基于期望似然方法的非理想约束下雷达空时自适应处理鲁棒协方差估计
统计方法学
2016-02-18 v1
摘要
我们解决了雷达空时自适应处理（STAP）中结构化协方差矩阵估计的问题。先前许多工作利用干扰环境的先验知识，使得即使在训练样本不充足时也能得到准确的估计器。具体而言，近期研究表明，采用诸如杂波子空间秩和扰动协方差条件数等实用约束，可得到具有闭式解的强大估计器。尽管秩和条件数是非常有效的约束，但实际中的非理想性常使得难以通过物理模型精确获知它们。因此，我们提出一种通过期望似然（EL）方法的雷达STAP鲁棒协方差估计方法。我们分析了三种非理想约束情形下的协方差估计算法：1）秩约束，2）秩与噪声功率联合约束，3）条件数约束。在每种情形下，我们利用EL准则将精确的约束确定表述为一个优化问题。针对这三种情形，我们推导了新的解析结果，从而能够以计算高效、实用的方式设定这些约束。特别地，我们严格证明了由EL准则确定的秩和条件数均是唯一的。通过仿真模型与KASSPER数据集的实验结果，我们表明由EL方法获得的最优约束估计器优于 state of the art 的替代方法。
引用
@article{arxiv.1602.05540,
title = {Robust Covariance Estimation under Imperfect Constraints using an Expected Likelihood Approach},
author = {Bosung Kang and Vishal Monga and Muralidhar Rangaswamy and Yuri I. Abramovich},
journal= {arXiv preprint arXiv:1602.05540},
year = {2016}
}
备注
arXiv admin note: substantial text overlap with arXiv:1602.05069