噪声干扰背景下压缩感知雷达波形优化设计

为改善压缩感知雷达(Compressive Sensing Radar,CSR)在干扰噪声背景下目标检测及距离-多普勒参数的估计性能,该文提出一种感知矩阵平均相干系数(Averaged Coherence of the Sensing Matrix,ACSM)与信干噪比(Signal to Interference and Noise Ratio,SINR)联合优化的波形设计方法.文中首先建立了CSR距离-多普勒二维参数感知模型,推导了波形联合优化设计的目标函数,其次以多相编码信号作为优化码型并采用模拟退火(Srmulated Annealing,SA)算法对目标函数进行优化求解.与传统CSR波形相比,优化设计的波形提高了CSR在低信干噪比条件下的成功检测概率,同时有效降低了目标距离-多普勒参数估计误差,由此改善了CSR在干扰噪声背景下的距离-多普勒成像质量.计算机仿真验证了该方法的有效性.

一种稳健的盲稀疏度压缩感知雷达目标参数估计方法

针对压缩感知雷达(Compressive Sensing Radar,CSR)在感知矩阵和目标信息矢量失配时距离-多普勒参数估计性能下降的问题,该文提出一种稳健的盲稀疏度CSR目标参数估计方法。首先建立了CSR系统模型失配时的距离-多普勒2维参数稀疏感知模型,推导了以最小化感知矩阵相干系数(Coherence of Sensing Matrix,CSM)为准则的波形优化目标函数。其次提出了一种新的盲稀疏度CSR目标参数估计方法,通过发射波形,系统模型失配误差和目标信息矢量的相互迭代,逐步校正系统感知矩阵,最终以较高精度估计目标距离-多普勒参数。与传统CSR目标参数估计方法相比,该方法显著降低了CSR系统距离-多普勒参数的估计误差,改善了CSR目标参数估计的准确性和鲁棒性。计算机仿真验证了该方法的有效性。