基于$L_1$范数正则化的雷达系统稀疏感知 STAP 算法
信息论
2013-04-16 v1 math.IT
摘要
本文提出了一种新颖的稀疏感知空时自适应处理（SA-STAP）算法，该算法采用范数正则化，适用于机载相控阵雷达应用。所提出的 SA-STAP 算法假设满秩 STAP 数据立方体的部分样本对处理无意义，且最优满秩 STAP 滤波器权向量是稀疏或近似稀疏的。该方法的核心思想是对最小方差（MV）STAP 代价函数施加稀疏正则化（范数型）。在某些合理假设下，我们首先提出一种基于的样本矩阵求逆（SMI）方法来计算最优滤波器权向量。然而，由于矩阵求逆在大型相控阵天线中需要高昂的计算成本，该方法并不实用。因此，我们设计了基于共轭梯度（CG）技术的低复杂度算法。我们将所提算法与现有算法进行了计算复杂度对比并进行了分析。利用仿真数据和 Mountain Top 数据的仿真结果表明，所提算法实现了快速的信干噪比（SINR）收敛和良好的性能。
引用
@article{arxiv.1304.3874,
title = {Sparsity-Aware STAP Algorithms Using $L_1$-norm Regularization For Radar Systems},
author = {Z. Yang and R. C. de Lamare},
journal= {arXiv preprint arXiv:1304.3874},
year = {2013}
}
备注
6 figures