基于稀疏阵列的电磁矢量传感器多输入多输出雷达高分辨角度和极化参数联合估计

针对双基地电磁矢量传感器多输入多输出(electromagnetic vector sensors multiple-input multiple-output,EMVS-MIMO)雷达参数估计精度以及角度参数配对问题,通过设计一种新的稀疏阵列和采用自动参数配对算法来实现高分辨的角度参数和极化参数联合估计.首先,通过设计稀疏的发射阵列和接收阵列来实现对EMVS-MIMO雷达阵列孔径的扩展;然后,提出平行因子-三线性分解算法对接收数据的三阶张量模型进行求解.所提出的平行因子-三线性分解算法能够实现二维发射角、二维接收角、极化相位角和极化相位差的联合参数自动配对;且针对估计得到的发射导向矢量矩阵和接收导向矢量矩阵,根据旋转不变特性可以实现高精度的发射俯仰角和接收俯仰角测量.在得到精确的发射俯仰角和接收俯仰角之后,相应的发射和接收方位角、极化角和极化相位差可以通过矢量叉积算法来进行估计.相比于现有算法,所提出的算法能够避免高维数据奇异值分解以及额外的参数配对过程;且通过稀疏阵列设计,角度参数估计精度能够进一步地提升,仿真结果表明所提出的算法具有优良的角度参数估计性能.

基于长电偶极子和大磁圆环的新型电磁矢量传感器双基地多输入多输出雷达角度和极化参数联合估计

针对常规双基地电磁矢量传感器多输入多输出(multiple-input multiple-output,MIMO)雷达中短电偶极子(L/λ<0.1)和小磁环(2π(R/λ)<0.1)辐射效率不足问题,本文根据实际应用中电磁矢量传感器的有效长度来设计新型的发射电磁矢量传感器阵列和接收电磁矢量传感器阵列.首先,通过平行因子算法来实现对双基地MIMO雷达阵列接收数据空时特性的充分利用.这种处理过程能够实现发射俯仰角和接收俯仰角的自动参数配对.然后,针对归一化坡印亭矢量估计器在长电偶极子和大磁圆环约束下无法实现角度和极化参数有效测量的问题,对于利用平行因子算法得到的发射和接收加载矩阵采用新的盲估计算法来实现对角度参数和极化参数的高精度估计.所提出的盲估计算法在不需要电偶极子长度和磁环周长的先验信息的情况下能够有效地实现发射四维参数和接收四维参数的精确估计,且该算法估计得到的八维参数满足自动参数配对特性.最后,详细推导了长电偶极子和大磁圆环约束下双基地MIMO雷达中角度和极化参数估计性能的克拉美罗界.仿真实验表明,对于实际中长电偶极子和大磁圆环组成的新型电磁矢量传感器,本文所提算法具有良好的参数估计性能.通过理论分析和仿真实验结果可以发现,本文的研究工作能够进一步促进电磁矢量传感器在双基地MIMO雷达中的应用.

多输入多输出雷达恒模稳健波形联合优化算法

针对目标冲激响应及杂波冲激响应分布特性先验知识不准确导致的多输入多输出雷达检测性能下降的问题,提出恒模稳健波形与接收机滤波器联合优化算法。将目标冲激响应及杂波冲激响应分布特性先验知识不准确时的优化问题建模为一个极大极小化问题。运用迭代优化算法将联合优化问题分解为两个子优化步骤:将波形固定时的接收机滤波器权值优化问题建模为广义瑞利商模型,求解得到相应的接收机滤波器权值矢量;利用半正定松弛技术对权值固定时的波形优化问题进行求解,获得对应的波形矩阵,并根据得到的波形矩阵,通过高斯随机化的方法获得所需的恒模波形。对所提算法的收敛性进行了证明,仿真结果表明所提算法有效。

发射波束域MIMO-STAP雷达发射接收联合设计方法

研究了信号相关杂波背景下机载多输入多输出(multiple-input multiple-output,MIMO)雷达发射波束形成和接收滤波器的联合设计问题,建立了机载MIMO雷达发射波束域空时自适应处理(space-time adaptive processing,STAP)信号模型。为了提升杂波环境下目标的检测性能,通过最大化输出信干噪比构建了发射波束形成和接收滤波器的联合设计问题;然后,设计了一种新的基于优化最小化(majorization-minimization,MM)框架的迭代优化算法来解决联合设计问题。该算法通过合理寻找目标函数的下界可以有效提升算法的收敛速度并降低算法的运行时间。此外,与传统的相控阵雷达和MIMO雷达相比,优化后的发射波束形成和接收滤波器可以显著提升输出信干噪比,仿真实验验证了所提方法的有效性。

一种空时联合优化的MIMO雷达波形设计方法

针对多输入多输出(MIMO)雷达波形设计中空域合成信号的时域特性较差的情况,提出了一种空时联合优化的MIMO雷达波形设计方法.该方法在波形设计中对波形的空域功率分布以及空域合成信号的自相关特性进行了联合考虑.基于空域信号的自相关旁瓣电平以及各阵元信号间的相关性,对集中式MIMO雷达的正交波形设计与具有特定方向图的波形设计建立了统一的优化模型,并采用序列二次规划方法与加权迭代方法求解.仿真结果表明,文中所设计的波形不仅能够很好地逼近期望方向图,而且空域合成信号具有较好的自相关特性.

分布式MIMO数字阵列雷达阵元优化配置

为了合理分配相参增益和空间分集增益在分布式多输入多输出(MIMO)数字阵列雷达系统中的比重,研究了其阵元的优化配置问题。首先,根据MIMO雷达信号模型将阵元配置问题转化为目标散射系数矩阵的分块划分问题;然后,依据子块内信号相参处理,子块间信号非相参处理的方式推导了似然比检测器;最后,分别从检测概率最大、探测距离最远和总的阵元数最少三个方面给出了阵元优化配置的表达式并进行了仿真分析。研究结果表明:应首先利用相参增益将回波信噪比提高到一定值后才能利用空间分集增益;分置接收天线比分置发射天线牺牲的相参增益少;当检测概率大于0.8时,分置两个收发共用的相控阵天线可使系统阵元总数最少,否则无需天线分置。

MIMO雷达的最小冗余线性阵列配置与优化

提出了一种利用最小冗余非均匀线性阵列对多输入多输出(MIMO)雷达系统进行阵列配置优化从而提高参数估计性能的方法。文中从MIMO雷达信号模型出发,分析了均匀线性阵列与非均匀线性阵列两种配置下,MIMO雷达系统获得的虚拟阵元数的差异,给出了一种在物理阵元数量较大时最小冗余非均匀线性阵列的生成方法。仿真结果表明:最小冗余线性阵列能够利用较少的物理阵元个数获得与均匀线性阵列相同的参数估计性能。而在物理阵元个数相同的情况下,最小冗余非均匀线性阵列MIMO雷达可以获得更多的虚拟阵元、更好的参数估计性能和更低的克拉美·罗界。

双基地MIMO雷达收发角和径向速度联合估计

在双基地MIMO雷达信号模型基础上,提出一种新的目标收发角和径向速度联合估计方法。该方法首先将三参数估计问题转化为非对称联合对角化问题,然后采用最小二乘循环算法对其求解,估计收发导向矩阵和速度矩阵,最后利用谱分析算法恢复收发角和径向速度。同时采用截断高阶奇异值分解(THOSVD)对数据进行压缩处理,减小运算量。该方法充分利用匹配滤波输出的所有信息,无需二维谱峰搜索,每次循环均可得到精确的闭式解。与基于并行因子(PARAFAC)分析的方法相比,该方法可获得更高的参数估计精度,且三参数自动配对。仿真表明了方法的有效性。

基于阵列内插的双基地互质MIMO雷达角度联合估计方法

针对互质阵列形成的差分共阵(DCA)存在空洞导致虚拟阵列不连续的问题,提出了一种基于阵列内插形成无孔互质阵的双基地多输入多输出雷达测向方法。首先,推导阵列内插的位置与形成的DCA填补空洞的位置,并推导出自由度闭合式;其次,分别在发射阵列和接收阵列将子阵列内插,形成连续的虚拟发射阵列和虚拟接收阵列;然后,利用选择矩阵使等效虚拟信号向量在虚拟发射阵列和虚拟接收阵列中平滑移动得到空间平滑矩阵;最后,利用空间平滑矩阵进行空间谱估计,并通过多重信号分类算法实现角度自动匹配。

基于多快拍图像联合的MIMO雷达三维成像方法

为了提高多输入多输出(MIMO)雷达三维成像沿运动方向的方位分辨率,该文从多快拍图像联合利用的角度入手,提出一种新的多输入多输出-逆合成孔径雷达(MIMO-ISAR)三维成像方法。其基本思路是通过对一段时间观测下二维平面阵列获取的多个单快拍三维图像进行相干处理,沿着散射点线性拟合的方向提取峰值并重构出新的三维图像。仿真实验结果表明,与单快拍三维成像方法相比,该方法可以显著提高成像结果沿运动方向的方位分辨率;与现有基于重排和插值的经典MIMO-ISAR方法相比,该方法对慢速和快速运动目标均适用,得到的成像结果聚焦良好并能够有效抑制沿运动方向的旁瓣。

基于冗余阵元优化的双基地嵌套MIMO雷达目标DOD和DOA联合估计方法

针对传统双基地嵌套多输入多输出(multiple input multiple output,MIMO)雷达进行目标参数估计时精度差、角度分辨率低和自由度低等问题,提出了一种基于利用虚拟冗余阵元的重建Toeplitz矩阵算法对目标的波离方向角(direction of departure,DOD)和波达方向角(direction of arrival,DOA)开展参数估计的方法。首先,将两个嵌套阵列空间分置后分别形成双基地MIMO雷达的接收阵列和发射阵列,阵列经处理后的虚拟接收信号存在大量冗余虚拟阵元。其次,将冗余虚拟阵元对应的协方差数值进行平均处理替代原值,形成新的虚拟接收信号。然后,通过利用两个选择矩阵在虚拟接收阵列和虚拟发射阵列中分别构建空间平滑子阵的方法重构Toeplitz矩阵,来重组虚拟接收信号。最后,利用常规子空间类算法对等效虚拟信号开展空间谱估计,实现DOD和DOA的相互匹配,所提算法在估计性能和自由度性能方面与其他算法对比效果更好。

基于联合稀疏重构模型的双基MIMO雷达off-grid目标参数快速估计

针对多输入多输出(MIMO)雷达二维参数稀疏估计中的不在格点上(off-grid)目标问题,利用两次泰勒展开对信号模型进行修正,构建联合稀疏重构模型,将off-grid问题转化为联合稀疏重构问题;为降低计算复杂度,针对该联合稀疏重构模型提出Joint-2D-OMP算法。仿真结果表明:所提模型和算法在解决off-grid问题的同时,可有效提高参数估计的速度。

汽车雷达多域联合调制波形

针对汽车雷达时分复用(time-division multiplexing,TDM)多输入多输出(multiple-input multiple-output,MIMO)波形中存在的时间空间利用率低及高速目标多普勒模糊等问题,提出一种多域联合调制的汽车雷达波形。该波形在时域上进行脉冲重复间隔参差抖动,利用奇偶序列之间相位差实现速度解模糊,在频域和空域上通过多天线间的多普勒频率调制实现波形正交,提高了时间空间发射效率。仿真实验及基于汽车雷达波形验证系统的实测结果均验证了所提波形的有效性,与传统TDM-MIMO波形对比,所提波形具有更大的不模糊测速范围和相参积累增益,不仅对汽车雷达工程实践具有较强的应用价值,而且对低成本导引或防撞探测系统同样具有指导意义。

杂波先验知识未确知场景下MIMO雷达收发联合优化

针对杂波初始估计误差导致多输入多输出(MIMO)雷达检测稳健性较差的问题,提出了发射波形与接收权联合优化方法以改善MIMO雷达检测稳健性。杂波误差凸集、波形恒模特性和相似约束下,基于最大化输出信干噪比准则,首先构建了改善最差情况下MIMO雷达检测性能的极大极小联合优化问题;而后,为求解所得NP-hard问题,将其分解为内外层子问题,并交替迭代求解。与不相关信号、非稳健及现有稳健方法相比,数值仿真验证了所提方法的有效性。

干扰环境下稳健的MIMO雷达收发联合方向图设计方法

为了减弱快速移动干扰信号以及期望信号导向矢量误差对雷达系统性能的影响,提出了一种复杂电磁干扰环境下基于多输入多输出(MIMO)雷达的稳健收发联合方向图设计方法。该方法通过对MIMO雷达的接收方向图和发射方向图进行联合设计,不仅能够有效地对干扰信号进行抑制,而且可以避免期望信号相消现象。实验仿真结果证实了所提方法的有效性。

MIMO雷达波束方向图及其旁瓣抑制方法

给出了多输入多输出(multiple-input multiple-output,MIMO)雷达波束方向图的数学表达式,它为发射和接收方向图的乘积。假设接收阵元为半波长配置,通过分析发射阵元的间隔配置,得出如下结论:当发射阵元为一倍或Mr(接收阵元数目)倍半波长间距时,波束方向图将不会产生高旁瓣;当发射阵元的间距介于两者之间时,波束方向图将会因发射端的栅瓣效应而造成高旁瓣电平。针对后者引起的高副瓣情况,提出了利用接收波束合成算法来对消发射阵元的栅瓣,进而有效地抑制旁瓣。仿真实验验证了理论分析的有效性。

互质阵MIMO雷达DOA估计性能综合分析

以非相干信号源为研究对象,综合分析了单基地互质阵多输入多输出(MIMO)雷达的波达方向(DOA)估计性能。首先,在总结归纳互质阵结构特点的基础上推导了基于和联合阵列及和差联合阵列的单基地MIMO雷达测向信号模型,然后结合多重信号分类(MUSIC)算法,分别详细介绍了基于和联合阵列及和差联合阵列的单基地MIMO雷达DOA估计方法,最后,进行与等阵元数的均匀线阵MIMO雷达的对比仿真实验,验证了互质阵MIMO雷达DOA估计性能的优越性。

基于L型阵列MIMO雷达的DOA矩阵方法

首先提出一种基于波达方向(direction of arrival,DOA)矩阵思想的L型阵列多输入多输出(multi-ple input multiple output,MIMO)雷达二维角度估计方法。通过将L型阵列MIMO雷达所产生的二维虚拟平面阵列划分为两个子阵,并构造估计矩阵以实现二维角度估计。在此基础上,针对角度兼并问题,进一步提出联合对角化DOA矩阵方法。该方法通过构造4个子阵,并采用联合对角化方法估计目标二维角度。该方法在保持原DOA矩阵法无需二维谱峰搜索和参数配对等优点的基础上避免了角度兼并问题,能够减少阵列孔径损失,有效提高阵元利用率和角度估计精度。仿真实验验证了所提方法的有效性。

双基地MIMO雷达多目标定位

针对双基地多输入多输出雷达目标定位问题,提出一种基于联合矩阵上三角化的收发角度估计算法.将收发角度估计问题转化为联合矩阵上三角问题,采用扩展QZ迭代算法对其求解,估计收发阵列流型矩阵,最后利用谱分析算法恢复收发角.该算法充分利用匹配滤波输出的所有信息,无需二维谱峰搜索,每次迭代均可得到精确的闭式解.与现有算法相比,该方法的角度估计精度更高,且收发角可自动配对.仿真结果表明所提算法的有效性.

基于DCS的统计MIMO雷达信号模型及参数估计

分布式压缩感知(Distributed Compressed Sensing,DCS)将单信号的压缩采样扩展到信号群的压缩采样,利用信号内相关性和互相关性对多个信号进行联合重构。统计多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达系统通过多发多收配置,在发射机、目标以及接收机之间构成对目标的分布式探测系统。该文将DCS应用到统计MIMO雷达中,通过对该场景中目标回波的延时在距离空间稀疏性的分析,提出联合所有接收信号重构目标场景的设想,建立了接收信号的联合稀疏模型,并实现了目标参数估计的联合重构算法。仿真结果表明与基于压缩感知(Compressed Sensing,CS)的算法相比,基于DCS的算法在进一步降低采样数目的同时提高了参数估计精度,同时也验证了DCS-MIMO雷达可以有效克服目标的雷达散射截面积(Radar Cross Section,RCS)起伏。