Autoregressive model of the interferences for STAP. AR parameter estimation based on Kalmanfilter

Dans le cadre du traitement STAP, une modélisation autorégressive (AR) des interférences utilisée avec un détecteur appelé Parametric Adaptive Matched Filter (PAMF) donne lieu à un filtre de réjection du fouillis pour lequel le domaine d’entraînement est réduit. La principale difficulté de cette approche réside alors dans l’estimation des matrices AR à l’aide des données d’entraînement. Dans cette publication, les auteurs proposent une estimation récursive fondée sur un filtrage de Kalman et ses variantes. Une étude comparative des différentes méthodes est menée sur les données fournies par la DGA – Maîtrise de l’Information.In the STAP domain, modeling the interferences as an autoregressive (AR) process with the detector called Parametric Adaptive Matched Filter (PAMF), provides an estimation of the clutter-rejection filter with few training data. The main difficulty of this approach is the estimation of the AR matrices by using the training data. Thus, we propose an on-line estimation based on the Kalman filter and its variants. A comparative study is carried out and illustrates the relevance of such approaches with data provided by the DGA