基于“列维扩展”信号子空间的双基地MIMO雷达相干角度估计

针对传统算法在解相干时存在阵列孔径损失以及计算量大的问题,提出了基于“列维扩展”信号子空间的相干目标角度估计方法。该方法首先利用两个低复杂度的低维协方差估计来替代高复杂度的高维协方差估计,构造出“列维扩展”信号子空间,证明该子空间的列满秩性质不受目标相干性、回波单多快拍数的影响。然后提取出“扩展”旋转不变因子,实现了目标收发角度估计,最后利用空域滤波法实现收发角度的配对。仿真实验与数据分析表明:该方法在解相干时无需牺牲阵元孔径,其估计精度优于空间平滑类算法,并且适用于单次快拍数据情况的收发角度估计。

低信噪比双基地MIMO雷达目标角度跟踪算法

研究了低信噪比时双基地MIMO雷达目标跟踪问题,提出了一种基于改进AAJD(Adaptive Asymmetric Joint Diagonalization)的目标跟踪算法.首先,对AAJD算法进行改进,得到与特征值作用相同的变量,从而找出大特征值变量对应的特征矢量,解决了低信噪比时AAJD算法信号子空间扩展问题.其次,在非稳定跟踪状态时消除特征值变量误差积累的影响,得到更加准确的信号子空间,并对ESPRIT算法进行改进,实现收发角度的配对和相邻时刻角度的自动关联.仿真结果表明改进AAJD算法低信噪比时能够实现角度跟踪,且收敛速度和稳定性能明显优于AAJD算法.

新的双基地MIMO雷达角度估计方法

为降低双基地MIMO雷达前端数据处理的计算量,构造出了"扩展"信号子空间,并根据此信号子空间的特点,提出了多项式求根空域滤波的收发角度估计算法,避免了二维谱搜索,实现了目标角度的自动配对,并推导了多目标和单目标下双基地MIMO雷达角度估计的克拉默拉奥下界(CRB)。研究表明空域滤波时,泰勒级数展开的阶数越高,目标的角度估计精度越好;当目标各发射角度相隔较近时,仍能得到较好的估计结果;在低信噪比时,估计精度优于ESPRIT算法,在高信噪比时,2种算法的估计精度均接近于CRB。

双基地MIMO雷达多目标高精度跟踪算法

针对双基地多输入多输出(multiple-input multiple-output,MIMO)雷达自适应非对称联合对角化(adaptive asymmetric joint diagonalization,AAJD)跟踪算法在低信噪比时失效的问题,提出一种双基地MIMO雷达高精度跟踪算法。首先,针对低信噪比时AAJD算法信号子空间扩展问题,利用主成分顺序估计原理求出特征值,根据特征值的大小对导向矢量进行排序,得到更加精确的信号子空间。其次,根据跟踪状态的不同,将多目标分类(multiple signal classification,MUSIC)算法分为两步:第一步全空域大步长扫描,对应跟踪非稳定状态;第二步小空域小步长扫描,对应跟踪稳定状态,空域范围由上一时刻估计角度和运动速度确定,并将峰值搜索过程变为取最大值操作,降低了计算量。算法解决了低信噪比时信号子空间扩展问题,提高了跟踪性能,且采用了性能更高的MUSIC算法,并对其进行改进,降低了计算量。仿真结果证明了算法的有效性。