机载MIMO雷达非均匀环境杂波抑制：空时自回归算法

"这篇研究论文探讨了在非均匀环境下，机载MIMO雷达杂波特征结构的空时自回归（SpaceTime Autoaggressive, STAR）算法的应用，旨在解决传统STAP方法在处理非独立同分布（non-iid）杂波时性能下降的问题。通过引入STAR算法，可以减少训练样本数量，降低计算复杂度。针对STAR算法在确定参数时的困难和易受训练样本不足影响的问题，论文提出了一种基于杂波特征结构的模型参数确定方法。仿真结果证明，这种方法在极小的训练样本条件下也能有效地确定模型参数，实现杂波抑制，适应于非均匀杂波环境。关键词涉及多输入多输出雷达、空时自回归、杂波抑制和空时自适应处理。" 这篇论文深入研究了机载MIMO（Multiple-Input Multiple-Output）雷达在复杂环境下的杂波抑制技术。在非均匀环境中，传统的空时自适应处理（STAP）方法由于不能准确估计杂波协方差矩阵，其性能会显著下降。为了应对这一挑战，作者引入了空时自回归（STAR）算法，这是一种能够降低对训练样本数量需求并减少运算量的策略。 STAR算法的核心在于利用空间和时间上的相关性来建模和预测杂波行为。然而，STAR算法在实际应用中存在参数确定的复杂性和对训练样本数量的敏感性。对此，论文提出了一个创新的方法，该方法依赖于杂波的特征结构来确定模型参数。这种方法的优势在于即使在训练样本极其有限的情况下，也能有效地识别和设定模型参数，从而实现对杂波的有效抑制。 通过模拟实验，作者展示了所提出的方法在非均匀杂波环境中的优异性能。实验结果证实了这种方法在减少训练样本的同时，仍能保持良好的杂波抑制效果，这对于提升机载MIMO雷达在复杂环境下的目标检测能力和抗干扰能力具有重要意义。 这篇论文为机载MIMO雷达的杂波抑制提供了新的思路和实用的解决方案，对于未来雷达系统的设计和优化具有重要的理论和实践价值。