买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军国防科技大学

摘要：本发明公开了一种基于多任务学习的空时自适应处理方法，包括：将每个待检测距离环附近的多个距离环雷达回波数据作为当前距离环STAP滤波器权矢量的训练样本；结合所述雷达回波数据，将每个距离环的动目标检测作为一个STAP任务，建立多任务学习STAP优化模型；利用加速梯度下降法对多任务学习STAP优化模型进行迭代求解，获取滤波器权矩阵；利用所述滤波器权矩阵，对多个STAP任务的距离环雷达回波进行滤波；经滤波后，若当前待检测距离环雷达回波的输出功率任大于门限值，则认为该距离环下存在运动目标；本发明利用多任务间的共享知识，使每个STAP任务在小样本条件下可精确估计杂波干扰协方差矩阵，提高杂波干扰抑制性能。

主权项：1.一种基于多任务学习的空时自适应处理方法，其特征在于，包括以下步骤：S1：针对多个邻近的待检测距离环，将每个所述待检测距离环附近的多个距离环雷达回波数据作为当前距离环STAP滤波器权矢量的训练样本；S2：结合所述步骤S1获得的所述雷达回波数据，将每个所述待检测距离环的动目标检测作为一个STAP任务，建立多任务学习STAP优化模型；S3：利用加速梯度下降法对所述多任务学习STAP优化模型进行迭代求解，获取STAP滤波器权矩阵；S4：利用所述步骤S3中获得的所述STAP滤波器权矩阵，对所述多个STAP任务的距离环回波数据进行滤波；经过滤波后，如果当前待检测距离环雷达回波数据的输出功率任大于预设的检测门限值，则认为该距离环下存在运动目标；所述步骤S2包括以下步骤：S2-1：设多所述任务学习STAP优化模型中的STAP任务数为T，每个任务的训练样本数为L，则第t个任务的所有训练样本可记为Xt＝xt,1,xt,1,…,xt,L,t＝1,2，…,T，l＝1,2...,L，其中，xt,l为第t个任务第l个训练样本；S2-2：建立所述多任务学习旁瓣对消STAP优化模型： s.t.W＝P+Q其中，Η代表共轭转置，wb,t为第t个任务的STAP滤波器权矢量，W＝[wb,1,wb,2,…,wb,T]为整个所述多任务学习STAP的滤波器权矩阵，为信号协方差矩阵，为信号互相关矢量；B和s分别为阻塞矩阵和信号导向矢量，λ1和λ2为模型预设的正则化参数；所述模型中，所述STAP滤波器权矩阵被分为两个部分W＝P+Q，通过||P||1,2约束可使所有任务倾向于选择相同的杂波子空间的基，||Q||1约束可使每个任务选择与其他任务不同的基。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种基于多任务学习的空时自适应处理STAP方法