基于广义内积任意阵列下的干扰样本剔除方法与流程

本发明属于空时二维自适应处理技术领域，特别涉及任意阵列构型环境下的干扰污染样本挑选，具体是一种基于广义内积任意阵列下的干扰样本剔除方法。用于机载雷达以及所有涉及时空二维自适应信号处理技术。

背景技术：

机载雷达的地物杂波呈现出的空时二维耦合的特性，需要采用空时二维自适应信号处理(Space-Time Adaptive Processing，STAP)技术同时在空域和时域内对信号进行处理。为了能够有效的利用STAP技术进行杂波抑制和运动目标检测，需要精确的估计杂波背景的协方差矩阵。杂波背景的协方差矩阵估计的精确性将对STAP的性能产生很大的影响。传统的STAP方法中的协方差矩阵是基于最大似然估计得到的，估计所用的训练样本则来自待测单元两侧的距离单元。但是为了获得良好的性能，必须选取大量的均匀样本，即每个距离单元的样本服从独立同分布，这一要求在实际环境中并不能得到有效的满足。

把选取的样本称为训练样本，在实际的环境中，训练样本中除了静止的地物杂波之外，往往还含有运动的目标产生的干扰。由训练样本中的动目标形成的干扰目标会导致目标信号的对消，使STAP对目标的检测能力下降。针对干扰目标引起的训练样本非均匀问题，美国科学家William L.Melvin等人提出了非均匀检测器(Non-Homogeneity Detector，NHD)的思想，即由训练样本估计待检测区域的空时相关矩阵之前，先对训练样本进行检测以剔除被干扰污染的样本，从而可以更有效地估计出空时相关矩阵，使得下一步的空时二维自适应处理更加准确。

针对上述问题，目前主要采用的是基于广义内积(Generalized Inner Products，GIP)的非均匀检测器，即传统的广义内积方法，以及KASSM方法(KA Sample Selecting Method)。广义内积方法的基本原理是利用广义内积值作为鉴别统计量，首先在待测样本的两端选取多个训练样本，并利用这些样本去估计杂波协方差矩阵，然后再计算每个训练样本的广义内积值，最后设置一个广义内积值的检测门限，剔除超过检测门限的训练样本，再利用剩余的训练样本进行协方差矩阵估计。但是，该方法易受到训练样本的影响，计算量大，干扰目标数量较多时对干扰目标的检测并不敏感，在保证检测出所有干扰的同时，检测门限设置太低，容易剔除大量的均匀样本，使得STAP的目标检测性能下降。

KASSM方法，是假设折叠系数为整数，基于正侧视均匀等距线阵(Uniform Linear Array，ULA)的杂波呈线性分布这一特性而提出的，因此并不适用于任意阵列构型，故干扰污染样本的挑选性能会下降。

现有的两种方法中，传统的广义内积方法使用局限性较大，并不适用于任意阵列构型，剔除干扰样本的能力差，同时需要矩阵求逆，计算量较大。KASSM方法虽然剔除干扰样本的能力有所提高，但是同样不适用于任意阵列构型。

经在一定范围内检索，现有的剔除干扰样本方法都不适用于非均匀构型。

技术实现要素：

本发明的目的在于克服现有技术的不足，提出一种能够在任意阵列构型下应用，且计算量小的基于广义内积任意阵列下的干扰样本剔除方法。

本发明是一种基于广义内积任意阵列下的干扰样本剔除方法，其特征在于，包括以下步骤：

步骤1，得到训练样本：利用发射信号，并接收对应的回波数据；在接收的回波数据中，在待检测距离单元的左右两端分别选取多个距离单元，将选取的L个距离单元的回波数据作为对应的L个训练样本，将第i个训练样本表示为X_i，i取1至L；

步骤2，离线组成杂波子空间的低秩逼近矩阵U_r，将每个训练样本按照方位向均匀划分为N_c个样本块，离线构造杂波散射体导向矢量矩阵V_c，在杂波散射体导向矢量矩阵V_c中计算得到所有的非零特征值对应的特征向量，组成杂波子空间的低秩逼近矩阵U_r；

步骤3，利用低秩逼近矩阵近似表达真实杂波子空间特性，根据杂波子空间的低秩逼近矩阵U_r，离线计算杂波噪声协方差矩阵的逆矩阵

步骤4，根据采集到的每个训练样本的数据及杂波噪声协方差矩阵的逆矩阵计算出每个训练样本的广义内积值(GIP)；

步骤5，根据噪声功率，设定检测门限η；

步骤6，根据每个训练样本的GIP及设定的检测门限η，判断第i个训练样本是否满足设定的剔除条件，如果满足，将其剔除；如果不满足，将其保留；同样的方法遍历检测所有的训练样本，最终保留所有经筛选的样本，得到剔除干扰样本后的样本，将所有经过筛选后保留的样本构成待测样本，完成基于广义内积任意阵列下的干扰样本的剔除。

与现有技术相比，本发明的技术优势：

1、本发明利用已知的波束角度、天线阵元位置等系统参数离线构造杂波散射体的时空导向矩阵，不需要训练样本的信息，最终得到的待测样本的准确性受训练样本的影响很小；

2、本发明在离线构造杂波散射体的时空导向矩阵时，直接导入天线阵元的指向及位置信息，所以本发明可以用于任意阵列构型的干扰样本剔除；

3、本发明利用杂波散射体时空导向矩阵的低秩逼近矩阵来计算广义内积值，而不需要对杂波散射体时空导向矩阵求逆，所以本发明与现有方法相比，计算量小。

附图说明

图1为本发明的一种基于广义内积任意阵列下的干扰样本剔除方法的流程图；

图2为利用本发明的样本剔除方法、传统广义内积方法和KASSM方法在正侧视均匀线性阵列条件下得到的仿真结果图；

图3为利用本发明的样本剔除方法、传统广义内积方法和KASSM方法在非正侧视均匀线性阵列条件下得到的仿真结果图；

图4为利用本发明的样本剔除方法、传统广义内积方法和KASSM方法在共形圆台阵列条件下得到的仿真结果图。

具体实施方式

下面结合附图对本发明作详细说明：

随着科技的发展，在空时二维自适应处理领域，需要对接受的信号数据进行处理，对原始的样本进行筛选。在实际应用中对雷达系统天线阵列的要求越来越高，均匀阵列因其所占空间较大，体现出越来越多的局限性。例如针对机载雷达，为了飞机在保持灵活工作模式的同时提高雷达探测能力，就要在有限的机头空间中增加有效天线孔径，因此很多飞机将天线阵列与机身融合，如常用的共形相控阵，在这种情况下，为了充分利用机头空间，雷达天线的排列一定是非均匀的，另外将天线阵列与机身融合的设计也更加符合空气动力学，而现有的两种剔除干扰样本方法都不适用于非均匀构型天线，同时现有的样本挑选方法在处理中需要的计算量很大。这些问题，在空间雷达领域也同样存在。

为此，本发明提出一种任意阵列构型下的干扰污染样本挑选方法。

实施例1

本发明是一种基于广义内积任意阵列下的干扰样本剔除方法，也可以说是一种改进的基于广义内积的空时二维自适应处理方法，参见图1，包括以下步骤：

步骤1，得到训练样本：利用雷达发射信号，并接收对应的雷达回波数据；在接收的雷达回波数据中，在待检测目标所在距离单元的左右两端分别选取多个距离单元，即在待检测目标所在距离单元的左右两端选取的距离单元共L个；将选取的L个距离单元的回波数据作为对应的L个训练样本，将第i个训练样本表示为X_i，i取1至L。

步骤2，离线组成杂波子空间的低秩逼近矩阵U_r，将每个训练样本按照方位向均匀划分为N_c个样本块，离线构造杂波散射体的空时导向矢量矩阵V_c，其中N_c为大于1的自然数，根据单个散射体对应的杂波空域导向矢量和时域导向矢量离线构造杂波散射体的空时导向矢量矩阵V_c，计算得到杂波散射体空时导向矢量矩阵V_c中的所有非零特征值对应的特征向量，将所有的非零特征值对应的特征向量组成杂波子空间的低秩逼近矩阵U_r。构造出的杂波散射体空时导向矢量矩阵V_c与采集到的样本数据无关，只与天线波束的空时二维导向角度以及阵列天线阵元的间距有关。因此，本发明能够针对任意阵列构型。

步骤3，利用低秩逼近矩阵近似表达真实杂波子空间的特性，根据杂波子空间的低秩逼近矩阵U_r，离线计算杂波噪声协方差矩阵的逆矩阵

步骤4，根据采集到的每个训练样本的数据及杂波噪声协方差矩阵的逆矩阵计算出每个训练样本的广义内积值(GIP)。广义内积值(GIP)是区分有效待测样本与干扰样本的重要参数。

步骤5，根据噪声功率，设定检测门限η。有效待测样本的广义内积值(GIP)必定高于检测门限η，所有广义内积(GIP)值低于检测门限η的训练样本中都含有离群点，被离群点污染的样本就是需要被剔除的干扰样本。

步骤6，根据每个训练样本的广义内积值(GIP)及设定的检测门限η，判断第i个训练样本是否满足设定的剔除条件，如果满足，说明该训练样本内含有离群点，称为干扰样本，将其剔除；如果不满足，说明该训练样本为有效待测样本，将其保留；同样的方法遍历检测所有的训练样本，最终保留所有经筛选的样本，得到消除所有满足剔除条件的干扰样本后的样本，将所有经过筛选后保留的样本构成待测样本，完成基于广义内积任意阵列下的干扰样本的剔除。

本发明在离线构造杂波散射体的空时导向矢量矩阵时，直接导入天线阵元的波束指向及位置信息，也就是说，构造得到的杂波散射体空时导向矢量矩阵可以包含天线所有阵元的位置及指向信息，无论天线阵列的形状如何改变，都不会影响本发明的处理结果，所以本发明可以用于任意阵列构型的干扰样本剔除。

实施例2

基于广义内积任意阵列下的干扰样本剔除方法同实施例1，其中步骤2中离线组成杂波子空间的低秩逼近矩阵U_r的具体步骤包括：

(2.1)将每个训练样本按照方位向均匀划分为N_c个样本块，N_c为大于1的自然数，根据单个杂波散射体对应的杂波空域导向矢量和杂波时域导向矢量离线构造杂波散射体导向矢量矩阵V_c；这两个矢量即杂波空域导向矢量和杂波时域导向矢量只和天线阵元位置、波束指向角度、飞行速度等系统参数有关，与接收的训练样本数据无关。单个散射体对应两个导向矢量。

离线构造第i个杂波散射体对应的时域导向矢量V_t及原始空域导向矢量S_s，分别为：

其中，j为虚数单位，λ为发射信号的波长，d_i＝[x_i y_i z_i]^T为天线的第i个阵元所在的位置坐标，V＝[-|v|cosθ_c cosθ_p |v|sinθ_c cosθ_p -|v|sinθ_p]^T表示平台的速度矢量，表示第i个散射体对应的波束指向单位矢量，f_r为发射信号的脉冲重复频率；θ_c(偏航角)为载机航向与天线阵面轴向夹角，θ_i为第i个杂波散射体相对于载机的方位角，θ_p为载机飞行的倾斜角，为杂波散射体相对于载机航向的俯仰角，[]^T表示矩阵或向量的转置；

第i个阵元的增益系数用阵元的安装指向和天线波束指向之间的夹角余弦表示，阵元的增益系数表示为：

其中，g₀为阵元峰值增益系数，g_b为阵元后向衰减系数，θ_null为发射波形两零点之间的主瓣宽度，为第i个天线阵元的安装指向和天线波束指向之间的夹角，n_i＝[F_x(x_i y_i z_i) F_y(x_i y_i z_i) F_z(x_i y_i z_i)]^T为阵元安装指向，F(x_i y_i z_i)表示天线阵列曲线在坐标为(x_i y_i z_i)的阵元处的法线方程；

此时阵元级的真实空域导向矢量为：

V_s＝g_n*S_s

其中，*为Hadamard积，g_n为各阵元增益矢量，是由各个阵元的增益系数排列组成的矢量；

此时第i个杂波散射体对应的NK×1维空时导向矢量V_i为：

为Kroneker积，则所有目标的杂波散射体导向矢量矩阵V_c构造为：

V_c＝[V₁ … V_NC]^T

(2.2)计算得到杂波散射体导向矢量矩阵V_c的所有特征值，并从大到小排列λ₁、λ₂……λ_NC,取前r个特征值，其中r由下式确定

式中，r是特征值的个数，λ_i是杂波散射体导向矢量矩阵V_c的第i个特征值，i取1…NC，K是一个非常接近1的数，取K＝0.999；由于式中的比值项是大于0小于等于1的，而且矩阵V_c的所有特征值均为非负数，当上式比值接近1时的r值就是非零特征值的个数。

(2.3)分别计算得到杂波散射体导向矢量矩阵V_c的前r个特征值对应的特征向量组成U_r。

本发明利用已知的波束角度、天线阵元位置等雷达系统参数离线构造杂波散射体的空时导向矢量矩阵，这些参数只与雷达系统本身有关，不需要训练样本的信息，最终得到的待测样本的性能受训练样本的影响很小。

实施例3

基于广义内积任意阵列下的干扰样本剔除方法同实施例1-2，在步骤3中，离线计算出目标散射体杂波噪声协方差矩阵的逆矩阵根据下式：

式中，[]^H表示矩阵的共轭转置，I为r阶单位矩阵。

U_r是由散射体杂波导向矢量矩阵V_c的所有非零特征值对应的特征向量组成，绝大多数杂波信号能量已经被约束在内，所以杂波散射体空时导向矢量矩阵的低秩逼近矩阵U_r可以近似表达真实杂波子空间的特性，不需要对空时杂波导向矢量矩阵直接求逆就可以近似得到协方差矩阵的逆矩阵使得本发明在处理时的计算量大大降低。

实施例4

基于广义内积任意阵列下的干扰样本剔除方法同实施例1-3，在步骤4中，计算出每个训练样本的广义内积值(GIP)，即计算第i个训练样本的广义内积值GIP统计量η_i，具体为：

其中，i取1至L，x_i为第i个训练样本。

由于干扰样本的广义内积值与有效待测样本的广义内积值存在明显区别，在这一步中得到的单个训练样本广义内积值η_i，与设定的检测门限进行对比筛选，即可剔除训练样本中的干扰样本。

实施例5

基于广义内积任意阵列下的干扰样本剔除方法同实施例1-4，在步骤5中，检测门限η的值用下式求出：

η＝σ²NK

式中σ²为雷达的噪声功率，噪声功率利用雷达接收机的噪声电频估计得到，N为机载雷达天线的阵元数，K为机载雷达在一个相干处理间隔内接收的脉冲数，即为获取一个样本所需的脉冲数。检测门限η是由雷达系统的参数决定的，一个确定的雷达系统即可确定一个固定的检测门限值，运用这个检测门限η对训练样本进行筛选，即可得到有效待测样本。

实施例6

基于广义内积任意阵列下的干扰样本剔除方法同实施例1-5，步骤6中，判断每个训练样本是否满足设定剔除条件，设定的剔除条件为：

η_i≤η

其中，η为设定的检测门限，η_i为第i个训练样本的广义内积值。利用这一剔除条件对训练样本进行筛选，最终得到的样本即所需的待测样本。

下面给出一个简练的例子，对本发明再做详细说明。

实施例7

基于广义内积任意阵列下的干扰样本剔除方法同实施例1-6，随着科技的发展，均匀阵列天线有了越来越多的局限性，在机载雷达领域，要求飞机在保持灵活工作模式的同时提高雷达探测能力，就要在有限的机头空间中增加有效天线孔径，因此很多飞机将天线阵列与机身融合，在这种情况下，雷达天线的排列一定是非均匀的，同样，空间雷达系统也面临相同的问题。

为了解决非均匀排列天线下的样本挑选问题，本发明采用一种任意阵列构型下的干扰污染样本挑选方法，包括以下步骤：

步骤1，利用机载雷达非均匀阵列天线发射信号，并接收与发射信号对应的回波数据。从机载雷达接收的回波数据中，选取L个训练样本。这L个训练样本分别对应在待检测距离单元附近的L个距离单元的回波数据，将第i个训练样本表示为X_i，i取1至L。

步骤2，按照方位向将每个训练样本均匀划分为N_c个样本块，N_c为大于1的自然数，根据单个散射体对应的杂波空域导向矢量和时域导向矢量离线构造杂波散射体导向矢量矩阵V_c，在杂波散射体导向矢量矩阵V_c中选取所有的r个非零特征值对应的特征向量，从而离线组成杂波子空间的低秩逼近矩阵U_r。

步骤3，根据杂波子空间的低秩逼近矩阵U_r，计算杂波协方差矩阵的逆矩阵

步骤4，根据每个训练样本及杂波噪声协方差矩阵的逆矩阵根据下式计算出每个训练样本的广义内积值(GIP)

其中，i取1至L，[]^H表示矩阵的共轭转置，x_i为第i个训练样本。

步骤5，根据噪声功率，设定检测门限η。

步骤6，根据每个训练样本的广义内积值(GIP)及设定的检测门限η，判断第i个训练样本是否满足设定剔除条件：

η_i≤η

如果满足该条件，将其剔除；如果不满足，将其保留，最终得到消除干扰样本后的待测样本。

本发明通过构造杂波导向矩阵的低秩逼近矩阵来计算得到广义内积值GIP的参考矩阵，可以提高在任意阵列构型条件下对干扰目标的检测性能，同时降低了运算复杂度。

下面基于机载雷达系统，给出一个更加详尽和完整的例子，对本发明进一步说明。

实施例8

基于广义内积任意阵列下的干扰样本剔除方法同实施例1-7，参照图1，为本发明的一种基于广义内积任意阵列下的干扰样本剔除方法的流程图。该改进的基于广义内积的空时二维自适应处理方法包括以下步骤：

步骤1，在现代雷达应用领域，经常需要利用飞机机载雷达对地面目标进行探测，飞行过程中，利用机载雷达发射信号，并接收对应回波数据；机载雷达的天线为非均匀阵列天线。在机载雷达接收的回波数据中，在待检测距离单元，也就是目标所在距离单元的左右两端分别选取多个距离单元，待检测距离单元的左右两端选取的距离单元的个数为L，L为大于1的自然数。将选取的L个距离单元的回波数据作为对应的L个训练样本，将第i个训练样本表示为X_i，i取1至L。

下面对距离单元的选取作详细说明：待检测距离单元为第n个距离单元，当选取的训练样本个数L为偶数时，在第n个距离单元的左侧选取L/2个距离单元，即第n-L/2个距离单元至第n-1个距离单元，在第n个距离单元的右侧选取L/2个距离单元，即第n+1个距离单元至第n+L/2个距离单元。当选取的训练样本个L为奇数时，在第n个距离单元的左侧选取(L-1)/2个距离单元，即第n-(L-1)/2个距离单元至第n-1个距离单元，在第γ个距离单元的右侧选取(L+1)/2个距离单元，即第n+1个距离单元至第n+(L+1)/2个距离单元。

步骤2，将每个训练样本按照方位向均匀划分为N_c个样本块，N_c为大于1的自然数，根据目标单个散射体对应的杂波空域导向矢量和时域导向矢量离线构造杂波散射体导向矢量矩阵V_c，在杂波散射体导向矢量矩阵V_c中选取所有的r个非零特征值对应的特征向量，本发明离线组成了杂波子空间的低秩逼近矩阵U_r。

具体子步骤为：

(2.1)将每个训练样本按照方位向均匀划分为N_c个样本块，N_c为大于1的自然数，根据单个杂波散射体对应的杂波空域导向矢量和杂波时域导向矢量离线构造杂波散射体导向矢量矩阵V_c，这两个矢量即杂波空域导向矢量和杂波时域导向矢量只和天线阵元位置、波束角度、飞行速度等参数有关，与接收的训练样本数据无关。单个散射体对应两个导向矢量。

离线构造第i个杂波散射体对应的时域导向矢量V_t及原始空域导向矢量S_s，分别为：

其中，j为虚数单位，λ为机载雷达发射信号的波长，d_i＝[x_i y_i z_i]^T为天线的第i个阵元所在的位置坐标，V＝[-|v|cosθ_c cosθ_p |v|sinθ_c cosθ_p -|v|sinθ_p]^T表示雷达平台的速度矢量，表示第i个散射体对应的波束指向单位矢量，f_r为机载雷达发射信号的脉冲重复频率；偏航角θ_c为载机航向与天线阵面轴向夹角，θ_i为第i个杂波散射体相对于载机的方位角，θ_p为载机飞行的倾斜角，为杂波散射体相对于载机航向的俯仰角，[]^T表示矩阵或向量的转置。

第i个阵元的增益系数用阵元的安装指向和天线波束指向之间的夹角余弦表示，阵元的增益系数表示为：

其中，g₀为阵元峰值增益系数，g_b为阵元后向衰减系数，θ_null为雷达发射波形两零点之间的主瓣宽度，为第i个天线阵元的安装指向和天线波束指向之间的夹角，n_i＝[F_x(x_i y_i z_i) F_y(x_i y_i z_i) F_z(x_i y_i z_i)]^T为阵元安装指向，F(x_i y_i z_i)表示天线阵列曲线在坐标为(x_i y_i z_i)的阵元处的法线方程。

此时阵元级的真实空域导向矢量为：

V_s＝g_n*S_s

其中，*为Hadamard积，g_n为各阵元增益矢量，是由各个阵元的增益系数排列组成的矢量。

此时第i个杂波散射体对应的NK×1维空时导向矢量V_i为：

为Kroneker积，则杂波散射体导向矢量矩阵V_c构造为：

V_c＝[V₁ … V_NC]^T

至此，杂波散射体的空时导向矢量矩阵离线构造完毕，构造过程中用到的参数数据由系统及天线阵列排布决定，与训练样本的数据无关，在离线构造过程中，相关的参数必须准确代入，否则将影响后面处理的准确性，进而影响到最终待测样本的性能。

(2.2)计算得到V_c的所有特征值，并从大到小排列λ₁、λ₂……λ_NC,取前r个特征值，其中r由下式确定

式中，r是特征值的个数，λ_i是杂波散射体导向矢量矩阵V_c的第i个特征值，i取1...NC，K是一个非常接近1的数，取K＝0.999；由于式中的比值项是大于0小于等于1的，而且矩阵V_c的所有特征值均为非负数，所以当上式比值接近1时的r值就是非零特征值的个数。

(2.3)分别计算得到杂波散射体导向矢量矩阵V_c的前r个特征值对应的特征向量组成U_r。在计算机的运算逻辑中，求矩阵特征向量的运算量远远小于对矩阵求逆的计算量，因此本发明避开矩阵求逆，节省很大的计算量。

步骤3，根据杂波子空间的低秩逼近矩阵U_r，根据下式计算杂波协方差矩阵的逆矩阵

式中，[]^H表示矩阵的共轭转置，I为r阶单位矩阵。

由于杂波子空间的低秩逼近矩阵U_r已经包含了真实杂波子空间的所有信息，杂波协方差矩阵的逆矩阵通过上式很容易得到，不仅计算简单，而且准确性高。

步骤4，根据每个训练样本及杂波噪声协方差矩阵的逆矩阵根据下式计算出每个训练样本的广义内积值η_i即GIP

其中，i取1至L，H表示矩阵的共轭转置，x_i为第i个训练样本。

由于干扰样本中存在离群点，通过这一步计算得到的广义内积值与有效待测样本的广义内积值存在明显区别，可以通过设定检测门限，将干扰样本分离出来。

步骤5，设定检测门限，检测门限η的值用下式求出：

η＝σ²NK

式中σ²为噪声功率，噪声功率利用雷达接收机的噪声电频估计得到，N为机载雷达天线的阵元数，K为机载雷达在一个相干处理间隔内接收的脉冲数；

检测门限η的值完全由系统的参数决定，与训练样本的数据无关，有效待测样本的广义内积值必定高于检测门限η，因此如果一个训练样本的广义内积值低于这个检测门限η，这个样本就是干扰样本。

步骤6，根据以下剔除条件判断每个训练样本是否为被干扰污染的非均匀样本：

η_i≤η

其中，η为设定的检测门限，η_i为第i个训练样本的广义内积值。

如果η_i≤η，则第i个训练样本为被干扰污染的非均匀样本，将第i个训练样本剔除；否则，第i个训练样本为均匀样本，此时保留第i个训练样本。将剔除的训练样本的个数表示为T，则保留的训练样本的个数为L-T，将保留的训练样本中第h个训练样本表示为h取1至L-T，即为完成基于广义内积任意阵列下的干扰样本剔除的待测样本。

当雷达收集的回波数据中由于含有干扰信号所造成的样本数据不均匀时，本发明能够解决样本协方差矩阵估计不准确造成的目标检测性能降低的问题。本发明可用来检测并剔除干扰样本，通过离线构造杂波加噪声协方差矩阵的逆矩阵，用广义内积作为鉴别统计量来检验并剔除非均匀样本，提高样本的均匀性，使得样本协方差矩阵估计更准确，从而提高空时二维自适应处理的目标检测性能。

在空间雷达系统中的应用与本例类似，只需修改相关参数的数据值，处理过程完全相同。

本发明的效果可以通过以下仿真实验进一步验证。

实施例9

基于广义内积任意阵列下的干扰样本剔除方法同实施例1-8，仿真实验具体内容如下：

实验场景：

载机飞行高度为3000m，飞行速度100m/s，机载雷达发射信号的波长λ为0.4m，机载雷达发射信号的脉冲重复频率f_r为1000Hz。仿真实验中所采用的训练样本的个数L为300个，单位阵元单位脉冲内的噪声功率为1，假设总共存在12个离群点，且各离群点的空时二维位置信息及强度在主瓣方向内随机产生。

实验内容：

仿真实验1：在雷达正侧视均匀等距线阵构型环境下，利用本发明的基于广义内积任意阵列下的干扰样本剔除方法、传统的广义内积方法和KASSM方法分别对上述实验场景中的每个训练样本计算广义内积值，画出每个距离单元对应的广义内积值分布图，图中将广义内积值转化为分贝，参见图2。机载雷达天线的阵元间距d为0.2m，机载雷达天线的阵元数N为10，机载雷达在一个相干处理间隔内接收的脉冲数K为12。如图2所示。依次为本发明得到的每个训练样本的广义内积值分布图，见图2(a)；传统广义内积方法得到的每个训练样本的广义内积值分布图，见图2(b)；以及KASSM方法得到的每个训练样本的广义内积值分布图，见图2(c)。为了更好的体现干扰目标的仿真结果，横轴表示距离单元，即每个训练样本所处的位置，纵轴表示每个训练样本的广义内积值，单位为分贝。

仿真实验2：在正侧视均匀等距线阵构型环境下，设定航偏角为30°，倾斜角为0°，其他参数与仿真实验1相同，依次利用本发明、传统的广义内积方法和KASSM方法分别对上述实验场景中的每个训练样本计算广义内积值，画出每个距离单元对应的广义内积值分布图。如图3所示，依次为本发明基于广义内积任意阵列下的干扰样本剔除方法得到的每个训练样本的广义内积值分布图，见图3(a)；传统广义内积方法得到的每个训练样本的广义内积值分布图，见图3(b)；以及KASSM方法得到的每个训练样本的广义内积值分布图，见图3(c)。横轴表示距离单元，即每个训练样本所处的位置，纵轴表示每个训练样本的广义内积值，单位为分贝。

仿真实验3：在共形圆台阵构型环境下，共形圆台阵高0.5m，总共三层，每层包含8个阵元，圆台的上下底半径分别为1m和0.5m，机载雷达在一个相干处理间隔内接收的脉冲数K为12，依次利用本发明、传统的广义内积方法和KASSM方法分别对上述实验场景中的每个训练样本计算广义内积值，画出每个距离单元对应的广义内积值分布图(转化为分贝)。如图4所示，依次为本发明得到的每个训练样本的广义内积值分布图，见图4(a)；传统广义内积方法得到的每个训练样本的广义内积值分布图，见图4(b)；以及KASSM方法得到的每个训练样本的广义内积值分布图，见图4(c)。横轴表示距离单元，即每个训练样本所处的位置，纵轴表示每个训练样本的广义内积值，单位为分贝。

实验结果分析：

从图2的仿真结果中，可以看到对于正侧视均匀线阵构型，参见图2(b)，传统广义内积方法对于干扰的检测效果并不明显，因为大部分干扰所处的距离单元的广义内积值相对于其他距离单元的偏移量并不大，只有少量的强干扰所处距离单元的广义内积值相对于其他距离单元的偏移量较大；故在选择的检测门限不能较小，否则会导致剔除较多的均匀样本而影响检测性能。从图2(a)和图2(c)中可以很直观的看到本发明以及KASSM方法对于干扰的检测效果都很好，所有的干扰所处距离单元的广义内积值相对于其他距离单元的偏移量都很大。

由图2的仿真结果可以发现，对于正侧视ULA，本发明和KASSM方法都能取得非常好的检测效果，而传统GIP-NHD方法性能较差。

实施例10

基于广义内积任意阵列下的干扰样本剔除方法同实施例1-8，仿真的条件和内容同实施例9。

参见图3，对于正侧视均匀线阵构型天线，从传统广义内积方法的处理结果，参见图3(b)，以及KASSM方法的处理结果，参见图3(c)，可以看出，对于分散处于0到300距离单元的目标，这两种方法处理后干扰样本将目标完全淹没，无法找出目标所在位置，说明传统的广义内积方法和KASSM方法并没有有效的检测并剔除干扰样本，因此并不能保证空时二维自适应处理后检测目标的性能；对比图3(b)和图3(c)，从图3(a)中可以看到本发明的处理结果，可以清晰地看到每个目标所在位置，说明本发明能够有效地检测并剔除干扰样本，完全可以保证空时二维自适应处理后检测目标的性能。

实施例11

基于广义内积任意阵列下的干扰样本剔除方法同实施例1-8，仿真的条件和内容同实施例9。

参见图4，对于共形圆台阵构型天线，从传统广义内积方法，参见图4(b)，以及KASSM方法，参见图4(c)，可以看出，这两种方法无法分辨出分散处于0到300距离单元的目标，目标的有效信息完全被干扰信息掩盖，这说明传统的天线，广义内积方法和KASSM方法没有有效的检测并剔除干扰，并不适用于任意构型天线的回波样本挑选，对比图3(b)和图3(c)，从图3(a)中可以看到本发明的处理结果能够有效地检测并剔除干扰，说明本发明对样本的检测性能较好，对离群点剔除的很彻底，可以用于任意构型天线的回波样本挑选。

出现上述情况的原因在于传统广义内积方法受训练样本及离群点的参数影响较大，对离群点不够敏感；KASSM方法是基于正侧视ULA构造的，因此对于其他的阵列构型，其性能急剧下降；而本发明所提方法充分利用了杂波的先验分布信息，考虑了不同阵列构型下的杂波特性，故适用于所有天线阵列构型，对离群点较为敏感，具有较好的干扰样本挑选性能。

简而言之，本发明属于空时二维自适应处理技术领域，特别涉及一种改进的任意阵列构型环境下的干扰污染样本挑选方法。解决了目前无法对任意阵列构型天线的回波样本进行挑选的技术问题。其实现步骤是：步骤1，在待检测距离单元的左右两端共选取L个距离单元的回波数据作为训练样本；步骤2，根据单个散射体对应的杂波空域导向矢量和时域导向矢量离线构造杂波散射体导向矢量矩阵V_c，从而得到杂波子空间的低秩逼近矩阵U_r；步骤3，根据杂波子空间的低秩逼近矩阵U_r，计算杂波协方差矩阵的逆矩阵步骤4，根据每个训练样本及杂波噪声协方差矩阵的逆矩阵计算出每个训练样本的广义内积值(GIP)；步骤5，根据噪声功率，设定检测门限η；步骤6，根据每个训练样本的GIP及设定的检测门限η，判断第i个训练样本是否满足设定剔除条件，如果满足，将其剔除；如果不满足，将其保留，最终得到消除离群点后的待测样本，以便进行下一步空时二维自适应处理。本发明离线构造杂波协方差的逆矩阵，其中包含单个阵元的位置及指向信息，因此可剔除任意阵列构型天线下的干扰样本，离线构造杂波协方差的逆矩阵与训练样本数据无关，直接通过杂波子空间的低秩逼近矩阵导出，不需要进行矩阵求逆的运算，因此处理结果不受训练样本的影响，且运算量小。用于机载及空间雷达空时二维信号处理。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。