.png){kind=icon}
返回
Multi-geometric distance method for clutter covariance matrix estimation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2025.105313.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在机载雷达空时自适应处理（STAP）的背景下，提出了一种基于多几何距离的第一阶泰勒近端梯度算法（FTPG-MGD）的杂波协方差矩阵（CCM）估计方法。该方法旨在解决因小样本量CCM估计导致的杂波抑制性能下降问题。该方法结合欧氏距离、对数欧氏距离和根欧氏距离，建立加权最小化问题。随后，设计目标函数的第一阶泰勒展开近似，将原始非线性问题转化为更易处理的线性优化问题。最终，采用近端梯度算法求解该问题。仿真和真实数据实验表明，所提出的方法在CCM估计精度方面优于其他类似算法，并显著提升了杂波抑制性能。
Keyword:
Clutter suppression
Covariance matrix estimation
Space-time adaptive processing (STAP)
Multi-geometric distance
期刊
IF:
3.6
论文数:
10.0K
被引数:
1.7W
机构
引用论文
.png){kind=icon}
A STAP method based on atomic norm minimization for transmit beamspace-based airborne MIMO radar一种基于原子范数最小化的发射波束空间自适应处理（STAP）方法，用于机载MIMO雷达
PREAI
分享收藏
Invariance Theory for Adaptive Detection in Interference With Group Symmetric Covariance Matrix
PREAI
分享收藏Maximum Likelihood Estimation of a Structured Covariance Matrix With a Condition Number Constraint
PREAI
分享收藏
查看更多内容