方法，不存在孔径损失。

本发明相比于IAA算法，在脉冲数较多的情况下，可以在取得较好的杂波抑制效果的同时显著降低运算量。

本发明提出了DD-IAA-STAP方法。该方法对回波数据进行多普勒滤波，利用多普勒滤波使杂波局域化，将杂波限制在一个较小的空域范围内。对于每一个多普勒通道，只在空域上利用IAA进行功率谱估计，重构协方差矩阵进行空时自适应处理。仿真结果证明，在脉冲数较多的情况下，本发明可以取得较好的杂波抑制效果并显著降低运算量。本发明考虑了预警机实际工作中地形起伏的影响，有利于机载雷达在非平坦地形环境中快速、有效的检测目标，为后续成功拦截和打击目标奠定基础，促使机载雷达在非平坦地形环境中也能于防空预警、战场监视、作战指挥等领域发挥出作用。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。

尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书，可理解并实现所述公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (9)

1.一种非均匀环境下多普勒域降维迭代自适应STAP方法，其特征在于，所述自适应STAP方法包括：

步骤1、根据快时间采样得到回波数据，并从所述回波数据中选取一个多普勒通道的所有阵元的单快拍数据；

步骤2、将空域均匀划分为N_s个网格，基于所述N_s个网格建立字典矩阵Φ′；

步骤3、利用所述字典矩阵Φ′表示所述单快拍数据；

步骤4、基于所述字典矩阵Φ′，对所述单快拍数据进行功率谱估计得到最终的输出功率估计值P_k；

步骤5、根据最终的输出功率估计值P_k，计算杂波加噪声的协方差矩阵；

步骤6、利用根据所述杂波加噪声的协方差矩阵建立的优化方程计算空时自适应权；

步骤7、利用空时自适应权对所述单快拍数据进行自适应滤波，以完成自适应滤波处理。

2.根据权利要求1所述的非均匀环境下多普勒域降维迭代自适应STAP方法，其特征在于，所述步骤1包括：

步骤1.1、对N个阵元的K个脉冲的回波信号进行L次快时间采样后得到N×K×L维的回波数据；

步骤1.2、在时域对所述回波数据做FFT处理，以对所述回波数据进行多普勒滤波，并从滤波后的N×K×L维的回波数据中选取一个多普勒通道的所有阵元的单快拍数据。

3.根据权利要求1所述的非均匀环境下多普勒域降维迭代自适应STAP方法，其特征在于，所述字典矩阵Φ′表示为：

其中，所述字典矩阵Φ′为N×N_s维的矩阵，N为阵元的总数量，s_s为空域导向矢量，N_s为归一化空间频率的网格数，N_s＝ρ_sN，ρ_s为离散化程度参数，ρ_s满足ρ_s>1，且N_s＞＞N，f_s,i为网格点所对应的归一化空间频率，并且f_s,i满足

4.根据权利要求1所述的非均匀环境下多普勒域降维迭代自适应STAP方法，其特征在于，第k个多普勒通道的所有阵元的单快拍数据z_k表示为：

z_k＝Φ′α_k+n

其中，α_k为第k个多普勒通道上归一化空间频率的网格对应的角度多普勒域幅值，α_k,j为第k个多普勒通道归一化空间频率的第j个网格的角度多普勒域幅值，n为噪声矩阵，T为转置，1≤k≤K，K为多普勒通道的数量。

5.根据权利要求4所述的非均匀环境下多普勒域降维迭代自适应STAP方法，其特征在于，所述步骤4包括：

步骤4.1、初始化协方差矩阵

Ι_N为N×N维的单位矩阵，且最大迭代次数设置为T；

步骤4.2、计算第t次迭代的角度多普勒域幅值

的估计值；

步骤4.3、根据第t次迭代的角度多普勒域幅值

的估计值计算第t次迭代的功率估计值

步骤4.4、当t≥1时，判断是否达到迭代截止条件或者判断t是否达到最大迭代次数T，若达到迭代截止条件或者t达到最大迭代次数T，则停止迭代，并且将功率估计值

作为最终的输出功率估计值P_k，否则执行步骤步骤4.5，其中，迭代截止条件为

ε为常数，||·||₁为1范数；

步骤4.5、计算第t+1次迭代的协方差矩阵

返回步骤4.2中进行第t+1次迭代，直至得到最终的输出功率估计值P_k。

6.根据权利要求5所述的非均匀环境下多普勒域降维迭代自适应STAP方法，其特征在于，第t次迭代的角度多普勒域幅值

的估计值表示为：

其中，s_s为空域导向矢量，H为共轭转置，

为第t次迭代的协方差矩阵。

7.根据权利要求5所述的非均匀环境下多普勒域降维迭代自适应STAP方法，其特征在于，所述功率估计值

表示为：

8.根据权利要求1所述的非均匀环境下多普勒域降维迭代自适应STAP方法，其特征在于，所述杂波加噪声的协方差矩阵表示为：

其中，R_{k_IAA}为杂波加噪声的协方差矩阵，

为噪声功率，Ι_N为N×N维的单位矩阵。

9.根据权利要求8所述的非均匀环境下多普勒域降维迭代自适应STAP方法，其特征在于，所述优化方程表示为：

其中，w_{k_IAA,opt}为空时自适应权，

s_k为多普勒域降维后目标的空时导向矢量，

s_t为目标的时域导向矢量，F_k为时域加权FFT矩阵F的第k列矢量。

Images