Reduced-dimension space-time adaptive processing with sparse constraints on beam-Doppler selection
Reduced-dimension space-time adaptive processing with sparse constraints on beam-Doppler selection
复制标题
波束多普勒选择稀疏约束的降维空时自适应处理
DOI：
10.1016/j.sigpro.2018.11.013
复制
发表时间：
2019-04
影响因子：
4.4
通讯作者：
de Lamare Rodrigo C
中科院分区：
文献类型：
--
作者：
Yang Zhaocheng;Wang Zetao;Liu Weijian;de Lamare Rodrigo C
在波束多普勒域中设计的最先进的空时自适应处理（STAP）算法通过固定用于自适应的波束多普勒单元而受到限制，这可能遭受性能下降。为了克服这个缺点，提出了一种新的STAP算法在波束多普勒域。该算法采用广义旁瓣抵消器结构，通过对权向量施加稀疏约束，将滤波器设计问题转化为稀疏表示问题。由于稀疏约束强制权向量中的大多数元素为零（或幅度足够小），因此该算法可以自适应地选择最佳波束多普勒单元进行自适应，因此福尔斯降维方法的范畴。仿真结果表明，该算法优于现有的固定波束多普勒定位处理的STAP方法。
State-of-the-art space-time adaptive processing (STAP) algorithms devised in the beam-Doppler domain are confined by fixing the beam-Doppler cells used for adaptation, which may suffer from performance degradation. To overcome this drawback, a novel STAP algorithm in the beam-Doppler domain is proposed. The proposed algorithm adopts a generalized sidelobe canceller structure, and the filter design is formulated as a sparse representation problem by imposing a sparse constraint on the weight vector. As the sparse constraint enforces most of the elements in the weight vector to be zero (or sufficiently small in amplitude), the proposed algorithm can adaptively select the best beam-Doppler cells for adaptation, and thus it falls under the category of reduced-dimension approach. Simulation results illustrate that the proposed algorithm outperforms the existing STAP approaches with fixed beam-Doppler localized processing.
登录
查看更多内容
影响因子：
5.4
作者：
Zhaocheng Yang;R. D. Lamare;Xiang Li
通讯作者：
Zhaocheng Yang;R. D. Lamare;Xiang Li
影响因子：
5.4
作者：
Rui Fa;R. D. Lamare;Lei Wang
通讯作者：
Rui Fa;R. D. Lamare;Lei Wang
DOI：
10.1109/tsp.2002.808076
发表时间：
2003-03
期刊：
IEEE Trans. Signal Process.
影响因子：
--
作者：
B. Rao;K. Engan;S. Cotter;J. Palmer;K. Kreutz-Delgado
通讯作者：
B. Rao;K. Engan;S. Cotter;J. Palmer;K. Kreutz-Delgado
影响因子：
3.9
作者：
Xiangrong Wang;E. Aboutanios;M. Amin
通讯作者：
Xiangrong Wang;E. Aboutanios;M. Amin
影响因子：
38.3
作者：
R. Klemm
通讯作者：
R. Klemm