.png){kind=icon}
返回
Weighted STAP Algorithm Based on the Greedy Block Coordinate Descent Method
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14173432.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于稀疏恢复的空间-时间自适应处理（SR-STAP）在不充分样本条件下已展现出卓越的杂波抑制性能。然而，稀疏恢复的主要目标在于求解范数最小化问题。为此，本研究提出一种基于贪婪块坐标下降法的加权STAP算法，旨在解决现有l2,1-范数最小化方法中收敛速度慢和估计精度不足的问题。首先，利用多重信号分类（MUSIC）算法估计权重。然后，采用一种偏好稀疏性的贪婪块选择规则，优先更新对稀疏性影响最大的加权块。尽管本文提出的算法具有贪婪性质，但其具有全局收敛性。最后，通过合理估计噪声功率并选择适当的正则化参数，提升了杂波协方差矩阵估计的精度和SR-STAP算法的收敛速度。仿真实验结果表明，所提算法能有效抑制杂波脊扩展，相较于现有方法实现了优异的杂波抑制与目标检测性能，同时具备良好的收敛特性。
Keyword:
sparse recovery
space-time adaptive processing
greedy block coordinate descent
clutter suppression
target detection
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
引用论文
A Space-Time Adaptive Processing Method Based on Sparse Bayesian Learning for Maneuvering Airborne Radar.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Zhang, S.; Wang, T.; Liu, C.; Ren, B. A Fast IAA–Based SR–STAP Method for Airborne Radar. Remote Sens. 2024, 16, 1388. [Google Scholar] [CrossRef]张, S.; 王, T.; 刘, C.; 任, B. 一种基于IAA的SR-STAP方法用于机载雷达. Remote Sens. 2024, 16, 1388. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容