基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计

多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel矩阵并施加Schatten-p范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。

基于时频域分析的车载毫米波雷达干扰抑制方法

文中针对车载调频连续波雷达之间相互干扰导致虚警和漏警的问题,提出一种在时频域基于改进经验模式分解和自回归模型相结合的干扰抑制方法。该方法首先使用经验模式分解区分出拍频信号中干扰分量主导的低阶本征模态函数,将其转换到短时傅里叶变换域后通过全局阈值方法进行干扰分量定位;其次,在时频域根据定位信息将拍频信号包含干扰的数据置零;最后,使用自回归模型对拍频信号中缺失的有用信号进行估计并插值。通过仿真和实测结果显示,该方法在精确地去除干扰分量的同时可以减少有用信号的功率损失,干扰抑制后的信号与参考信号的相关系数达到0.9697。与现有干扰抑制技术相比文中方法也体现出更优的干扰抑制性能。

阵元失效下基于核范数和SCAD惩罚的MIMO雷达DOA估计

阵元失效下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival,DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly Clipped Absolute Deviation)惩罚的完整协方差矩阵重构方法,以利于阵元失效下MIMO雷达DOA的有效估计。首先对待恢复的协方差矩阵建立核范数和SCAD惩罚双先验约束模型,并利用等正弦空间稀疏化方式划分粗网格空间,在可容忍的模型误差内能大大降低运算复杂度;然后利用ALM-ADMM(Augmented Lagrange Multipliers-Alternating Direction Method of Multipliers)算法对双先验约束模型进行求解,从而恢复协方差矩阵中大量整行整列的缺失数据;最后通过RD-ESPRIT(Reduced Dimensional ESPRIT)算法进行目标DOA估计。仿真结果验证该方法能快速恢复虚拟协方差矩阵中的缺失数据,从而有效提高阵元失效下MIMO雷达的DOA估计性能。

空域色噪声下基于张量Vandermonde因子矩阵重构的MIMO雷达角度估计

本文提出了一种空域色噪声环境下基于张量Vandermonde因子矩阵重构的多输入多输出(Multiple Input Multiple Output, MIMO)雷达角度估计方法。该方法首先将不同脉冲的匹配滤波输出进行互相关以实现对接收信号的去噪处理;然后,根据因子矩阵先验结构信息建立具有Vandermonde约束的四阶张量典范分解/并行因子分析(Canonical Decomposition/Parallel Factor Analysis, CANDECOMP/PARAFAC)模型,并推导了基于约束交替最小二乘(Alternating Least Squares, ALS)的迭代求解方法,在交替迭代过程中充分利用因子矩阵的Vandermonde结构,通过构造Toeplitz矩阵并进行Vandermonde分解的方式获得因子矩阵估计值;最后,通过最小二乘拟合方法估计目标角度。仿真结果表明本文算法能够有效提高MIMO雷达在空域色噪声下的角度估计性能。

基于矩阵因子重构的MIMO雷达角度估计方法

多输入多输出(MIMO)雷达中部分失效阵元会使得阵列采样数据丢失,从而导致较差的角度估计性能。为此,提出一种基于不完整矩阵因子重构的MIMO雷达角度估计方法。首先,根据协方差矩阵可分解的性质,提取维度较低的矩阵因子,并将协方差矩阵中缺失数据恢复问题转化为矩阵因子重构问题。然后,为了利用矩阵因子中元素的相关性,对不完整矩阵因子建立核范数约束下的低秩Hankel矩阵重构模型;为避免传统的核范数最小化求解中计算复杂度高的问题,采用低秩矩阵拟合方法将Hankel矩阵分解为两个维度较低的矩阵,等价表达了核范数约束。最后,利用交替方向乘子法(ADMM)对该矩阵重构模型进行求解。仿真结果表明,本文方法可以有效地重构出矩阵因子中的缺失元素,进而实现阵列协方差矩阵中丢失数据的补全,改善阵元失效下的MIMO雷达角度估计性能。

基于双重Toeplitz矩阵填充的阵元受损MIMO雷达DOA估计

在阵元受损下多输入多输出(Multiple Input Multiple Out,MIMO)雷达的虚拟阵列中存在虚拟阵元部分缺失,使得传统波达方向(Direction of Arriual,DOA)估计方法无法有效估计目标DOA。矩阵填充可以利用随机分布的少量采样元素恢复出完整矩阵,但阵元受损使得虚拟阵列协方差矩阵会出现结构性缺失数据,导致传统矩阵填充方法失效。为此,文中利用阵列协方差矩阵的双重Hermite Toeplitz结构和低秩特性,构建一种改进的低秩矩阵填充模型,并分别使用凸优化工具箱(CVX)和交替方向乘子法求解该模型获得完整的协方差矩阵,最后利用RD-ESPRIT算法获得目标的DOA估计值。仿真结果表明,文中的方法能对阵元受损带来的结构性缺失元素进行有效重构,从而提高了目标DOA估计性能。

基于轻量化网络的车载雷达目标分类方法

针对现有车载毫米波雷达目标分类方法存在静止杂波干扰和网络模型复杂度高的问题,本文将Ghost模块和MobileNet相结合设计了G⁃MobileNet轻量化神经网络,并提出了一套完整的车载毫米波雷达目标分类流程。首先对雷达原始AD采样信号进行向量均值相消处理,滤除静止杂波,再进行二维快速傅里叶变换(FFT)得到目标的距离⁃多普勒(RD)图像,最后使用G⁃MobileNet对RD图像特征进行提取及分类得到分类结果。实测数据处理结果表明,所提方法能够消除静止杂波对多普勒特征产生的干扰,且分类网络模型复杂度低,在具有较高的分类准确率的同时节省了网络模型储存空间和运行网络所需内存。

基于自适应加权非凸正则化和全变分的稀疏SAR成像

针对传统压缩感知(Compressive Sensing, CS)重构算法成像精度低及抗噪性能差等问题,提出了一种基于自适应加权极小极大凹罚函数和全变分的稀疏合成孔径雷达(Synthetic Aperture Imaging Radar, SAR)成像重建方法。首先,将加权思想同非凸函数簇中的极小极大凹罚函数结合,以进一步促进解的稀疏性;然后,与全变分判罚函数线性组合构成复合正则化器,以进一步提高抗噪性能;最后,采用交替方向乘子法求解该成像模型,并在求解过程中使用方位-距离解耦算子替换测量矩阵及其厄米特转置以减少存储空间。仿真与实测数据处理结果表明,所提方法相比于其他算法有更好的聚焦性能和重建精度。

基于Transformer-LSTM模型的毫米波雷达行人轨迹预测方法

在智能交通领域,对行人轨迹进行预测是一个非常有意义的研究课题。毫米波雷达凭借其强大的抗干扰能力和高隐私保密性,在行人轨迹预测方面具有良好的应用前景。为了解决传统预测算法准确度不高、长序列预测效果不佳的问题,文中提出一种基于Transformer-LSTM毫米波雷达的行人轨迹预测方法。该方法利用毫米波雷达采集行人轨迹数据,通过DBSCAN方法合成轨迹点,建立行人轨迹数据集,进行模型训练。该模型利用Transformer的动态权重分配和长短期记忆网络(Long Short-Term Memory,LSTM)的轨迹特征提取,深度挖掘不同层次的关键信息。实验结果表明,与经典运动学模型和传统神经网络模型相比,Transformer-LSTM在行人轨迹预测任务中预测精度更高、稳定性更好。

一种双基地MIMO雷达快速多目标定位方法

该文研究了双基地MIMO雷达测向交叉多目标定位方法,提出了一种基于传播算子的双基地MIMO雷达快速多目标定位算法。该方法避免了一般子空间方法中占主要运算量的协方差矩阵估计和奇异值分解,不需要二维谱峰搜索,在保证二维方位角估计性能的基础上,降低了运算复杂度。利用矩阵的初等变换以及矩阵、矩阵特征值和特征值对应的特征向量三者之间的关系,该算法所估计二维方位角参数能自动配对,不需要额外的配对运算。最后仿真结果验证了该算法的有效性。

双基地MIMO雷达的高速运动目标定位方法

高速运动目标的大多普勒频率会导致传统匹配滤波器严重失配,因此当目标高速运动时多输入多输出(multiple input multiple output,MIMO)雷达利用传统匹配滤波器无法有效地形成虚拟阵列。研究了利用双基地MIMO雷达实现多个高速运动目标交叉定位的方法,采用降低雷达距离分辨率的方式以获取较长时间的相参积累,并将接收阵列回波信号与发射信号共轭相乘后的数据进行频域处理,有效形成了虚拟阵列,然后利用传统超分辨算法对在相同粗距离分辨单元上的高速运动目标的发射角和接收角进行联合估计,从而能够有效交叉定位多个在距离上无法分辨的高速目标。仿真结果表明了所提方法的可行性和有效性。

基于修正近似双曲正切函数的平滑l_0范数算法

针对SL0算法中高斯函数对l_0范数的逼近程度较差以及在算法迭代过程中存在"锯齿效应"的问题,提出一种基于修正近似双曲正切函数的平滑l_0范数算法。采用逼近性能更优的修正近似双曲正切函数近似l_0范数,建立基于此函数的稀疏问题模型,利用牛顿法对其进行求解,能够以较高的精度重构出稀疏信号。仿真结果表明,相比于SL0算法、NSL0(newton smoothed l_0norm,NSL0)算法以及ASL0(approximate smoothed l_0norm,ASL0)算法,所提算法能获得更优的重构性能。

统计MIMO雷达的多目标定位和速度估计方法

在多目标情况下,统计多输入多输出(MIMO)雷达需要对不同观测通道中估计出的目标参数进行配对,才能完成多个目标定位及其速度估计。针对这一问题,对统计MIMO雷达提出了一种映射搜索配对法来实现在不同观测通道中的目标距离延时和多普勒频率估计值的配对,从而获得目标位置及其速度估计值。仿真结果表明,该方法在目标雷达散射截面(RCS)闪烁情况下能对多个目标进行有效定位和速度估计。

伪码调相连续波雷达的脉压主旁瓣比数学分析

研究了伪码(m序列)调相连续波雷达的脉压主旁瓣比随目标多普勒频率变化的关系,并推导了其数学表达式。由于m序列调相连续波雷达在非目标距离门上的脉冲压缩是一种"宽带输入窄带输出的过程",那么脉压旁瓣实部和虚部分别近似服从正态分布,由此可计算出脉压后峰值旁瓣实部和虚部的值,然后给出了脉压输出主旁瓣比的数学表达式。仿真结果表明:当m序列的周期长度p≥31时,由脉压主旁瓣比数学表达式计算得到的数据与仿真得到的数据能很好地吻合。

基于MIMO噪声雷达的高速运动目标检测

针对传统体制雷达对高速运动目标不能进行长时间有效相参积累检测问题,该文提出了一种基于MIMO噪声雷达的高速运动目标检测方法。该方法利用MIMO噪声雷达在短时间内输出的多路回波数据进行相参并行处理来取代回波数据的长时间相参积累检测,以避免距离走动,径向速度变化以及反射截面积(RCS)快起伏等非平稳因素对目标检测的影响,有效实现了多个高速运动目标的无模糊检测。仿真结果验证了MIMO噪声雷达在高速运动目标检测方面的优越性。

双基地MIMO雷达高速运动目标的DOD和DOA联合估计

高速目标在回波积累时间内会跨多个距离单元运动,因此双基地MIMO雷达利用单个距离单元上的目标回波数据估计目标发射角(DOD)和接收角(DOA)会产生较大误差,影响目标的交叉定位。该文根据高速目标回波特点提出一种双基地MIMO雷达的跨距离单元估计目标多维参数的方法,该方法把目标在不同距离单元上的脉冲压缩数据的采样协方差矩阵进行平均,提高其协方差矩阵的估计精度,然后采用超分辨算法进行DOD和DOA参数估计。仿真结果表明该方法对高速运动目标的角度估计精度高于现有算法,接近于现有算法在目标无距离走动时的角度估计精度,且其角度估计性能与目标跨越的距离单元数无关。

基于迭代近端投影的MIMO雷达多快拍DOA估计

传统基于压缩感知的MIMO雷达DOA估计算法将非凸非平滑稀疏表示问题近似成凸或平滑函数问题进行求解,稀疏表示模型误差的存在导致DOA估计性能不理想。为此,提出了一种基于迭代近端投影的MIMO雷达多快拍DOA估计方法。该方法首先将高维回波数据转换至低维空间以降低空域维度,并对降维后的数据进行奇异值分解(Singular Value Decomposition,SVD),提取信号子空间以降低时域维度,利用近端函数优化模型来表示MIMO雷达多快拍DOA估计中的非凸非平滑稀疏表示问题,然后采用SCAD(Smoothly Clipped Absolute Deviation Penalty)函数获得近端算子以求解该模型。仿真结果表明,该方法在低快拍和低信噪比下相干信源的DOA估计性能优于现有算法。

一种基于树莓派的气象数据监测教学实验设计

为了优化和丰富"传感器原理与应用"课程实验教学内容,设计了一种基于树莓派的气象数据监测教学实验,即通过引入树莓派实现软硬件协同应用的传感器教学实验。该实验由传感器采集数据、树莓派处理数据和网页显示三部分组成:①根据预定采样间隔获取温湿度、气压、降雨量和位置等信息;②传输至树莓派进行基于信任度的数据融合处理,以便提高数据测量精度;③在手机端或PC端的网页显示监测数据。该实验是一个典型的利用嵌入式树莓派体系结构拓展传感器应用的案例,实现了多知识点的有机结合,能够发挥学生的主观能动性和创造性,培养和提高他们的工程实践能力。

基于协方差匹配SL0算法的MIMO雷达DOA估计

利用加权平滑l0范数(Smoothed l_0,SL0)算法估计MIMO雷达目标DOA时,需要把协方差矩阵进行矢量化来获得相应的稀疏重构模型,并利用信号和噪声子空间的正交性来构造加权向量。然而当存在相干信源时,MIMO雷达协方差矩阵的秩将退化,这会使得稀疏重构模型的误差较大以及无法正确区分信号和噪声子空间,导致加权SL0算法的DOA估计性能恶化。针对上述问题提出了一种基于协方差匹配SL0算法的MIMO雷达DOA估计方法。该方法利用协方差匹配准则重构出一个满秩的协方差矩阵,恢复MIMO雷达协方差矩阵的Toeplitz特性,并利用协方差逆矩阵的高阶幂来近似噪声子空间从而计算加权向量。仿真分析表明,该方法能够在无需预知信源数目的情况下有效地完成对相干信号的DOA估计。

基于发射分集的MIMO雷达相参信号处理方法

针对多个运动的慢起伏目标情况,研究了发射分集多入多出(multiple input multiple output,MIMO)雷达的相参信号处理方法。提出了一种重复利用回波数据的目标参数估计算法。发射分集MIMO雷达的发射阵元间距满足空间分集条件,其接收端采用阵元间距为半波长的均匀线阵。按距离门对其回波信号进行脉压-Capon谱估计,可提取出各目标对应不同发射阵元的初步位置信息。然后利用回波数据及目标的初步位置信息,把同一目标对应不同发射阵元的脉压数据矢量经多普勒频移和相位补偿后相加,再进行Capon谱估计,获得高精度的目标方位角估计值。仿真结果表明,该算法可对雷达观测区域内的多个动目标进行高精度定位。