空域有色噪声会导致现有多输入多输出(multiple input multiple output,MIMO)雷达算法性能下降,甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure,DOD)和波达角(direction of arrival,DOA)估计问题...空域有色噪声会导致现有多输入多输出(multiple input multiple output,MIMO)雷达算法性能下降,甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure,DOD)和波达角(direction of arrival,DOA)估计问题,分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性,提出一种基于张量分析的角度估计算法。首先,构造角度估计的协方差张量,通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次,利用张量填充技术对无噪协方差矩阵进行恢复。然后,利用平行因子分解获得目标角度的方向矩阵。最后,采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明,所提算法对色噪声不敏感,且无孔径损失。相比现有矩阵及张量分析算法,所提算法具有更高的估计精度。展开更多
文摘空域有色噪声会导致现有多输入多输出(multiple input multiple output,MIMO)雷达算法性能下降,甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure,DOD)和波达角(direction of arrival,DOA)估计问题,分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性,提出一种基于张量分析的角度估计算法。首先,构造角度估计的协方差张量,通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次,利用张量填充技术对无噪协方差矩阵进行恢复。然后,利用平行因子分解获得目标角度的方向矩阵。最后,采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明,所提算法对色噪声不敏感,且无孔径损失。相比现有矩阵及张量分析算法,所提算法具有更高的估计精度。