Resumen

Los detectores clásicos de procesamiento adaptativo espacio-temporal (STAP) están muy limitados cuando se enfrentan a entornos muy heterogéneos. De hecho, en este caso, ya no se dispone de datos representativos libres de objetivos. Los algoritmos de conjuntos de datos únicos, como el algoritmo MLED, han demostrado su eficacia para superar este problema trabajando únicamente con datos primarios. Estos métodos se basan en el algoritmo APES, que elimina la señal útil de la matriz de covarianza. Sin embargo, una pequeña parte de la señal de desorden también se elimina de la matriz de covarianza en esta operación. En consecuencia, se observa una degradación del rendimiento del rechazo del clutter. Proponemos dos algoritmos que utilizan STAP con ayuda determinista para superar este problema del método APES de un solo conjunto de datos. Los resultados en datos simulados realistas y en datos reales muestran que estos métodos superan a los métodos tradicionales de conjunto de datos único en la detección y en el rechazo de desorden.

• Materias:Electromagnetismo Redes de telecomunicaciones Radiofrecuencia Teoría de Antenas Redes Inalámbricas Ondas de radiofrecuencia
• Subjects:Electromagnetism Telecommunications networks Radio frequency Antenna theory Wireless Networks Radio frequency waves
• Palabras claves:matriz de covarianza, algoritmo de conjunto de datos único, datos simulados realistas, métodos de conjunto de datos único, stap asistido determinista, rendimiento de rechazo del desorden, degradación del desorden, conjunto de datos único ape, métodos de conjunto de datos ape, algoritmo mled
• Keywords:covariance matrix, single dataset algorithm, realistic simulated data, single dataset methods, deterministic aided stap, clutter rejection performance, degradation of clutter, single dataset ape, dataset ape methods, mled algorithm