基于 Kronecker PCA 的鲁棒 SAR STAP

本文研究了多天线合成孔径雷达（SAR）中运动目标的检测问题。作为一种高分辨率雷达成像模式，SAR 能很好地检测和识别静止目标，使其优于经典的地面移动目标指示（GMTI）雷达。由于运动目标被“埋藏”在杂波中，其检测更具挑战性，通常采用空时自适应处理（STAP）（基于从时空杂波协方差中学习滤波器）来去除静止杂波并增强运动目标。本文指出，除了常提到的低秩结构外，杂波协方差还自然地呈现为具有低秩因子的空间与时间 Kronecker 积形式。我们提出了一种低秩 KronPCA 协方差估计算法以利用这种结构，并提出了一种基于 Kronecker 协方差估计的可分离杂波对消滤波器。两者结合可将所需训练样本数量减少几个数量级，并提高对训练数据损坏（例如由于异常值和运动目标）的鲁棒性。我们在球不变随机向量（SIRV）模型下推导了所提估计算法的理论性质，并确立了训练复杂度的显著降低。最后，展示了结合多通道数据（变化检测）的该方法扩展。使用真实 Gotcha SAR GMTI 挑战数据集的仿真结果和实验证实了我们的方法相对于现有技术的优势。