CN113376607B - 机载分布式雷达小样本空时自适应处理方法 - Google Patents

Abstract

本发明公开了机载分布式雷达小样本空时自适应处理方法，包括：利用雷达发射CPI脉冲的间歇期接收机接收干扰数据，让滤波器适应干扰环境，即估计全阵的干扰空域协方差矩阵或者在距离多普勒图上，从距离域或者多普勒域上的无杂波区域，选择包含多个干扰的同一个距离单元，来估计全阵的干扰空域协方差矩阵；对干扰数据进行时域降维处理得到空时协方差矩阵

然后进行多普勒滤波处理，构造全阵降维后的杂波协方差矩阵

构造全阵降维后的杂波、干扰加噪声的协方差矩R_k；最后根据最小方差准则得自适应滤波的权矢量；利用杂波协方差矩阵和干扰协方差矩阵，分别估计块对角延拓方法来构造杂波和干扰的协方差矩阵，然后构造整个协方差矩阵。

Description

机载分布式雷达小样本空时自适应处理方法

技术领域

本发明属于雷达技术领域，具体涉及机载分布式雷达小样本空时自适应处 理方法。

背景技术

由于受飞机载重和电源功率等因素的限制，单架机载雷达的探测威力会达 到一个瓶颈，难以持续增加。分布式雷达采用开放式架构，可以通过不断增加 无人机数量来不断提高天线面积和发射功率，是提高空基探测***探测威力的 一种有效方式。在无人机相隔比较近的情况下，所有的天线和收发***构成稀 疏阵列天线雷达，超大孔径对于提高雷达对目标的探测精度和分辨能力提供了潜力。

当然，采用分布式这种体制带来优势的同时也带来了一些新的问题。与传 统机载雷达一样，机载分布式雷达工作时同样也受到地杂波和干扰的影响，且 在未来战场上面临的杂波和干扰更复杂，信号处理更加困难。对于杂波和干扰 同时存在的情况，第一种可行的处理方法是各子雷达仅利用平台内的空时自由 度抑制杂波和干扰，这与传统机载雷达的空时处理过程相同。由于杂波在空域和时域存在着耦合，因而需要联合空域自由度和时域自由度进行处理，但对于 干扰来说，不存在空域和时域的耦合，只需要在空域进行抑制处理。在空域， 干扰的秩等于非相干的干扰源数目，***通过空域处理能够抑制的干扰数目不 超过空域自由度；而在空时联合域，由于干扰在时域表现为白噪声，会使干扰 秩明显增加，等于时域自由度和非相干干扰源数目的乘积。这就是说，如果需 要***在空时联合域抑制干扰和杂波，干扰会消耗大量的空时自由度。如果空时自由度不够，干扰和杂波抑制性能可能就会明显下降。特别在面临多个干扰 时，可能会出现干扰和杂波都抑制不好的情况。

针对分布式雷达在复杂干扰环境下杂波和干扰同时抑制的问题，可以采用 小样本条件下机载分布式雷达协方差矩阵构造的STAP方法。该方法能够充分 利用全部空域自由度在抑制杂波的同时抑制较多干扰，并且有效克服估计大维 数协方差矩阵所需的独立同分布样本不足的问题，仅利用少量的距离样本重构 杂波和干扰的协方差矩阵，距离分段可以划分的更细，提高了***对非均匀杂 波的抑制能力。

发明内容

本发明的目的在于提供一种机载分布式雷达小样本空时自适应处理方法， 利用杂波协方差矩阵和干扰协方差矩阵在结构上的不同特点，通过分别估计、 块对角延拓方法来构造杂波和干扰的协方差矩阵，然后构造整个协方差矩阵。 充分利用了全部空域自由度在抑制杂波的同时抑制较多干扰，也克服了估计大 维数协方差矩阵所需的独立同分布样本不足的问题。

本发明所采用的技术方案是：机载分布式雷达小样本空时自适应处理方法， 具体操作步骤如下：

步骤1，建立具有M个子雷达，各子雷达均为N个阵元，并接收P个干扰 信号的机载分布式雷达信号模型；获取包含P个干扰信号的距离样本x_j；

步骤2，多普勒滤波处理，按照下式，利用扩展因子化算法EFA中的降维 转换矩阵，将干扰数据，从阵元-脉冲域转化到阵元-多普勒域，得到第k个多 普勒通道干扰时域降维后的数据x_k,j：

其中，T_EFA表示扩展因子化算法EFA中的降维转换矩阵，上标H表示共轭 转置操作，x_j表示全阵的干扰空时二维回波数据；

步骤3，使用降维后第k个多普勒通道输出的干扰样本x_k,j估计降维后干扰 协方差矩阵

步骤4，对杂波数据进行多普勒滤波处理，取出一个子雷达待检测单元周 围的训练样本z_m,c,k或者各子雷达相应待检测单元周围的训练样本，估计杂波协 方差矩阵

然后分块构造全阵的杂波协方差矩阵/>

步骤5，利用步骤3中构造的干扰协方差矩阵和步骤4中构造的杂波协方 差矩阵，构造全阵杂波加干扰的协方差矩阵

步骤6，按照自适应权矢量求解公式，计算用于处理待检测单元数据x_k的 权w_k，进而得到空时自适应处理结果，所述空时自适应处理结果为小样本条件 下机载分布式雷达协方差矩阵构造的STAP结果。

本发明的特点还在于，

步骤1具体如下：

在距离多普勒图上，从距离域或者多普勒域上的无杂波区域，选择包含多 个干扰的同一个距离单元，来估计全阵的干扰空域协方差矩阵Φ_j，其表达式为：

其中，S_j为NM×P维的矩阵，表示全阵的干扰空域导向矢量，P表示干扰 数量；Ξ_j为P×P维的矩阵，表示P个干扰的功率，其表达式为：

其中，η_p表示第p个干扰信号的干燥比，

表示接收机的噪声功率，令R_j表示降维前的干扰空时协方差矩阵，其表达式为：

其中，R_j表示全阵干扰空时协方差矩阵，

表示Kronecker积运算符号，I_K表示K×K维单位阵，Φ_j表示全阵干扰空域协方差矩阵。

步骤2扩展因子化算法EFA中的降维转换矩阵T_EFA，其表达式如下：

其中，I_NM表示NM×NM维单位阵，F_k＝[f_k-1,f_k,f_k+1]，f_k表示FFT矩阵的第k 列矢量，其表达式为：

f_k＝[1 e^{j2π(k-K/2-1)/K} … e^{j2π(K-1)(k-K/2-1)/K}]^T

其中，K表示一个相干处理间隔内发射的脉冲数，上标T表示矩阵转置运 算。

步骤3降维后干扰的协方差矩阵

其表达式如下：

其中，上标H表示共轭转置操作，I_NM表示NM×NM维单位阵，F_k＝[f_k-1，f_k，f_k+1]， f_k表示FFT矩阵的第k列矢量。

步骤4具体如下：

用来估计杂波协方差矩阵的训练样本z_m，c，k，其表达式为：

其中，I_N表示N维单位阵，F_k＝[f_k-1，f_k，f_k+1]，f_k表示FFT矩阵的第k列矢量， 上标H表示共轭转置操作；x_m，c表示第m个子雷达原始的空时二维杂波数据， z_m，c，k表示第m个子雷达第k个多普勒通道的滤波输出；

令

表示第m个子雷达降维后的杂波协方差矩阵，其表达式为：

其中，I_N表示N维单位阵，

表示Kronecker积运算符号，F_k＝[f_k-1，f_k，f_k+1]， f_k表示FFT矩阵的第k列矢量，上标H表示共轭转置操作，/>

表示 第m个子雷达降维前的杂波协方差矩阵；

根据得到的各子雷达的杂波协方差矩阵构造全阵降维后的杂波协方差矩阵：

其中，R_c＝diag([R_1，c R_2，c L R_M，c])表示降维前全阵的杂波协方差矩阵，为 分块对角矩阵，I_NM表示NM维单位阵，

表示Kronecker积运算符号， F_k＝[f_k-1，f_k，f_k+1]，f_k表示FFT矩阵的第k列矢量，上标H表示共轭转置操作。

其表达式为：

其中，

表示全阵杂波协方差矩阵，/>

表示全阵干扰协方差矩阵，/>

表 示干扰数据。

步骤6所述w_k的计算表达式为：

其中，μ表示设定系数，

s_k表示降维后的目标导向矢量，其 表达式为

表示Kronecker积，s_s表示目标相对整个分布式雷达的空 域导向矢量，s_tk表示降维的目标时域导向矢量，/>

表示原始的时域导向矢量，f_d0表示归一化多普勒 频率；

利用自适应权矢量w_k，依次对待处理多普勒通道的各距离单元原始回波数 据x，进行空时自适应滤波，进而得到空时自适应处理结果，所述空时自适应 处理结果为小样本条件下机载分布式雷达协方差矩阵构造的空时自适应处理结果。

步骤1中还可利用雷达发射CPI脉冲的间歇期，接收机以静默的方式接收 干扰数据，让滤波器适应干扰环境，即估计全阵的干扰空域协方差矩

本发明的有益效果是：本发明的机载分布式雷达小样本空时自适应处理方 法在空时联合域抑制干扰和杂波，干扰会消耗大量的空时自由度。如果空时自 由度不够，干扰和杂波抑制性能可能就会明显下降。特别在面临多个干扰时， 可能会出现干扰和杂波都抑制不好的情况。传统的处理方法在抑制杂波和多个 干扰时考虑充分利用全部空域自由度，这种情况下需要估计大维数协方差矩阵，可能存在独立同分布样本不足的问题，尤其在斜侧阵情况下，杂波特性是随距 离变化的；而本发明利用杂波协方差矩阵和干扰协方差矩阵在结构上的不同特 点，通过分别估计、块对角延拓方法，仅利用了少量的距离样本便重构了杂波 和干扰的协方差矩阵，距离分段可以。

附图说明

图1是本发明的机载分布式雷达小样本空时自适应处理方法的流程图；

图2(a)是本发明存在8个干扰的情况下，现有的全阵STAP技术处理后的 距离多普勒图；

图2(b)是本发明存在8个干扰的情况下，本发明处理后的距离多普勒图；

图2(c)是本发明存在8个干扰的情况下，现有的全阵STAP技术和本发明 处理后的改善因子对比示意图；

图3(a)是本发明存在8个干扰的情况下，本发明在第15号多普勒通道的空 时二维响应图；

图3(b)是本发明存在8个干扰的情况下，本发明在第15号多普勒通道的 空域自适应方向图；

图4(a)是本发明斜侧阵60度，存在8个干扰的情况下，现有的全阵STAP 技术处理后的距离多普勒图；

图4(b)是本发明斜侧阵60度，存在8个干扰的情况下，本发明处理后的 距离多普勒图；

图4(c)是本发明斜侧阵60度，存在8个干扰的情况下，现有的全阵STAP 技术和本发明处理后的改善因子对比示意图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

参照图1，为本发明的一种机载分布式雷达小样本空时自适应处理方法， 包括以下步骤：

步骤1，建立具有M个子雷达，各子雷达均为N个阵元，并接收P个干扰 信号的机载分布式雷达信号模型；获取包含P个干扰信号的距离样本x_j；

第一种方式，利用雷达发射CPI脉冲的间歇期，接收机以静默的方式接收 干扰数据，让滤波器适应干扰环境，即估计全阵的干扰空域协方差矩阵Φ_j；

第二种方式，在距离多普勒图上，从距离域或者多普勒域上的无杂波区域， 选择包含多个干扰的同一个距离单元，来估计全阵的干扰空域协方差矩阵Φ_j， 其表达式为：

其中，S_j为NM×P维的矩阵，表示全阵的干扰空域导向矢量，P表示干扰 数量。Ξ_j为P×P维的矩阵，表示P个干扰的功率，其表达式为：

其中，η_p表示第p个干扰信号的干燥比，

表示接收机的噪声功率。令R_j表示降维前的干扰空时协方差矩阵，其表达式为：

其中，R_j表示全阵干扰空时协方差矩阵，

表示Kronecker积运算符号，I_K表示K×K维单位阵，Φ_j表示全阵干扰空域协方差矩阵。

步骤2，多普勒滤波处理，将按照下式，利用扩展因子化算法EFA中的降 维转换矩阵，将干扰数据，从阵元-脉冲域转化到阵元-多普勒域，得到第k个 多普勒通道干扰时域降维后的数据x_k，j：

其中，T_EFA表示扩展因子化算法EFA中的降维转换矩阵，上标H表示共轭转 置操作，x_j表示全阵的干扰空时二维回波数据。

所述扩展因子化算法EFA中的降维转换矩阵T_EFA，其表达式如下：

其中，I_NM表示NM×NM维单位阵，F_k＝[f_k-1，f_k，f_k+1]，f_k表示FFT矩阵的第k 列矢量，其表达式为：

f_k＝[1 e^{j2π(k-K/2-1)/K} … e^{j2π(K-1)(k-K/2-1)/K}]^T

其中，K表示一个相干处理间隔内发射的脉冲数，上标T表示矩阵转置运 算。

步骤3，使用降维后第k个多普勒通道输出的干扰样本x_k,j估计降维后干扰 的协方差矩阵

降维后干扰的协方差矩阵

其表达式如下：

其中，上标H表示共轭转置操作，I_NM表示NM×NM维单位阵，F_k＝[f_k-1,f_k,f_k+1]， f_k表示FFT矩阵的第k列矢量。

步骤4，对杂波数据进行多普勒滤波处理，取出一个子雷达待检测单元周 围的训练样本z_m,c,k或者各子雷达相应待检测单元周围的训练样本，估计杂波协 方差矩阵

然后分块构造全阵的杂波协方差矩阵/>

用来估计杂波协方差矩阵的训练样本z_m,c,k，其表达式为：

其中，I_N表示N维单位阵，F_k＝[f_k-1,f_k,f_k+1]，f_k表示FFT矩阵的第k列矢量， 上标H表示共轭转置操作。x_m,c表示第m个子雷达原始的空时二维杂波数据， z_m,c,k表示第m个子雷达第k个多普勒通道的滤波输出；

令

表示第m个子雷达降维后的杂波协方差矩阵，其表达式为：

其中，I_N表示N维单位阵，

表示Kronecker积运算符号，F_k＝[f_k-1,f_k,f_k+1]， f_k表示FFT矩阵的第k列矢量，上标H表示共轭转置操作，/>

表示 第m个子雷达降维前的杂波协方差矩阵；

根据得到的各子雷达的杂波协方差矩阵构造全阵降维后的杂波协方差矩阵：

其中，R_c＝diag([R_1,c R_2,c L R_M,c])表示降维前全阵的杂波协方差矩阵，为分块对角矩阵，I_NM表示NM维单位阵，

表示Kronecker积运算符号， F_k＝[f_k-1,f_k,f_k+1]，f_k表示FFT矩阵的第k列矢量，上标H表示共轭转置操作。

步骤5，利用步骤3中构造的干扰协方差矩阵和步骤4中构造的杂波协方 差矩阵，构造全阵杂波加干扰的协方差矩阵

其表达式为：

其中，

表示全阵杂波协方差矩阵，/>

表示全阵干扰协方差矩阵，/>

表 示干扰数据。

步骤6，按照自适应权矢量求解公式，计算用于处理待检测单元数据x_k的 权w_k，进而得到空时自适应处理结果，w_k的计算表达式为：

其中，μ表示设定系数，

s_k表示降维后的目标导向矢量，其 表达式为

表示Kronecker积，s_s表示目标相对整个分布式雷达的空 域导向矢量，s_tk表示降维的目标时域导向矢量，/>

表示原始的时域导向矢量，f_d0表示归一化多普勒 频率。

利用自适应权矢量w_k，依次对待处理多普勒通道的各距离单元原始回波数 据x，进行空时自适应滤波，进而得到空时自适应处理结果，所述空时自适应 处理结果为小样本条件下机载分布式雷达协方差矩阵构造的空时自适应处理结果。

至此，本发明的一种机载分布式雷达小样本空时自适应处理方法结束。 通过以下仿真实验对本发明效果作进一步验证说明。

(一)仿真实验数据说明。

为了验证本发明方法的准确性，通过仿真实验予以证明；仿真实验参数如表1 所示：

表1

(二)仿真结果及分析

本发明的仿真结果分别如图2(a)、图2(b)、图2(c)、图3(a)、图3(b)、图 4(a)、图4(b)和图4(c)所示。图2(a)为存在8个干扰的情况下，现有的全阵STAP 技术处理后的距离多普勒图，图2(b)为存在8个干扰的情况下，本发明处理后 的距离多普勒图，图2(c)为存在8个干扰的情况下，现有的全阵STAP技术和 本发明处理后的改善因子对比示意图，图3(a)为存在8个干扰的情况下，本发 明在第15号多普勒通道的空时二维响应图，图3(b)为存在8个干扰的情况下， 本发明在第15号多普勒通道的空域自适应方向图，图4(a)为斜侧阵60度，存 在8个干扰的情况下，现有的全阵STAP技术处理后的距离多普勒图，图4(b) 为为斜侧阵60度，存在8个干扰的情况下，本发明处理后的距离多普勒图，图 4(c)为斜侧阵60度，存在8个干扰的情况下，现有的全阵STAP技术和本发明 处理后的改善因子对比示意图。

从图2(a)，图2(b)和图2(c)可以看出，在雷达天线以正侧阵方式安置时，运 用本发明方法处理后的改善因子与现有全阵STAP方法的性能近似一致，这说 明本发明算法能够同时有效抑制杂波和多个干扰，从而保证了机载雷达对慢速 运动目标的检测性能。但是本发明方法所需要估计的协方差矩阵的维数更低， 需要的iid的样本数比全阵STAP的更少。在当前***参数条件下，分布式雷达 ***的节点个数为3，则全阵STAP的空域自由度为24，做EFA处理需要估计维数为72×72的杂波协方差矩阵，根据RMB准则，所需的样本数至少要大于两 倍的***自由度，即至少需要144个距离样本，而按照本发明方法，每个子雷 达的空域自由度为8，做EFA处理只需要估计维数为24×24的协方差矩阵，即 只需要48个距离样本。

从图3(a)和图3(b)可以看出，雷达为斜侧阵配置时，无论在主瓣杂波区还是 副瓣杂波区，本发明方法的处理效果都要比全阵STAP的好，这说明采用本发 明方法在雷达斜侧阵配置时，可以取得更好杂波抑制效果，能够获得更好的对 慢速运动目标的检测能力。

从图4(a)，图4(b)和图4(c)可以看出，雷达为斜侧阵配置时，无论在主瓣杂 波区还是副瓣杂波区，本发明方法的处理效果都要比全阵STAP的好，这说明 采用本发明方法在雷达斜侧阵配置时，可以取得更好杂波抑制效果，能够获得 更好的对慢速运动目标的检测能力。

综上所述，仿真实验验证了本发明的正确性，有效性和可靠性。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发 明的精神和范围；这样，倘若本发明的这些修改和变型属于本发明权利要求及 其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.机载分布式雷达小样本空时自适应处理方法，其特征在于，具体操作步骤如下：

步骤1，建立具有M个子雷达，各子雷达均为N个阵元，并接收P个干扰信号的机载分布式雷达信号模型；获取包含P个干扰信号的距离样本x_j；

步骤2，多普勒滤波处理，按照下式，利用扩展因子化算法EFA中的降维转换矩阵，将干扰数据，从阵元-脉冲域转化到阵元-多普勒域，得到第k个多普勒通道干扰时域降维后的数据x_k,j：

其中，T_EFA表示扩展因子化算法EFA中的降维转换矩阵，上标H表示共轭转置操作，x_j表示全阵的干扰空时二维回波数据；

步骤3，使用降维后第k个多普勒通道输出的干扰样本x_k,j估计降维后干扰协方差矩阵

步骤4，对杂波数据进行多普勒滤波处理，取出一个子雷达待检测单元周围的训练样本z_m,c,k或者各子雷达相应待检测单元周围的训练样本，估计杂波协方差矩阵

然后分块构造全阵的杂波协方差矩阵/>

步骤5，利用步骤3中构造的干扰协方差矩阵和步骤4中构造的杂波协方差矩阵，构造全阵杂波加干扰的协方差矩阵

步骤6，按照自适应权矢量求解公式，计算用于处理待检测单元数据x_k的权w_k，进而得到空时自适应处理结果，所述空时自适应处理结果为小样本条件下机载分布式雷达协方差矩阵构造的STAP结果。

2.根据权利要求1所述的机载分布式雷达小样本空时自适应处理方法，其特征在于，步骤1具体如下：

在距离多普勒图上，从距离域或者多普勒域上的无杂波区域，选择包含多个干扰的同一个距离单元，来估计全阵的干扰空域协方差矩阵Φ_j，其表达式为：

其中，S_j为NM×P维的矩阵，表示全阵的干扰空域导向矢量，P表示干扰数量；Ξ_j为P×P维的矩阵，表示P个干扰的功率，其表达式为：

其中，η_p表示第p个干扰信号的干燥比，

表示接收机的噪声功率，令R_j表示降维前的干扰空时协方差矩阵，其表达式为：

其中，R_j表示全阵干扰空时协方差矩阵，

表示Kronecker积运算符号，I_K表示K×K维单位阵，Φ_j表示全阵干扰空域协方差矩阵。

3.根据权利要求1所述的机载分布式雷达小样本空时自适应处理方法，其特征在于，步骤2所述扩展因子化算法EFA中的降维转换矩阵T_EFA，其表达式如下：

其中，I_NM表示NM×NM维单位阵，F_k＝[f_k-1,f_k,f_k+1]，f_k表示FFT矩阵的第k列矢量，其表达式为：

f_k＝[1 e^{j2π(k-K/2-1)/K}…e^{j2π(k-1)(k-K/2-1)/K}]^T

其中，K表示一个相干处理间隔内发射的脉冲数，上标T表示矩阵转置运算。

4.根据权利要求2所述的机载分布式雷达小样本空时自适应处理方法，其特征在于，步骤3降维后干扰的协方差矩阵

其表达式如下：

其中，上标H表示共轭转置操作，I_NM表示NM×NM维单位阵，F_k＝[f_k-1,f_k,f_k+1]，f_k表示FFT矩阵的第k列矢量。

5.根据权利要求4所述的机载分布式雷达小样本空时自适应处理方法，其特征在于，步骤4具体如下：

用来估计杂波协方差矩阵的训练样本z_m,c,k，其表达式为：

其中，I_N表示N维单位阵，F_k＝[f_k-1,f_k,f_k+1]，f_k表示FFT矩阵的第k列矢量，上标H表示共轭转置操作；x_m,c表示第m个子雷达原始的空时二维杂波数据，z_m,c,k表示第m个子雷达第k个多普勒通道的滤波输出；

令

表示第m个子雷达降维后的杂波协方差矩阵，其表达式为：

其中，I_N表示N维单位阵，

表示Kronecker积运算符号，F_k＝[f_k-1,f_k,f_k+1]，f_k表示FFT矩阵的第k列矢量，上标H表示共轭转置操作，/>

表示第m个子雷达降维前的杂波协方差矩阵；

根据得到的各子雷达的杂波协方差矩阵构造全阵降维后的杂波协方差矩阵：

其中，R_c＝diag([R_1,c R_2,c L R_M,c])表示降维前全阵的杂波协方差矩阵，为分块对角矩阵，I_NM表示NM维单位阵，

表示Kronecker积运算符号，F_k＝[f_k-1,f_k,f_k+1]，f_k表示FFT矩阵的第k列矢量，上标H表示共轭转置操作。

6.根据权利要求5所述的机载分布式雷达小样本空时自适应处理方法，其特征在于，步骤5协方差矩阵

其表达式为：

其中，

表示全阵杂波协方差矩阵，/>

表示全阵干扰协方差矩阵，/>

表示干扰数据。

7.根据权利要求5所述的机载分布式雷达小样本空时自适应处理方法，其特征在于，步骤6所述w_k的计算表达式为：

其中，μ表示设定系数，

s_k表示降维后的目标导向矢量，其表达式为

表示Kronecker积，s_s表示目标相对整个分布式雷达的空域导向矢量，s_tk表示降维的目标时域导向矢量，/>

表示原始的时域导向矢量，f_d0表示归一化多普勒频率；

利用自适应权矢量w_k，依次对待处理多普勒通道的各距离单元原始回波数据x，进行空时自适应滤波，进而得到空时自适应处理结果，所述空时自适应处理结果为小样本条件下机载分布式雷达协方差矩阵构造的空时自适应处理结果。

8.根据权利要求1所述的机载分布式雷达小样本空时自适应处理方法，其特征在于，步骤1中还可利用雷达发射CPI脉冲的间歇期，接收机以静默的方式接收干扰数据，让滤波器适应干扰环境，即估计全阵的干扰空域协方差矩阵Φ_j。

Images