李志军 向建军 彭 芳 刘 丹

（1.空军工程大学航空工程学院，陕西西安 710038；2.中国人民解放军95247部队，广东惠州 516000；3.中国人民解放军93046部队，辽宁沈阳 110000）

1 引言

空时自适应信号处理技术通过联合空域和时域的自适应处理抑制地杂波，实现对地面动目标的检测，STAP 的实现依赖于对杂波协方差矩阵（Clutter Covariance Matrix，CCM）的精确估计［1］。为了达到较好的杂波抑制效果，要使输出端的信杂比损失小于3 dB，此时所需的独立同分布（Independent Identically Distributed，IID）样本至少为两倍的系统自由度［2］，然而当天线处于非均匀的杂波环境以及载机运动与天线阵列存在偏航角时，获得足够的训练样本是很难的［3］，因此研究人员提出很多方法减少样本数量［4-5］。

稀疏恢复的基本思想是少量观测信号包含了重构或处理完整信号的足够信息，然后利用这些信息对信号进行精确重建［6］。目前将稀疏恢复的方法应用到空时自适应信号处理中已经成为研究热点。例如，文献［7］提出基于欠定系统局部解（Focal Underdetermined System Solution，FOCUSS）、文献［8］提出基于稀疏贝叶斯学习（Sparse Bayesian Learning，SBL）、文献［9］提出基于降维矩阵的方法，上述方法仅需要远小于两倍自由度的杂波样本数量进行有效的恢复。稀疏恢复的基础是杂波信号在某个变换域下是稀疏的，该变换域又被称做空时导向字典，字典把连续的空域和多普勒域划分为均匀的网格，并用格点表示信号参数［10］。在载机实际飞行中，由于偏航等原因，出现非正侧视的情况。导致实际的参数并不是总能落到空时导向字典的格点上，从稀疏恢复的角度而言这种误差将严重影响到杂波抑制效果，该问题就叫做空时自适应信号处理中的离格（Off-Grid）问题［11］。……