下视工作的机载雷达进行动目标检测时,接收到的回波会包含大量功率很强的地杂波,这些地杂波会降低雷达系统的目标检测性能。空时自适应处理(STAP)技术联合时域和空域采样数据进行二维自适应滤波,可以在保证目标增益的同时有效抑制地杂波,因而成为机载雷达杂波抑制的关键技术。常规STAP技术通常假设系统可以得到足够多的独立同分布的杂波样本用来估计杂波协方差矩阵,然而实际中雷达杂波往往是非均匀的,导致估计的杂波协方差矩阵不准确,从而引起STAP算法的杂波抑制性能下降。所以,非均匀环境下可适用的新STAP算法成为了STAP技术的研究方向。合理地利用环境中的先验知识,实现知识辅助的空时自适应处理(KA-STAP),成为目前改善非均匀环境下STAP算法性能的研究热点。本文针对非均匀杂波环境下的KA-STAP技术进行了研究,主要研究改善协方差矩阵估计的两类方法,主要内容概括如下:1.研究了非均匀环境下构造样本先验协方差矩阵对样本进行挑选和加权的协方差矩阵估计方法。当雷达照射场景严重非均匀时,用来估计杂波协方差矩阵的采样协方差矩阵会产生较大误差。广义内积(GIP)算法可以从初始训练样本中剔除奇异样本,但是该算法没有考虑待处理单元的特性,即选出的样本彼此间可能是均匀的,但是与待处理单元的特性不一致;另外在采样协方差矩阵的求解过程中,所有训练样本都具有相同的权重,这样也是不可靠的。针对这些问题,提出了一种加权的KA-STAP算法,利用地理环境中的地形信息与高程信息估计每个距离单元的先验杂波协方差矩阵进而挑选训练样本,并根据先验协方差矩阵之间的相似度推导出各个训练样本的权重,从而可以有效克服训练样本之间的差异,较精确地估计待处理单元的杂波协方差矩阵。实测数据处理结果表明该方法的杂波抑制能力较GIP算法提高2～2.5d B。2.研究了直接利用距离-多普勒单元地表精细先验知识对样本进行挑选的协方差矩阵估计方法。杂波的统计特性与其所在地表的覆盖类型两者密不可分,根据这一事实,现有KA-STAP方法中的KAT算法将每个距离多普勒单元的各个地形占比进行汇总并由此挑选训练样本,取得了较好的杂波抑制效果。但是KAT算法没有考虑到地形种类间散射性的关系;也未考虑单元内散射强弱点的具体分布情况对于单元整体杂波特性的影响。针对这些问题,提出一种距离多普勒(RD)单元方位向精细划分的KA-STAP算法。首先对每一个距离多普勒单元从多普勒上进行分割,然后利用地形数据NLCD求得RD单元中每一份的后向散射系数,最后利用所有距离单元的后向散射系数分布来比较训练样本与待处理单元的相似度,并挑选训练样本。实测数据处理结果表明该方法的杂波抑制能力较KAT算法提高了2～3d B。