摘要:
非均匀环境下的空时自适应处理算法需对参考单元样本进行筛选。针对小系统自由度下,已有的基于傅里叶谱相似度(Fourier spectral similarity, FSPS)的筛选算法在污染样本剔除以及相似样本选择环节都存在分辨率不足的问题,提出一种基于稀疏恢复技术的自适应样本筛选算法。该方法利用参考单元样本及待检测单元(cell under test, CUT)样本的高精度稀疏恢复谱筛选出与CUT杂波特征相近的样本,保留了FSPS算法在非均匀杂波环境下的鲁棒性,同时提升对非均匀样本的分辨精度。仿真结果表明,所提算法在小系统自由度情况下具有优于FSPS算法的样本筛选效果及系统输出性能。
王晓明, 李军, 张圣鹋, 卢燕, 张永杰. 基于稀疏恢复谱相似度的自适应样本筛选算法[J]. 系统工程与电子技术, 2018, 40(5): 976-981.
WANG Xiaoming, LI Jun, ZHANG Shengmiao, LU Yan, ZHANG Yongjie. Adaptive sample selection algorithm based on sparse recovery spectral similarity[J]. Systems Engineering and Electronics, 2018, 40(5): 976-981.