子阵级空时自适应处理方法是相控阵雷达系统中的核心技术之一，旨在优化雷达的性能，提高目标检测能力和干扰抑制能力。自适应数字波束形成（ADBF）是这一领域的重要组成部分，它通过调整相控阵天线各单元的加权系数来形成最佳波束，以应对不同环境和条件下的信号处理需求。 线性约束最小方差（LCMV）准则下的直接子阵加权（DSW）方法是实现ADBF的一种常见策略，但这种方法在存在阵列误差（如幅度误差和相位误差）的情况下，会导致波束形变，从而降低性能。为了解决这个问题，文章研究了子阵级广义旁瓣对消器（GSLC）结构的窄带ADBF方法。GSLC通过引入辅助阵列，能有效地保持波束形状并保持自适应性能，即使在有阵列误差的条件下。通过均匀子阵划分和归一化处理，GSLC可以实现与静态方向图一致的旁瓣电平，增强了抗干扰能力。 随着相控阵技术的进步，宽带信号在现代雷达系统中的应用日益广泛，因其独特的优点，如更宽的频率覆盖和更高的数据率。因此，文章还探讨了针对宽带信号的空时自适应处理（STAP）方法。STAP能够同时考虑时间和空间的信息，从而更有效地抑制干扰。GSLC的子阵级STAP方法被提出，同样采用了Wiener-Hopf方程、Nickel的常规方法以及Householder变换等三种实现方式，以适应宽带信号和宽带干扰环境。 此外，文章还研究了子阵级主阵列和阵元级辅助阵列相结合的ADBF与STAP实现算法。主阵列用于形成静态和动态波束，而辅助阵列则用于自适应干扰抑制。这种结构允许在不显著增加硬件成本的情况下，提高对抗宽带主瓣干扰的能力。 为了进一步优化子阵级STAP结构，文章提出了一种改进方案，即在辅助阵列中采用子阵级处理，并将辅助阵列布置在主阵列较远的位置。这种方法既可以降低软硬件成本，又能提升对宽带主瓣干扰的抑制效果。该改进方案通过最小方差准则和HA算法两种方法进行了实现，并通过仿真验证了其有效性。 本文深入研究了子阵级空时自适应处理的各种方法，包括窄带ADBF和宽带STAP，为相控阵雷达系统提供了更为灵活和强大的干扰抑制手段。这些方法不仅能够应对阵列误差，还能有效应对宽带信号带来的挑战，对于现代雷达技术的发展具有重要的理论和实践意义。

此提交包含一组脚本，这些脚本复制了 J.Ward 关于机载 STAP 的开创性技术报告中包含的数字。 这对任何 STAP 新手都可能很有价值，因为它展示了基本的 STAP 概念。 它提供了从数学公式到清晰的数值结果的路径，从而验证了各种处理方法的性能。 具体而言，以下章节中的所有数字均已复制： 第 2 章：机载阵列雷达信号环境。 第 3 章：时空处理基础。 第 5 章：元素空间 STAP。 第 6 章：波束空间 STAP。 第 7 章：其他性能结果。 此外，基本样本矩阵求逆 (SMI) 算法的性能通过图 29 再现脚本中的少量蒙特卡罗运行来证明。

地面运动目标指示雷达空时自适应处理STAP算法研究.pdf

比较基础的matalb历程，里面有详细的中文注释，供初学者借鉴，实测好用。

为了提高窄带干扰与期望卫星信号同向时的抑制性能，提出了一种新的空频自适应滤波算法。该算法首先利用频域实系数自适应滤波对信号进行预处理抑制窄带干扰，然后在频域直接对处理后的信号进行空频自适应处理抑制宽带干扰。算法在预处理时采用自适应滤波可有效减少期望卫星信号的损失以及sFAP导向矢量误差。仿真实验表明，相对于普通的空时及空频自适应处理算法，新算法有效地提高了输出信干噪比，在干扰与信号同向的情况下也能表现出优良的处理性能。

Adaptive filters play a very important role in most of today’s signal processing and control applications as most real-world signals require processing under conditions that are difficult to specify a priori. They have been successfully applied in such diverse fields as communications, control, radar, and biomedical engineering, among others. The field of classical adaptive filtering is now well established and a number of key references—a widely used one being the book Adaptive Filter Theory by Simon Haykin—provide a comprehensive treatment of the theory and applications of adaptive filtering. A number of recent developments in the field, however, have demonstrated how significant performance gains could be achieved beyond those obtained using the standard adaptive filtering approaches. To this end, those recent developments have propelled us to think in terms of a new generation of adaptive signal processing algorithms. As data now come in a multitude of forms originating from different applications and environments, we now have to account for the characteristics of real life data: † Non-Gaussianity; † Noncircularity; † Nonstationarity; and † Nonlinearity. Such data would typically exhibit a rich underlying structure and demand the development of new tools, hence, the writing of this new book.

雷达系统用于通过在自由空间中传输电磁波来检测物体。 它们在期望的回波信号极有可能干扰其他来源的信号的环境中运行。 这些信号包括杂波和干扰信号。 干扰器是一种在雷达环境中连续发射宽带无线电信号，从而使接收器充满噪声或虚假信息的设备。 因此，总的接收信号具有三个分量，即来自目标，杂波和干扰的回波相结合，即它是三维信号。 常规信号处理技术的使用是不可取的，因为它们无法将所需的回声信号与其他分量分开，因为不知道接收信号中存在的这些分量的统计信息。 在机载监视雷达中，必须解决此问题，因为它们必须在多个干扰环境中识别和定位目标。 空时自适应技术（STAP）是空间和时间滤波的组合，可以消除干扰信号并识别慢速移动的目标。 这些技术在角域和多普勒域中对信号进行滤波，以抑制不需要的信号。 本文对时空自适应编码技术进行了理论研究，并介绍了STAP算法的MATLAB实现。 SMI，DPCA和ADPCA，以抑制接收脉冲中的杂波和干扰干扰。

提出一种机载雷达杂波抑制的级联降维空时自适应算法,即,先对全空时两维接收数据进行预滤波处理,将杂波局域化,降低杂波自由度;然后对预处理输出的信号的相关矩阵进行子阵划分,求解低维权向量,进一步降低运算量和采样要求。理论分析和实验仿真结果表明,所提算法具有良好的收敛性能和杂波抑制能力,并且对于阵元随机幅相误差和杂波起伏具有很好的容差能力。基于实测数据的实验验证了算法的有效性和稳健性。

基于组合时空主通道自适应处理的低空风切变风速估计

用于进行空时自适应处理的MATLAB程序，对杂波进行处理