互耦条件下基于稀疏重构的MIMO雷达角度估计

为了降低阵列互耦对多输入多输出(MIMO)雷达波达角度(DOA)估计性能的影响,实现少量快拍条件下的目标角度估计,该文提出了基于迭代最小化稀疏学习(SLIM)算法的互耦校正和目标角度估计算法。所提算法利用目标回波信号的空域稀疏性,通过迭代优化算法估计了MIMO雷达发射和接收阵列的阵元互耦系数,以及目标稀疏空间谱。该算法无需设置超参数,且具有良好的收敛特性。仿真结果表明,当MIMO雷达发射和接收阵列存在互耦时,如果目标角度间隔较小,所提算法能够在较高信噪比条件下基于少量快拍高精度地估计目标角度;如果目标角度间隔较大,则在较低信噪比和少量快拍条件下仍有较高的角度估计精度。

利用稀疏贝叶斯推理估计干扰导向矢量和功率的稳健自适应波束形成方法

现有稳健自适应波束形成(Robust adaptive beamforming,RAB)方法对快拍数有较高要求,可用快拍数的不足可能会使RAB方法无效。稀疏贝叶斯推理(Sparse Bayesian Inference,SBI)从贝叶斯的角度,通过对信号的稀疏先验假设来利用稀疏信息,在建模稀疏信号方面具有较好的灵活性,可以提高解的稀疏性,即使在样本数较低的情况下也能取得很好的估计效果。本文使用SBI估计干扰信号的导向矢量和功率,提出了一种新颖的基于干扰加噪声协方差矩阵(Interference plus Noise Covariance Matrix,INCM)重建的RAB方法。所提方法利用SBI在建模稀疏信号方面的优越性,通过准确重建出INCM,实现高输出SINR。仿真结果表明,本文提出的方法在比较宽的输入SNR范围内和少量快拍情况下都实现了较好的性能。