基于几何方法的结构化协方差矩阵估计

摘 要:针对雷达在非均匀环境下难以获得足够数量样本估计协方差矩阵,致使干扰抑制性能下降的问 题,遵循几何范式,本文提出了两种结构化干扰协方差矩阵(ICM)估计算法。具体而言,算法从一组训练数据出 发,考虑不同的协方差矩阵结构信息(Persymmetric或Toeplitz结构),构造了两种结构样本协方差矩阵(SSCMs), 通过利用正定矩阵空间特性并施加条件数上限约束,以 ICM 和 SSCMs之间的 Frobenius范数作为目标函数建立 极小化问题,并对该问题进行转化,最终得到估计器的闭式解。在两种场景下的仿真结果表明了所提算法可更 加精确地估计ICM,有效地提高了干扰抑制性能,且在小样本情况下的优化效果更为显著。

关键词:几何方法;协方差矩阵估计;Persymmetric结构;Toeplitz结构;干扰抑制

0 引 言

        在自适应雷达信号处理中,干扰协方差矩阵 (Interference Covariance Matrix,ICM)估计是一个 长期存在的基本问题[1‑2] 。传统的样本协方差矩阵 (Sample Covariance Matrix,SCM)估计方法,

猜你喜欢

转载自blog.csdn.net/qq_43416206/article/details/143452309