陳洪猛，劉 京，李 明，易曉麗，穆賀強(qiáng)，魯耀兵

1)北京無(wú)線電測(cè)量研究所，北京 100854；2)西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室，陜西西安 710071

機(jī)載雷達(dá)作為一種對(duì)地觀測(cè)的重要傳感器系統(tǒng)，具有全天候、全天時(shí)、高分辨的特點(diǎn)[1]．隨著未來(lái)戰(zhàn)場(chǎng)環(huán)境的日趨復(fù)雜，未來(lái)戰(zhàn)爭(zhēng)對(duì)機(jī)載雷達(dá)也提出了更多的需求．機(jī)載雷達(dá)系統(tǒng)不僅要具備對(duì)地面監(jiān)視場(chǎng)景進(jìn)行高分辨的快速成像能力，能夠從中尋找出有價(jià)值的固定目標(biāo)，且進(jìn)行深入識(shí)別與分析；同時(shí)，機(jī)載雷達(dá)系統(tǒng)還應(yīng)具備檢測(cè)地面/海面慢速運(yùn)動(dòng)目標(biāo)的能力，能夠?qū)撛诘倪\(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)定位，并進(jìn)行運(yùn)動(dòng)目標(biāo)的分類．在海灣戰(zhàn)爭(zhēng)期間，美國(guó)聯(lián)合監(jiān)視目標(biāo)攻擊雷達(dá)系統(tǒng)(joint surveillance target attack radar system, JSTARS)多次成功監(jiān)視了伊拉克地面部隊(duì)的調(diào)動(dòng)以及移動(dòng)的導(dǎo)彈發(fā)射架，為作戰(zhàn)指揮官提供了重要的情報(bào)參考[2]；英國(guó)的機(jī)載運(yùn)程偵察雷達(dá)(air borne stand off radar, ASTOR)系統(tǒng)[3]，德國(guó)、法國(guó)、意大利、西班牙及荷蘭聯(lián)合開(kāi)發(fā)的機(jī)載監(jiān)視雷達(dá)SOSTAR-X系統(tǒng)[4]，以及德國(guó)高頻物理與雷達(dá)技術(shù)研究所研制的多功能相控陣成像雷達(dá)(phased array multifunctional imaging radar, PAMIR)系統(tǒng)均具備相似的能力[5-6]．這些系統(tǒng)的共同點(diǎn)就是將雷達(dá)成像功能與雷達(dá)動(dòng)目標(biāo)檢測(cè)功能有效的結(jié)合在一起，利用合成孔徑雷達(dá)(synthetic aperture radar, SAR)或多普勒波束銳化(Doppler beam sharpening, DBS)進(jìn)行成像來(lái)發(fā)現(xiàn)地面/海面上的靜止目標(biāo)，利用地面運(yùn)動(dòng)目標(biāo)指示(ground moving target indicator, GMTI)檢測(cè)運(yùn)動(dòng)目標(biāo)，并將運(yùn)動(dòng)目標(biāo)定位標(biāo)注在SAR/DBS圖像上．通過(guò)兩者的協(xié)同工作，可實(shí)現(xiàn)對(duì)地面場(chǎng)景的高分辨監(jiān)視成像和對(duì)感興趣運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤定位．

機(jī)載雷達(dá)地面運(yùn)動(dòng)目標(biāo)檢測(cè)面臨的最大問(wèn)題是機(jī)載雷達(dá)下視工作時(shí)雜波譜會(huì)展寬．如果不對(duì)雜波進(jìn)行抑制，低速運(yùn)動(dòng)目標(biāo)容易被淹沒(méi)在強(qiáng)雜波背景中，大大降低了對(duì)地面慢速運(yùn)動(dòng)目標(biāo)的檢測(cè)概率．為了實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的有效檢測(cè)，首先需要進(jìn)行雜波抑制．TOPORKOV等[7-9]報(bào)道了基于沿航跡干涉(along track interferometry, ATI)和相位中心偏置天線(displaced phase center antenna, DPCA)的雜波抑制方法．TONG等[10-11]介紹了空時(shí)自適應(yīng)處理(space-time adaptive processing, STAP)的基本原理及改進(jìn)方法．YANG等[12-15]深入研究了STAP方法并給出了其降維形式．HAN等[15]詳細(xì)對(duì)比了各種雜波抑制算法，為后續(xù)GMTI的實(shí)際工程應(yīng)用奠定了基礎(chǔ)．基于一組實(shí)測(cè)數(shù)據(jù)，ZHANG等[17]系統(tǒng)分析了SAR-GMTI的運(yùn)動(dòng)目標(biāo)檢測(cè)性能．為進(jìn)一步提高機(jī)載雷達(dá)抑制雜波性能，WANG等[18-20]分析了非理想條件下的雜波特性，并給出了相應(yīng)的雜波抑制方法．然而，上述研究在進(jìn)行雜波抑制時(shí)，主要考慮到外界環(huán)境的各種先驗(yàn)信息，未充分考慮到雷達(dá)檢測(cè)過(guò)程中雷達(dá)數(shù)據(jù)本身所隱含的先驗(yàn)信息．

針對(duì)機(jī)載非均勻環(huán)境下的下視雜波抑制問(wèn)題，特別是無(wú)人機(jī)載平臺(tái)下的雷達(dá)系統(tǒng)受限于載荷成本、體積和重量等因素的約束，空域接收通道的數(shù)目和計(jì)算資源非常寶貴，因此可用來(lái)進(jìn)行雜波抑制的空域自由度是非常有限的．本研究提出一種基于恒虛警樣本選擇策略的機(jī)載雷達(dá)非均勻雜波抑制方法，對(duì)于無(wú)人機(jī)載雙通道雷達(dá)系統(tǒng)，充分考慮到雷達(dá)信號(hào)處理過(guò)程中恒虛警處理(constant false-alarm rate, CFAR)檢測(cè)到的孤立雜波和運(yùn)動(dòng)目標(biāo)信息，并將其作為先驗(yàn)信息嵌入到雜波抑制過(guò)程中．首先，將多普勒域局域化的雜波沿距離向進(jìn)行分段，以抑制雜波的非均勻性．同時(shí)，采用低門限CFAR策略提取孤立的強(qiáng)雜波散射點(diǎn)和疑似運(yùn)動(dòng)目標(biāo)．然后，將這些孤立的強(qiáng)雜波散射點(diǎn)和疑似運(yùn)動(dòng)目標(biāo)從訓(xùn)練樣本集中剔除，估計(jì)協(xié)方差矩陣，進(jìn)行空時(shí)濾波器權(quán)向量計(jì)算．最后，采用空時(shí)兩維聯(lián)合濾波，對(duì)地雜波進(jìn)行抑制．實(shí)測(cè)數(shù)據(jù)處理結(jié)果表明，本研究提出的方法可提高對(duì)非均勻雜波的抑制能力，且適合工程應(yīng)用．

1 信號(hào)模型

假設(shè)機(jī)載相控陣?yán)走_(dá)天線是一個(gè)平面陣列天線，天線陣面與地面某雜波塊P之間的幾何關(guān)系如圖1．其中，載機(jī)的飛行速度為v， 載機(jī)平臺(tái)的高度為H． 天線陣面軸向與載機(jī)飛行速度方向的夾角α定義為偏置角．當(dāng)α=0°時(shí)，雷達(dá)工作在正側(cè)視模式； 當(dāng)α=-90°時(shí)，雷達(dá)工作在前(后)視模式．雷達(dá)與地面某雜波塊P之間的瞬時(shí)斜距用Rl表示，該雜波塊相對(duì)于雷達(dá)的方位角和俯仰角分別為θ和φ．

圖1 機(jī)載雷達(dá)觀測(cè)幾何構(gòu)型Fig.1 Geometry of airborne radar

機(jī)載相控陣?yán)走_(dá)采用矩形平面陣列，經(jīng)過(guò)俯仰維的加權(quán)處理后可等效為一個(gè)N元線陣，陣元間距為d． 假設(shè)雷達(dá)在一個(gè)相干處理間隔(coherent process interval, CPI)內(nèi)發(fā)射一組脈沖串，每組脈沖串包含M個(gè)子脈沖．每個(gè)脈沖回波在快時(shí)間維有L個(gè)距離采樣．假設(shè)第l個(gè)距離門第n個(gè)陣元第m個(gè)脈沖的空時(shí)快拍量為xn,m,l， 則第l個(gè)距離門的空時(shí)快拍為一個(gè)M×N維的采樣復(fù)矢量[10-12]：

xl=[x1,1,l,x2,1,l, …,xN,1,l,xN,2,l, …,

x1,M,l,x2,M,l, …,xN,M,l]T

(1)

每一個(gè)空時(shí)快拍由雜波、干擾、熱噪聲及可能的目標(biāo)構(gòu)成，此時(shí)該雷達(dá)接收系統(tǒng)可描述為一個(gè)二元假設(shè)檢驗(yàn)問(wèn)題，即

H1:xl=αls+cl+nl

H0:xl=cl+nl

(2)

其中， H1和H0分別表示目標(biāo)存在和目標(biāo)不存在的情況；al為目標(biāo)信號(hào)的復(fù)幅度；cl和2nl分別為雜波和噪聲向量；s為目標(biāo)信號(hào)的空時(shí)導(dǎo)向矢量，即

s=ss?st

(3)

這里，符號(hào)?表示Kronecker積；st和ss分別為時(shí)間和空間導(dǎo)向矢量[10-12]

ss=[1 exp(j2πfs) … exp(j2π(N-1)fs)]T

(4)

st=[1 exp(j2πft) … exp(j2π(M-1)ft))]T

(5)

其中，ft=2vt/(λfr[0])和fs=dcosθt/λ分別表示目標(biāo)的歸一化多普勒頻率和歸一化空間頻率；vt為運(yùn)動(dòng)目標(biāo)的徑向速度；θt為運(yùn)動(dòng)目標(biāo)相對(duì)于雷達(dá)的方位角．

為提高雜波背景下對(duì)期望目標(biāo)的檢測(cè)性能，STAP技術(shù)基于最大化輸出信干噪比(signal interference noise ratio, SINR)準(zhǔn)則，設(shè)計(jì)了一組空時(shí)濾波器系數(shù)．圖2給出了一種通用的機(jī)載雷達(dá)STAP構(gòu)型[10-11]．

圖2 機(jī)載雷達(dá)STAP構(gòu)型[10-11]Fig.2 STAP architecture for airborne radar[10-11]

全空時(shí)處理器的數(shù)學(xué)模型可描述為

(6)

(7)

其中，xl為待檢測(cè)單元附近的無(wú)強(qiáng)雜波散射點(diǎn)或疑似目標(biāo)污染的訓(xùn)練樣本；L為訓(xùn)練樣本數(shù)．

采用拉格朗日乘子法求解式(7)，可得最優(yōu)空時(shí)權(quán)矢量為

wopt=μR-1s

(8)

其中，μ為任意常數(shù)．要保證相對(duì)最優(yōu)空時(shí)濾波器性能的平均SINR值損失不超過(guò)3 dB，所選樣本單元數(shù)就必須滿足L>2MN． 然而，在實(shí)際環(huán)境中，具有獨(dú)立同分布(independent identically distributed, i.i.d.)統(tǒng)計(jì)特性的訓(xùn)練樣本單元數(shù)量是有限的．因此，減少訓(xùn)練樣本單元數(shù)，開(kāi)發(fā)適用于工程應(yīng)用的降維STAP處理被廣泛研究[10-15]．在降維STAP算法中，一般采用D×(M×N)維的降維矩陣T， 把M×N維的回波數(shù)據(jù)降維到D維的數(shù)據(jù)空間(通常情況下D=M×N)， 則降維后的回波數(shù)據(jù)為

xr=Tx

(9)

其中，x為降維前的空時(shí)快拍向量；xr為降維后的空時(shí)快拍向量．

降維后總干擾的協(xié)方差矩陣為

(10)

其中，E()為期望函數(shù)，相應(yīng)的自適應(yīng)權(quán)矢量為

(11)

其中，sr=Ts是變換后的空時(shí)導(dǎo)向矢量．

降維STAP處理的協(xié)方差矩陣可由降維后的回波數(shù)據(jù)估計(jì)[10-15]得到

(12)

其中，xrl=Txl表示降維處理后的訓(xùn)練樣本單元．

通常情況下，降維矩陣T可從空域維度進(jìn)行設(shè)計(jì)，也可從時(shí)域維度設(shè)計(jì)．不同的降維矩陣本質(zhì)上代表了不同的降維方法．本研究主要考慮工程中一種較為實(shí)用的時(shí)域降維方法，即先時(shí)后空自適應(yīng)級(jí)聯(lián)處理方法．若參與處理的多普勒通道數(shù)為m， 則記為mDT-STAP[10-11]．通常情況下，m=3， 即3DT-STAP方法．

2 基于CFAR策略的STAP

以上討論的是理想情況下的雜波抑制方案，然而在實(shí)際情況中，雜波在空間上的分布不可能完全滿足均勻緩變的假設(shè)(如水陸交界處、城鄉(xiāng)結(jié)合部和山地平原交匯處等場(chǎng)景)；同時(shí)，由于場(chǎng)景中不可避免的存在一些孤立的強(qiáng)散射點(diǎn)的影響(如鐵塔、橋梁、水泥建筑物和運(yùn)動(dòng)目標(biāo)等)，都會(huì)使得地雜波呈現(xiàn)出非均勻特性．若在訓(xùn)練樣本時(shí)選擇不考慮場(chǎng)景的這些非均勻特性，特別是在訓(xùn)練樣本中包含了一些孤立的強(qiáng)雜波及干擾散射點(diǎn)時(shí)，雜波抑制性能將會(huì)大幅下降．為此，本研究提出一種基于分塊恒虛警樣本選擇策略的非均勻雜波抑制方案．

2.1 基于距離分塊策略的樣本選擇

為盡可能地保證雜波在局部的范圍內(nèi)近似滿足均勻假設(shè)，本研究將要檢測(cè)的樣本單元在距離上分成幾塊，從而使每一個(gè)距離段內(nèi)的雜波統(tǒng)計(jì)特性盡可能地保持一致．然后，采用該距離段內(nèi)的樣本單元估計(jì)得到協(xié)方差矩陣，并計(jì)算得到一個(gè)自適應(yīng)權(quán)值．為減少計(jì)算量，將該段數(shù)據(jù)的所有距離門都采用這個(gè)自適應(yīng)權(quán)值進(jìn)行檢測(cè)．需要說(shuō)明的是，這種計(jì)算量的減少是以雜波抑制性能的下降為代價(jià)的．距離分段的具體過(guò)程為

(13)

其中，p為沿距離方向進(jìn)行分塊的塊的數(shù)目；q為每個(gè)距離分塊的大小，滿足p=L/q，L為所有距離單元樣本的總數(shù)；xr，l=Txl， 表示經(jīng)過(guò)時(shí)域降維后的采樣樣本．此時(shí)，自適應(yīng)權(quán)系數(shù)為

(14)

2.2 基于恒虛警策略的樣本選擇

當(dāng)雜波、噪聲背景環(huán)境下存在干擾時(shí)，對(duì)于非均勻樣本，則有

xl=cl+nl+δJl

(15)

其中， δJl為由非均勻環(huán)境引起的附加干擾項(xiàng)．

經(jīng)過(guò)降維處理和距離分段后，非均勻樣本可描述為

xr,p,l=cr,p,l+nr,p,l+δJr,p,l

(16)

其中，cr,p,l和nr,p,l分別表示降維分塊后的雜波和噪聲向量； δJr,p,l為對(duì)應(yīng)的附加干擾項(xiàng)．此時(shí)的協(xié)方差矩陣可寫成：

(17)

如前所述，樣本中如果存在孤立的強(qiáng)雜波及干擾散射點(diǎn)，會(huì)破壞雜波的統(tǒng)計(jì)特性，影響協(xié)方差矩陣的估計(jì)精度，從而降低雜波抑制效果．為盡可能地消除孤立的強(qiáng)雜波及干擾散射點(diǎn)的影響，本研究提出一種基于CFAR方法的樣本篩選方法．該方法是一種有效的目標(biāo)檢測(cè)方法，可保證在一定虛警概率的情況下檢測(cè)出疑似目標(biāo)，而不受周圍雜波背景環(huán)境幅度的影響．

采用低門限的恒虛警方法對(duì)雜波進(jìn)行檢測(cè)，從距離分段的樣本中粗略的檢測(cè)出疑似運(yùn)動(dòng)目標(biāo)δTl， 并將這些疑似目標(biāo)的樣本在訓(xùn)練樣本中剔除，則此時(shí)的訓(xùn)練樣本可表示為

xr,p,l′=cr,p,l+nr,p,l+δJr,p,l-δTl

(18)

其中， δTl表示采用CFAR策略檢測(cè)出來(lái)的強(qiáng)雜波散射點(diǎn)和疑似運(yùn)動(dòng)目標(biāo)．

圖3為算法的流程框圖．

圖3 本研究方法的STAP處理流程圖Fig.3 STAP flowchart of the proposed algorithm

2.3 雜波抑制性能分析

為對(duì)所提方法的雜波抑制性能進(jìn)行定量分析，對(duì)采用CFAR策略篩選出的訓(xùn)練樣本進(jìn)行協(xié)方差矩陣估計(jì)，表達(dá)式為

(19)

(20)

此時(shí)，經(jīng)過(guò)CFAR策略篩選后的樣本估計(jì)的協(xié)方差矩陣將趨于真實(shí)的雜波和背景噪聲協(xié)方差矩陣．為盡可能滿足上述條件，以下實(shí)驗(yàn)將在強(qiáng)雜波散射點(diǎn)和疑似運(yùn)動(dòng)目標(biāo)篩選時(shí)采用低門限的CFAR策略．

3 實(shí)測(cè)數(shù)據(jù)結(jié)果與分析

為驗(yàn)證本算法的有效性，采用一組無(wú)人機(jī)載雷達(dá)錄取的實(shí)測(cè)數(shù)據(jù)進(jìn)行分析．該雷達(dá)工作在廣域GMTI模式下，系統(tǒng)僅2個(gè)空域接收通道，用以形成和、差兩路信息．部分系統(tǒng)參數(shù)設(shè)置為：帶寬為18MHz、時(shí)寬為50μs、載機(jī)平臺(tái)運(yùn)動(dòng)速度為61m/s、波束寬度為1.2°、掃描角范圍為-60°～60°、仰俯角為5°、方位向采樣點(diǎn)數(shù)量為128個(gè)、距離向采樣點(diǎn)數(shù)量為4096個(gè)．

圖4(a)為常規(guī)脈沖多普勒(pulseDoppler,PD)處理后距離-多普勒?qǐng)D．由圖4(a)可見(jiàn)，地雜波很強(qiáng)，且分布在距離-多普勒平面非常大的區(qū)域內(nèi)．圖4(b)和(c)為采用傳統(tǒng)的1DT-STAP和3DT-STAP處理后的結(jié)果．由圖4(b)和(c)可見(jiàn)，雜波的主瓣得到了一定的抑制．圖4(d)為本算法的處理結(jié)果．由圖4(d)可見(jiàn)，主瓣雜波得到了很好的抑制，且處理后的雜波剩余最少，說(shuō)明本算法有效．

圖5顯示了第50號(hào)多普勒單元分別采用不同方法進(jìn)行地雜波抑制之后的效果圖．為定量分析不同算法的雜波抑制性能，將每種算法進(jìn)行后續(xù)的目標(biāo)檢測(cè)，本實(shí)驗(yàn)分別采用快門限和慢門限方法進(jìn)行目標(biāo)檢測(cè)(實(shí)驗(yàn)中快門限和慢門限對(duì)應(yīng)的虛警率均為Pfa=1×10-5)．從圖5(a)可見(jiàn)，常規(guī)的PD處理無(wú)法檢測(cè)出位于主瓣雜波區(qū)附近的運(yùn)動(dòng)目標(biāo)；從圖5(b)可見(jiàn)，1DT-STAP處理雖然可對(duì)雜波進(jìn)行一定地抑制，但只能在慢門限準(zhǔn)則下才能被檢測(cè)到，在快門限準(zhǔn)則下無(wú)法被檢測(cè)出來(lái)；從圖5(c)可見(jiàn)，經(jīng)過(guò)3DT-STAP處理后，主瓣雜波得到很好抑制，無(wú)論采用快門限準(zhǔn)則還是慢門限準(zhǔn)則，目標(biāo)都可以被檢測(cè)出來(lái)；從圖5(d) 可見(jiàn)，本研究方法可進(jìn)一步提高檢測(cè)性能，目標(biāo)幅值比常規(guī)的3DT處理方法的快門限和慢門限分別提高了4.20dB和2.97dB．

圖4 不同方法處理后的雜波剩余結(jié)果對(duì)比Fig.4 (Color online) Comparison of clutter residual results after different processing methods

圖5 不同方法處理后某一多普勒通道的雜波抑制結(jié)果對(duì)比Fig.5 (Color online) The Doppler profile of clutter suppression results of different methods

從圖5還可見(jiàn)，PD方法和1DT-STAP方法無(wú)法在快門限下將目標(biāo)檢測(cè)出來(lái)，并且PD方法和1DT-STAP方法檢測(cè)出的目標(biāo)幅值高于慢門限下只有約0.81dB和3.43dB，在進(jìn)行目標(biāo)檢測(cè)很容形成漏警．而3DT方法和本研究方法在快、慢門限背景下都可將目標(biāo)檢測(cè)出來(lái)．且本研究方法檢測(cè)出的目標(biāo)幅值分別高于快門限和慢門限約11.51dB和16.76dB，遠(yuǎn)大于3DT-STAP方法的7.29dB和13.79dB．因此，在虛警率Pfa=1×10-5的快門限和慢門限統(tǒng)計(jì)前提下，本研究方法比3DT-STAP方法檢測(cè)性能分別提升了4.20dB和2.97dB，更易實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的有效檢測(cè)．基于實(shí)驗(yàn)數(shù)據(jù)的統(tǒng)計(jì)結(jié)果驗(yàn)證了本研究方法的有效性．

圖6 雷達(dá)成像及運(yùn)動(dòng)目標(biāo)檢測(cè)定位結(jié)果圖Fig.6 (Color online) The radar imaging and target relocation results

為進(jìn)一步驗(yàn)證本研究方法的有效性，采用該組實(shí)測(cè)掛飛數(shù)據(jù)進(jìn)行目標(biāo)的多幀檢測(cè)處理．雷達(dá)波束照射區(qū)域?yàn)檩d機(jī)正前方±60°區(qū)域．圖6給出了對(duì)該區(qū)域的成像結(jié)果及相應(yīng)的運(yùn)動(dòng)目標(biāo)檢測(cè)和定位結(jié)果．由圖6可見(jiàn)，該成像區(qū)域包含了鄉(xiāng)村、城鎮(zhèn)及山區(qū)的場(chǎng)景，且成像場(chǎng)景中包含了多條由國(guó)道和省道組成的高速公路網(wǎng)，以及由一些零星的鄉(xiāng)村道路組成的公路網(wǎng)．檢測(cè)到的運(yùn)動(dòng)目標(biāo)主要分布在高速公路網(wǎng)和城鎮(zhèn)道路網(wǎng)上，其他區(qū)域雖然也有零星目標(biāo)出現(xiàn)，主要分布在鄉(xiāng)村的田間小路上．合作的運(yùn)動(dòng)目標(biāo)幾乎都分布在合作道路上，證明本方法有效．

需要說(shuō)明的是，由于本研究方法的實(shí)時(shí)性處理能力較高，在樣本單元的奇異值選取時(shí)采用的是單元平均CFAR(cellaveraging-constantfalsealarmrate,CA-CFAR) 處理策略，在非密集目標(biāo)場(chǎng)景下該方法效果較好；但對(duì)于密集目標(biāo)場(chǎng)景，本研究方法的處理效果會(huì)有所下降，因此，采用CFAR的其他改進(jìn)方法(如單元平均選大CFAR(greatestof-constantfalsealarmrate,GO-CFAR)、單元平均選小CFAR(smallestof-constantfalsealarmrate,SO-CFAR)和有序統(tǒng)計(jì)量CFAR(orderstatistics-constantfalsealarmrate,OS-CFAR))進(jìn)行強(qiáng)雜波和孤立干擾等奇異值樣本的剔除，提高密集環(huán)境下的非均勻下視雜波抑制能力，將是我們下一步著重研究和考慮的方向．

結(jié) 語(yǔ)

提出一種基于CFAR樣本選擇策略的非均勻下視雜波抑制方法，通過(guò)采用距離向的分塊策略較好的解決了訓(xùn)練樣本單元沿距離向的空變問(wèn)題．同時(shí)通過(guò)采用低門限的CFAR策略篩選出樣本單元中的奇異值點(diǎn)，大幅提高了訓(xùn)練樣本的協(xié)方差矩陣估計(jì)精度．最后，結(jié)合一組實(shí)測(cè)掛飛數(shù)據(jù)分析了不同的雜波抑制方法的效果，實(shí)測(cè)數(shù)據(jù)的處理結(jié)果驗(yàn)證了本研究方法的有效性．