共形FDA-MIMO雷达降维目标参数估计研究

频控阵多输入多输出(FDA-MIMO)雷达是一种具有距离-角度-时间依赖性波束模式且能够提高自由度的系统。该文将可实现降低空气动力学对载体影响、附着在载体表面的共形阵列引入到FDA-MIMO雷达中。首先创建共形FDA-MIMO测量模型,推导参数估计的克拉默-拉奥下界(CRLB)。为了避免传统三维多重信号分类算法(3D-MUSIC)三维搜索,提出一种降维多信号分类(RD-MUSIC)算法实现目标参数估计。仿真结果表明,该算法与3D-MUSIC算法相比,估计精度有所下降,但计算复杂度显著降低。此外,与3D-MUSIC算法相比,该算法具有更好的多目标距离估计性能。

基于神经网络的FDA-MIMO低截获发射波形和接收波束形成联合设计

针对传统相控阵或多输入多输出(MIMO)体制的低截获概率(LPI)阵列雷达仅能控制特定角度的辐射能量,而无法实现特定区域(距离、角度)能量控制的问题,该文提出一种基于神经网络的频控阵-多输入多输出(FDAMIMO)雷达低截获概率发射波形设计方法。该方法通过对FDA-MIMO雷达的发射波形和接收波束形成联合设计,在确保雷达对目标检测概率的情况下,将雷达辐射能量均匀地分散到空域当中,并尽可能降低辐射到目标位置的能量,从而减小雷达信号被截获的概率。首先,建立了最小化方向图匹配误差准则下LPI性能发射波形设计和接收波束形成的优化目标函数;然后,将目标函数作为神经网络的损失函数;最后,通过迭代训练最小化神经网络的损失函数,直至网络收敛,求解出发射信号波形和对应的接收加权矢量。仿真结果表明,该文所提方法能更好地控制雷达功率分布,相比于传统算法,控制发射方向图非目标区域的波束能量分布方面有5 dB的改善;此外,在接收端形成的接收方向图波束能量也更为集中,且在多个干扰位置均产生了–50 dB以下的零陷,具有很好的干扰抑制效果。