基于深度展开和卷积神经网络的机载雷达STAP方法及系统

本发明公开了基于深度展开和卷积神经网络的机载雷达STAP方法及系统，涉及雷达技术领域，方法包括：S1，设置机载雷达特定参数范围，利用机载雷达的空时回波信号模型生成多个雷达空时回波信号，以构建输入数据集；S2，将得到的杂波空时幅度谱的估计、高分辨杂波空时功率谱的估计分别作为中间数据集、输出标签数据集；将输入数据集、中间数据集、输出标签数据整合成DU‑CNN数据集；S3，构建DU‑CNN网络；S4，分别对ADMM‑Net模块、CNN模块进行独立的预训练，然后对DU‑CNN网络进行端到端训练；S5，将训练好的DU‑CNN网络与STAP方法相结合，对待检测目标的空时回波信号进行处理，得到CNCM的估计和空时滤波器自适应权矢量的估计。本发明能提高杂波抑制性能，降低运算复杂度。