李明，何子述

(电子科技大学信息与通信工程学院 成都 611731)

机载雷达通常采用空时自适应处理(space-time adaptive processing,STAP)技术抑制强地杂波反射信号，以提升对地面慢速弱小目标的探测能力，而STAP 的关键在于目标距离环(cell under test,CUT)的杂波协方差矩阵(clutter covariance matrix,CCM)的估计[1-2]，通常采用与CUT 具有独立同分布且不包含目标信号的相邻距离环作为样本进行估计。然而在实际场景下，由于受到各种非理想因素的影响，如离散强散射点、干扰目标信号、杂波内运动、地形变化、天气影响等[3-4]，训练样本的杂波特性可能与CUT 不一致，导致利用训练样本对CUT 的CCM 的估计精度降低，从而使STAP性能恶化。

为解决非均匀训练样本对STAP 性能的影响，研究者提出了一系列非均匀检测器，用于剔除非均匀样本。基于广义内积(generalized inner product,GIP)的训练样本选择算法可用于非均匀训练样本的筛选[5]，然而GIP 算法采用样本协方差矩阵表征CUT 杂波特性，并不能直接表征CUT 本身的杂波特性，因此所选择的样本仅能确保与样本协方差矩阵相近，当大部分样本的杂波特性与CUT 不一致时，最终所选择的样本杂波特性也将与CUT 偏离。文献[6]采用一种基于波形相似性样本选择方法，通过比较样本信号与CUT 信号在频谱相似性，剔除差异较大的训练样本，然而样本筛选的根本目的本来是选择与CUT 具有相同协方差矩阵的训练样本。根据文献[7]分析，即使波形完全不同的训练样本，也可能具有相同的协方差矩阵，因此该方法会严重降低训练样本的利用率，可能导致有效训练样本不足。……