CN103353591B - 基于mimo的双基地雷达局域化降维杂波抑制方法 - Google Patents

Abstract

本发明公开了一种基于MIMO的双基地雷达局域化降维杂波抑制方法，主要解决现有双基地雷达距离依赖杂波抑制方法运算量大，且需要的独立同分布样本数目高的问题。其实现步骤为：（1）用发射波形对雷达的回波数据进行匹配滤波；（2）构造局域化降维矩阵并对接收数据进行降维处理；（3）用降维后的数据估计出杂波协方差矩阵；（4）根据空时自适应处理原理得到最优权矢量；（5）用最优权对降维后的数据加权，抑制背景杂波，检测出目标信号。本发明具有计算复杂度低，对独立同分布样本数目的要求低和抑制杂波性能好的优点，可应用于MIMO的双基地雷达地面目标检测。

Description

基于MIMO的双基地雷达局域化降维杂波抑制方法

技术领域

本发明属于雷达技术领域，更进一步涉及正侧视双基地多输入多输出MIMO雷达的局域化降维杂波抑制方法，可用于对地面杂波的降维抑制，实现对地面目标的检测。

背景技术

雷达是现代生活中必不可少的电子装备，其中双基地雷达由于采用了接收机和发射机***分置的结构，具有隐蔽侦查、抗干扰、抗衰落的优点，同时还有利于探测隐身目标。但也因为这种几何结构特点，其杂波功率谱的分布随距离的变化而变化，呈现出距离非平稳特性，即不同距离门的杂波采样数据不满足独立同分布条件，即杂波谱具有距离依赖性。因此，有效的滤除或抑制杂波是双基地雷达检测目标面临的关键问题。

Jun Li等在论文“Bistatic MIMO Radar Space-time Adaptive Processing”（2011IEEE Radar Conference，Westin Crown Center in Kansas City，Missouri，May2011）中提出在双基地MIMO雷达中可以利用多输入多输出技术获取发射锥角信息，从而使MIMO雷达的杂波谱能够在发射空间频率-接收空间频率-多普勒频率的三维空间内分析，为双基地MIMO雷达的杂波抑制开辟了一条新的途径。由于双基地MIMO雷达的杂波谱虽然仍旧具有距离依赖，但其一定处于三维空间内的一个平面上，利用这个特性有许多方法实现了对于杂波的抑制。

西安电子科技大学申请的专利“基于双基地多输入多输出雷达的杂波抑制方法”(申请号201110317530.5)中公开了一种基于双基地多输入多输出雷达的杂波抑制方法。该方法对得到的回波数据进行坐标旋转并向新坐标轴投影，以消除杂波距离依赖，然后利用空时自适应处理消除杂波，检测目标。该方法存在的不足是，其实现方法复杂，需要计算全维杂波协方差矩阵的逆，计算复杂度比较高。

JIANXIN WU等在论文“Range-Dependent Clutter Suppression for AirborneSidelooking Radar using MIMO Technique”（Aerospace and Electronic Systems，Volume:48,Issue:4）中介绍了一种运用基于最小均方误差准则的全维处理来实现杂波抑制的方法。该方法的不足是，运用全维处理的计算量较大，且需要的独立同分布杂波样本数目较多，实际应用中无法实现实时处理。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于双基地MIMO雷达的局域化降维杂波抑制方法，以降低雷达地面杂波抑制的计算复杂度和杂波抑制对独立同分布杂波样本数目的要求，实现对地面目标检测的实时处理。

为实现上述目的，本发明的处理方法包括如下步骤：

（1）利用正侧视双基地MIMO雷达模式，对雷达接收机端N个天线在一次相干处理间隔内接收到的回波数据分别用M个发射天线阵元的发射波形进行匹配滤波；将每个接收天线匹配滤波后的回波数据首尾相连，得到MNK×1维的空时数据矢量y：

$y={\mathrm{\ρ}}_T{b}_T(f_{t,T},f_{r,T},f_{d,T})+\underset{i=0}{\overset{N_c-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_i{b}_i(f_{t,i},f_{r,i},f_{d,i})+y_w,$

其中，m=1,2,...,M，上标*表示共轭，K为一次相干处理间隔内的脉冲数，ρ_T为目标的反射系数，为目标的导向矢量，a_t(f_t,T)为目标发射阵列导向矢量，a_r(f_r,T)为目标接受阵列导向矢量，a_d(f_d,T)为目标多普勒导向矢量，符号表示Kronecker积，N_c为杂波点源的个数，ρ_i为第i个杂波点的反射系数，为第i个杂波点的空时二维导向矢量，a_t(f_t,i)为目标的发射阵列导向矢量，a_r(f_r,i)为目标的接受阵列导向矢量，a_d(f_d,i)为目标的多普勒导向矢量，y_w为噪声的空时数据矢量；

（2）构造MNK×r_Mr_Nr_K阶局域化降维矩阵T：

$T=G_M\⊗G_N\⊗G_K,$

其中，r_M，r_N，r_K为构造降维矩阵时选取的发射波束、接收波束以及多普勒通道的数目， $G_M=[a_t\left(f_{t,T-{\tilde{r}}_M}\right),\·\·\·,a_t\left(f_{t,T-1}\right),a_t\left(f_{t,T}\right),a_t\left(f_{t,T+1}\right),\·\·\·,a_t\left(f_{t,T+{\tilde{r}}_M}\right)]$ 为降维矩阵在发射域的分量，为目标发射波束附近第个波束的发射阵列导向矢量， $G_N=[a_r\left(f_{r,T-{\tilde{r}}_N}\right),\·\·\·,a_r\left(f_{r,T-1}\right),a_r\left(f_{r,T}\right),a_r\left(f_{r,T+1}\right),\·\·\·,a_r\left(f_{r,T+{\tilde{r}}_N}\right)]$ 为该降维矩阵在接收域的分量， 为目标接收波束附近第个波束的接收阵列导向矢量， $G_K=[a_d\left(f_{d,T-{\tilde{r}}_K}\right),\·\·\·,a_d\left(f_{d,T-1}\right),a_d\left(f_{d,T}\right),a_d\left(f_{d,T+1}\right),\·\·\·,a_d\left(f_{d,T+{\tilde{r}}_K}\right)]$ 为该降维矩阵在多普勒域的分量， 为目标多普勒通道附近第个通道的多普勒导向矢量， ${\tilde{r}}_N=\mathrm{1,2},\·\·\·,(r_N-1)/2,$ ${\tilde{r}}_M=\mathrm{1,2},\·\·\·,(r_M-1)/2,$ ${\tilde{r}}_K=\mathrm{1,2},\·\·\·,(r_K-1)/2;$

（3）用上述降维矩阵T乘以空时数据矢量y和目标导向矢量b_T(f_t,T,f_r,T,f_d,T)，得到降维后的数据矢量z和降维后的目标导向矢量c_T(f_t,T,f_r,T,f_d,T)：

z=T^Hy，

c_T(f_t,T,f_r,T,f_d,T)=T^Hb_T(f_t,T,f_r,T,f_d,T)，

其中，上标^H表示共轭转置；

（4）利用一个距离门的数据矢量z计算回波协方差矩阵R：R=zz^H，并对2×r_Mr_Nr_K个距离门的协方差矩阵取平均，得到其估计值

$\hat{R}=\frac{1}{2\×r_M{r}_N{r}_K}\underset{k=0}{\overset{2\×r_M{r}_N{r}_K-1}{\mathrm{\Σ}}}{z}_k{z}_k^H,$

其中，z_k表示第k个距离门的降维后的数据矢量，距离门是指以接收机和发射机在地面的投影点为焦点，以地面杂波点到两个双基地的距离之和为固定值的一组椭圆环；

（5）根据空时自适应处理原理，由上述回波协方差矩阵估计值得到最优权矢量：

$w=\mathrm{\μ}{\hat{R}}^{-1}{c}_T(f_{t,T},f_{r,T},f_{d,T}),$

其中，μ为一个标量，为回波协方差矩阵估计值的逆矩阵；

（6）利用上述最优权矢量w对降维后的数据矢量z进行加权，得到针对目标位置抑制杂波的回波数据，检测出目标。

本发明与现有技术相比，具有以下优点：

（a）本发明利用了MIMO雷达结构的独特特点，即可以在接收端通过信号处理的方法获得目标相对于发射机的角度信息，因此雷达的杂波谱已经不是传统意义上的空时二维杂波谱，而是发射空间频率-接收空间频率-多普勒频率的三维杂波谱，且在正侧视机载双基地多输入多输出雷达的情况下，三维杂波谱会集中在一个平面上。

（b）本发明对匹配之后的接收数据利用局域化降维方法进行降维，方法实施简单，降低了计算复杂度，同时也降低了对独立同分布杂波样本数目的要求，有利于实现对地面目标检测的实时处理。

本发明的目的、特征、优点可通过如下附图和实例详细描述。

附图说明

图1是本发明的流程图；

图2是本发明所用的正侧视机载双基地MIMO雷达的几何配置图；

图3是本发明接收端匹配滤波的处理框图；

图4是本发明所用的正侧视机载双基地MIMO雷达的三维杂波谱；

图5是独立同分布杂波本样本数目为2000时，本发明与理想情况下消除距离依赖的最优处理方法和现有不做降维处理的全维处理方法的改善因子曲线对比图；

图6是独立同分布杂波本样本数目为600时，本发明与理想情况下消除距离依赖的最优处理方法和现有不做降维处理的全维处理方法的改善因子曲线对比图；

图7是本发明与现有不做降维处理的全维处理方法的改善因子随独立同分布杂波样本数目的变化曲线对比图。

具体实施方式

本发明所用的正侧视双基地MIMO雷达的几何配置如图2所示，坐标系原点O_r为接收机在水平面的投影点，x轴为接收机速度v₂的方向，接收机的位置坐标是(0,0,h_r)，O_t点为发射机在水平面的投影点，发射机的位置坐标是(L_bcosγ,L_bsinγ,h_t)，γ是发射机的方位角，L_b为基线O_rO_t的长度，v_t是发射机的速度，是发射机速度矢量与x轴的夹角，P为给定距离门内的第i个杂波点，θ_r,i和θ_t,i分别是该杂波点的发射方位角和接收方位角，φ_r,i和φ_t,i分别是该杂波点的发射高低角和接收高低角，ψ_r,i和ψ_t,i分别是该杂波点与发射机的连线相对于发射机飞行方向的角度和与接收机的连线相对于接收机飞行方向的角度。

参照图1，本发明的具体实现步骤如下：

步骤1：对雷达的回波数据进行匹配滤波。

根据图3，利用正侧视双基地MIMO模式，发射天线阵列发射相互正交的波形，用接收机的回波数据y_n与发射波形复包络的共轭作内积进行匹配滤波，即由于是MIMO雷达，故可在接收端获得目标相对于发射天线阵列的角度信息，所以将匹配滤波之后的回波数据首尾相连，即可得到回波的MNK×1维的充分统计数据为：

$y={\mathrm{\ρ}}_T{b}_T(f_{t,T},f_{r,T},f_{d,T})+\underset{i=0}{\overset{N_c-1}{\mathrm{\Σ}}}{\mathrm{\ρ}}_i{b}_i(f_{t,i},f_{r,i},f_{d,i})+y_w,$

其中，上标*表示共轭，N为接收天线阵元数，n=1,2,…,N，M为发射天线阵元数，m=1,2,…,M，K为一次相干处理间隔内的脉冲数，ρ_T为目标的反射系数，为目标的导向矢量，a_t(f_t,T)为目标发射阵列导向矢量，a_r(f_r,T)为目标接受阵列导向矢量，a_d(f_d,T)为目标多普勒导向矢量，f_t,T为目标的归一化发射空间频率，f_r,T为目标的归一化接收空间频率，f_d,T为目标的归一化多普勒频率，符号表示Kronecker积，N_c为杂波点源的个数，y_w为噪声的空时数据矢量，ρ_i为第i个杂波点的反射系数，为第i个杂波点的空时二维导向矢量，a_t(f_t,i)为目标发射阵列导向矢量，a_r(f_r,i)为目标接受阵列导向矢量，a_d(f_d,i)为目标多普勒导向矢量，为第i个杂波点的归一化发射空间频率，为第i个杂波点的归一化接收空间频率， $f_{d,i}=\frac{v_1}{\mathrm{\λf}}\cos {\mathrm{\θ}}_{r,i}\cos {\mathrm{\φ}}_{r,i}+\frac{v_2}{\mathrm{\λf}}\cos {\mathrm{\θ}}_{t,i}\cos {\mathrm{\φ}}_{t,i}=\frac{v_1}{\mathrm{\λf}}\cos {\mathrm{\ψ}}_{r,i}+\frac{v_2}{\mathrm{\λf}}\cos {\mathrm{\ψ}}_{t,i}$ 为第i个杂波点的归一化多普勒频率，d₁和d₂分别为发射端和接收端的阵元间距，λ为载波波长，f为脉冲重复频率，参数θ_r,i和θ_t,i，φ_r,i和φ_t,i，ψ_r,i和ψ_t,i均是图2所指的参数。即P为给定距离门内的第i个杂波点，θ_r,i和θ_t,i分别是该杂波点的发射方位角和接收方位角，φ_r,i和φ_t,i分别是该杂波点的发射高低角和接收高低角，ψ_r,i和ψ_t,i分别是该杂波点与发射机的连线相对于发射机飞行方向的角度和与接收机的连线相对于接收机飞行方向的角度。

所述的正侧视双基地MIMO模式，是指雷达的发射机和接收机分置于不同地点，且飞行方向与各自天线法线方向垂直，在发射端由多个发射天线发射相互正交的信号产生多个发射通道，在接收端用多个天线接收目标的回波信号，雷达杂波谱位于发射空间频率-接收空间频率-多普勒频率的三维空间的一个平面上。

步骤2：构造局域化降维矩阵并对接收数据进行降维处理。

针对发射机和接收机都运动的情况，相应的杂波谱在发射空间频率-接收空间频率-多普勒频率组成的空间内是许多条三维曲线，它会随着距离的变化而变化，即具有距离依赖性，但由于所有杂波点都在同一个三维平面内，可以利用上述充分统计数据y估计杂波协方差矩阵进行处理。但直接对数据处理的运算量和要求的独立同分布杂波样本数目太大，从而无法实现实时处理，导致检测性能下降。所以，在估计杂波协方差矩阵之前，需要采用局域化降维方法对接收数据进行降维处理，其降维步骤如下：

2.a）构造MNK×r_Mr_Nr_K阶局域化降维矩阵为：

$T=G_M\⊗G_N\⊗G_K,$

其中，r_M，r_N，r_K为构造降维矩阵时选取的发射波束、接收波束以及多普勒通道的数目， $G_M=[a_t\left(f_{t,T-{\tilde{r}}_M}\right),\·\·\·,a_t\left(f_{t,T-1}\right),a_t\left(f_{t,T}\right),a_t\left(f_{t,T+1}\right),\·\·\·,a_t\left(f_{t,T+{\tilde{r}}_M}\right)]$ 为降维矩阵在发射域的分量， 为目标发射波束附近第个波束的发射阵列导向矢量， $G_N=[a_r\left(f_{r,T-{\tilde{r}}_N}\right),\·\·\·,a_r\left(f_{r,T-1}\right),a_r\left(f_{r,T}\right),a_r\left(f_{r,T+1}\right),\·\·\·,a_r\left(f_{r,T+{\tilde{r}}_N}\right)]$ 为该降维矩阵在接收域的分量， 为目标接收波束附近第个波束的接收阵列导向矢量， $G_K=[a_d\left(f_{d,T-{\tilde{r}}_K}\right),\·\·\·,a_d\left(f_{d,T-1}\right),a_d\left(f_{d,T}\right),a_d\left(f_{d,T+1}\right),\·\·\·,a_d\left(f_{d,T+{\tilde{r}}_K}\right)]$ 为该降维矩阵在多普勒域的分量， 为目标多普勒通道附近第个通道的多普勒导向矢量， ${\tilde{r}}_N=\mathrm{1,2},\·\·\·,(r_N-1)/2,$ ${\tilde{r}}_M=\mathrm{1,2},\·\·\·,(r_M-1)/2,$ ${\tilde{r}}_K=\mathrm{1,2},...,(r_K-1)/2;$

2.b）用上述降维矩阵T乘以空时数据矢量y和目标导向矢量b_T(f_t,T,f_r,T,f_d,T)，得到降维后的数据矢量z和降维后的目标导向矢量c_T(f_t,T,f_r,T,f_d,T)：

z=T^Hy，

c_T(f_t,T,f_r,T,f_d,T)=T^Hb_T(f_t,T,f_r,T,f_d,T)，

其中，上标^H表示共轭转置。

对充分统计数据y做上述降维处理后，如果用降维后的数据z估计杂波协方差矩阵，协方差矩阵的维数由MNK降为r_Mr_Nr_K，则相应的求逆运算量由O[(MNK)³]降为O[(r_Mr_Nr_K)³]，使独立同分布杂波样本数目的要求由2×MNK降为2×r_Mr_Nr_K，因此大大降低了运算量和对独立同分布杂波样本数目的要求。

步骤3：估计杂波协方差矩阵。

利用一个距离门的数据矢量z计算回波协方差矩阵R：R=zz^H，并对2×r_Mr_Nr_K个距离门的协方差矩阵取平均，得到其估计值

$\hat{R}=\frac{1}{2\×r_M{r}_N{r}_K}\underset{k=0}{\overset{2\×r_M{r}_N{r}_K-1}{\mathrm{\Σ}}}{z}_k{z}_k^H,$

其中，z_k表示第k个距离门的降维后的数据矢量，距离门是指以接收机和发射机在地面的投影点为焦点，以地面杂波点到两个双基地的距离之和为固定值的一组椭圆环。

步骤4：获得最优权矢量。

根据空时自适应处理原理，由上述回波协方差矩阵估计值得到最优权矢量w：

$w=\mathrm{\μ}{\hat{R}}^{-1}{c}_T(f_{t,T},f_{r,T},f_{d,T}),$

其中，μ为一个标量，为回波协方差矩阵估计值的逆矩阵，c_T(f_t,T,f_r,T,f_d,T)为上述的降维后的目标空时导向矢量。

步骤5：对降维后数据进行加权。

利用上述最优权矢量w对降维后的数据矢量z进行加权，得到针对目标位置抑制杂波的回波数据，检测出目标。

本发明的效果可以通过以下仿真实验进一步说明。

一．实验环境

参照图2，本发明的实例所用的各种参数如表1

表1双基地多输入多输出雷达参数

参数名称	具体取值
		发射阵元数M	5
接收阵元数N	8
		相关脉冲数L	8
波长	0.3m
		脉冲重复频率fr	2000Hz
基线长度Lb	100km
		接收机高度H2	9km
接收机速度v2	100m/s
		接收机飞行方向	90°（相对于x轴）
发射机俯仰角γ	30°
		发射机高度H1	10km
发射机速度v1	100m/s
		发射机飞行方向	90°（相对于x轴）

二．仿真内容与结果

实验一：杂波距离依赖性质的仿真

本实验针对具体实施方式所述的正侧视机载双基地MIMO雷达的情况，用M个发射天线单元的发射波形对雷达的回波数据进行匹配滤波，得到接收数据y，用接收数据y构造的三维杂波谱，其结果如图4所示。其中，图4(a)是纵轴为归一化多普勒频率，水平面的两个轴为归一化接收频率和归一化发射频率的三维杂波谱，图4(b)是将图4(a)中的杂波谱旋转一定视角后的三维杂波谱。

从图4(a)可以看出，本发明在正侧视机载双基地MIMO雷达的情况下，其杂波谱在发射空间频率-接收空间频率-多普勒频率组成的空间内是许多条三维曲线，不同距离分别对应不同谱线，因此它具有距离依赖特性。

从图4(b)可以看出，所有杂波距离门的杂波谱都在同一个三维平面，说明本发明对其进行降维处理是可行的。

实验二：杂波抑制性能的仿真

2.1）设距离门数为2000，目标的发射空间频率为f_t,T=0，接收空间频率为f_r,T=0，杂噪比为40dB，r_M=3,r_N=5,r_K=3，其它参数见表1。

在上述条件下，用本发明方法仿真其杂波抑制性能，并与在理想情况下消除距离依赖的最优处理方法和现有不做降维处理的全维处理这两种方法作杂波抑制性能对比，其对比结果如图5所示。图5的横坐标为归一化多普勒频率，纵坐标为改善因子。

从图5可以看出，在相同几何构形、相同硬件配置和相同数据率的条件下，独立同分布杂波样本数目即距离门数在2000>2×MNK时，本发明的性能虽略低于不存在杂波距离依赖的最优处理方法和不做降维处理的全维处理方法，但大大减少了运算量。

2.2）设距离门数为600，目标的发射空间频率为f_t,T=0，接收空间频率为f_r,T=0，杂噪比为40dB，r_M=3,r_N=5,r_K=3，其它参数见表1。

在上述条件下，用本发明方法仿真其杂波抑制性能，并与在理想情况下消除距离依赖的最优处理方法和现有不做降维处理的全维处理这两种方法作杂波抑制性能对比，其对比结果如图6所示。图6的横坐标为归一化多普勒频率，纵坐标为改善因子。

从图6可以看出，在相同几何构形、相同硬件配置和相同数据率的条件下，独立同分布杂波样本数目即距离门数在600<2×MNK时，本发明的性能低于不存在杂波距离依赖的最优处理方法但高于不做降维处理的全维处理方法，且大大减少了运算量，从而证明本发明减少了对独立同分布杂波样本数目的需求，在样本数不足时的杂波抑制性能较好。

2.3）设目标的发射空间频率为f_t,T=0，接收空间频率为f_r,T=0，杂噪比为40dB，r_M=3,r_N=5,r_K=3，其它参数见表1。

在上述条件下，用本发明方法仿真其杂波抑制性能随独立同分布杂波样本数目的变化曲线，并与在理想情况下消除距离依赖的最优处理方法和现有不做降维处理的全维处理这两种方法作对比，其对比结果如图7所示。图7的横坐标为独立同分布杂波样本数目，纵坐标为改善因子。

从图7可以看出，在相同几何构形、相同硬件配置和相同数据率的条件下本发明方法的杂波抑制性能随独立杂波样本数目的收敛速度明显快于现有不做降维处理的全维处理方法，在难以获得大量的独立同分布样本数目的真实杂波环境中，本发明具有更好的杂波抑制能力。

综上所述，本发明基于其杂波谱是位于发射空间频率-接收空间频率-多普勒频率的三维空间的一个平面上的正侧视双基地MIMO模式，利用了局域化降维方法对接收数据进行降维，再对杂波抑制，实现对地面目标的检测。本发明方法在相同几何构形、相同硬件配置和相同数据率的条件下，与现有不做降维处理的全维处理方法相比，降低了计算复杂度，同时也降低了对独立同分布样本数目的要求，具有更好的杂波抑制能力。

Claims (3)

1.一种基于MIMO的双基地雷达局域化降维杂波抑制方法，包括如下步骤：

(1)利用正侧视双基地MIMO雷达模式，对雷达接收机端N个天线在一次相干处理间隔内接收到的回波数据分别用M个发射天线阵元的发射波形进行匹配滤波；将每个接收天线匹配滤波后的回波数据首尾相连，得到MNK×1维的空时数据矢量y：

$y={\mathrm{\&rho;}}_T{b}_T(f_{t,T},f_{r,T},f_{d,T})+\underset{i=0}{\overset{N_c-1}{\mathrm{\&Sigma;}}}{\mathrm{\&rho;}}_i{b}_i(f_{t,i},f_{r,i},f_{d,i})+y_w,$

其中，m＝1,2,...,M，上标*表示共轭，K为一次相干处理间隔内的脉冲数，ρ_T为目标的反射系数， $b_T(f_{t,T},f_{r,T},f_{d,T})=a_t\left(f_{t,T}\right)\&CircleTimes;a_r\left(f_{r,T}\right)\&CircleTimes;a_d\left(f_{d,T}\right)$ 为目标的导向矢量，a_t(f_t,T)为目标发射阵列导向矢量，a_r(f_r,T)为目标接受阵列导向矢量，a_d(f_d,T)为目标多普勒导向矢量，符号表示Kronecker积，N_c为杂波点源的个数，ρ_i为第i个杂波点的反射系数， $b_i(f_{t,i},f_{r,i},f_{d,i})=a_t\left(f_{t,i}\right)\&CircleTimes;a_r\left(f_{r,i}\right)\&CircleTimes;a_d\left(f_{d,i}\right)$ 为第i个杂波点的空时二维导向矢量，a_t(f_t,i)为目标的发射阵列导向矢量，a_r(f_r,i)为目标的接受阵列导向矢量，a_d(f_d,i)为目标的多普勒导向矢量，y_w为噪声的空时数据矢量；

(2)构造MNK×r_Mr_Nr_K阶局域化降维矩阵T：

$T=G_M\&CircleTimes;G_N\&CircleTimes;G_K,$

其中，r_M，r_N，r_K为构造降维矩阵时选取的发射波束、接收波束以及多普勒通道的数目， $G_M=[a_t\left(f_{t,T-{\tilde{r}}_M}\right),\&CenterDot;\&CenterDot;\&CenterDot;,a_t\left(f_{t,T-1}\right),a_t\left(f_{t,T}\right),a_t\left(f_{t,T+1}\right),\&CenterDot;\&CenterDot;\&CenterDot;,a_t\left(f_{t,T+{\tilde{r}}_M}\right)]$ 为降维矩阵在发射域的分量， 为目标发射波束附近第个波束的发射阵列导向矢量， $G_N=[a_r\left(f_{r,T-{\tilde{r}}_N}\right),\&CenterDot;\&CenterDot;\&CenterDot;,a_r\left(f_{r,T-1}\right),a_r\left(f_{r,T}\right),a_r\left(f_{r,T+1}\right),\&CenterDot;\&CenterDot;\&CenterDot;,a_r\left(f_{r,T+{\tilde{r}}_N}\right)]$ 为该降维矩阵在接收域的分量， 为目标接收波束附近第个波束的接收阵列导向矢量， $G_K=[a_d\left(f_{d,T-{\tilde{r}}_K}\right),\&CenterDot;\&CenterDot;\&CenterDot;,a_d\left(f_{d,T-1}\right),a_d\left(f_{d,T}\right),a_d\left(f_{d,T+1}\right),\&CenterDot;\&CenterDot;\&CenterDot;,a_d\left(f_{d,T+{\tilde{r}}_K}\right)]$ 为该降维矩阵在多普勒域的分量， 为目标多普勒通道附近第个通道的多普勒导向矢量， ${\tilde{r}}_N=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,(r_N-1)/2,$ ${\tilde{r}}_M=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,(r_M-1)/2,$ ${\tilde{r}}_K=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,(r_K-1)/2;$

(3)用上述降维矩阵T乘以空时数据矢量y和目标导向矢量b_T(f_t,T,f_r,T,f_d,T)，得到降维后的数据矢量z和降维后的目标导向矢量c_T(f_t,T,f_r,T,f_d,T)：

z＝T^Hy，

c_T(f_t,T,f_r,T,f_d,T)＝T^Hb_T(f_t,T,f_r,T,f_d,T)，

其中，上标^H表示共轭转置；

(4)利用一个距离门的数据矢量z计算回波协方差矩阵R：R＝zz^H，并对2×r_Mr_Nr_K个距离门的协方差矩阵取平均，得到其估计值

$\hat{R}=\frac{1}{2\&times;r_M{r}_N{r}_K}\underset{k=0}{\overset{2\&times;r_M{r}_N{r}_K-1}{\mathrm{\&Sigma;}}}{z}_k{z}_k^H,$

其中，z_k表示第k个距离门的降维后的数据矢量，距离门是指以接收机和发射机在地面的投影点为焦点，以地面杂波点到两个双基地的距离之和为固定值的一组椭圆环；

(5)根据空时自适应处理原理，由上述回波协方差矩阵估计值得到最优权矢量：

$w=\mathrm{\&mu;}{\hat{R}}^{-1}{c}_T(f_{t,T},f_{r,T},f_{d,T}),$

其中μ为一个标量，为回波协方差矩阵估计值的逆矩阵；

(6)利用上述最优权矢量w对降维后的数据矢量z进行加权，得到针对目标位置抑制杂波的回波数据，检测出目标。

2.根据权利要求1所述的基于MIMO的双基地雷达局域化降维杂波抑制方法，其中步骤(1)所述的正侧视双基地MIMO模式，是指雷达的发射机和接收机分置于不同地点，且飞行方向与各自天线法线方向垂直，在发射端由多个发射天线发射相互正交的信号产生多个发射通道，在接收端用多个天线接收目标的回波信号，雷达杂波谱位于发射空间频率-接收空间频率-多普勒频率的三维空间的一个平面上。

3.根据权利要求1所述的基于MIMO的双基地雷达局域化降维杂波抑制方法，其中步骤(1)所述的对雷达接收机端N个天线在一次相干处理间隔内接收到的回波数据分别用M个发射天线阵元的发射波形进行匹配滤波，是用接收机的第n个天线的回波数据y_n与发射机第m个发射天线的发射波形复包络的共轭作内积即其中n＝1,2,...,N，m＝1,2,...,M。