MIMO雷达稀疏阵列优化设计方法

针对运动平台多输入多输出(multiple input multiple output, MIMO)雷达应用中无法进行规则稀疏布阵, 传统的稀疏阵优化设计方法优化对象单一的问题, 提出一种利用多目标进化算法(multi-objective evolutionary algorithm, MOEA)进行阵列结构优化的方法。将MIMO雷达接收端的收发联合和差波束的旁瓣电平为优化目标, 使系统具有尽可能好的和差波束旁瓣抑制性能。仿真结果表明, 基于Pareto秩排序的MOEA的MIMO雷达稀疏阵优化设计可以使系统多种性能得到提升。     

基于L型阵列MIMO雷达的多目标分辨和定位

针对多输入多输出(multiple input multiple output, MIMO)雷达的自由度特性,提出了一种单基地L型阵列MIMO雷达的空间多目标分辨和定位方案和基于Capon波束形成器的MIMO Capon二维空间谱估计方法。该方法可对空间目标二维DOA进行估计从而完成对多目标的分辨定位,对方案中可分辨定位目标数目进行了分析。分析和仿真结果表明,将该方案应用于雷达目标定位系统中,在实际阵元数目不变的情况下,可提高系统自由度的利用率,增加可分辨目标数目,节约成本。     

基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法

针对现有多输入多输出(multiple input multiple output,MIM O)雷达稀疏恢复成像算法中存在的运算量大、对扩展目标成像质量低的问题,提出一种基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法,通过引入目标块稀疏特征,提高对空间扩展目标的成像质量.首先,通过构造距离向和方位向感知矩阵,建...     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

非高斯杂波中的MIMO雷达信号分离

针对传统匹配滤波对非高斯杂波中的多输入多输出（multiple input multiple output, MIMO）雷达信号分离性能下降的问题,提出一种基于分数低阶统计量的匹配滤波算法。该方法将对称Alpha稳定分布(symmetric Alpha stable, SαS)作为MIMO雷达的非高斯杂波模型,以滤波器输出分数低阶信杂比最大为准则导出最优匹配滤波器系数。分别对相关SαS和非相关SαS杂波条件下的MIMO雷达信号分离进行了仿真。结果表明,该方法可有效实现非高斯杂波中的MIMO雷达信号分离,且在高斯杂波条件下与传统匹配滤波的性能是一致的。     

双基地MIMO雷达参数辨识性分析

与传统的相控阵雷达不同，多输入多输出(multiple input multiple output， MIMO)雷达可以发射彼此正交的信号来形成独立信道，通过将各信道内的目标雷达反射截面积(radar cross section, RCS)进行平均可以有效抑制目标衰落，进而提高其参数辨识性能。根据给出的双基地MIMO雷达系统模型，对系统最多可分辨和定位目标的数目进行分析，并给出理论证明。分析表明，利用目标反射系数的非相关特性，双基地MIMO雷达最多可有效分辨和定位收发阵元数的乘积减1个目标。仿真实验证明了结论的正确性。     

用混沌序列提高MIMO雷达多目标检测性能

基于混沌相位编码信号在相关性和随机性等方面的良好特性,提出了一种用混沌相位编码信号提高多输入多输出(multiple input multiple output, MIMO)雷达多目标检测性能的方法。取不同初始值代入混沌映射产生不同的混沌序列|通过均匀量化、四相编码得到混沌相位编码波形。通过多脉冲压缩累积有效降低混沌波形的互相关和自相关旁瓣,使得输出结果具有较低的旁瓣峰值,从而提高了MIMO雷达对多目标检测的性能。最后的仿真结果表明了该方法的有效性。     

基于发射分集的MIMO雷达相参信号处理方法

针对多个运动的慢起伏目标情况,研究了发射分集多入多出(multiple input multiple output,MIMO)雷达的相参信号处理方法.提出了一种重复利用回波数据的目标参数估计算法.发射分集MIMO雷达的发射阵元间距满足空间分集条件,其接收端采用阵元间距为半波长的均匀线阵.按距离门对其回波信号进行脉压-Capon谱估计,可提取出各目标对应不同发射阵元的初步位置信息.然后利用回波数据及目标的初步位置信息,把同一目标对应不同发射阵元的脉压数据矢量经多普勒频移和相位补偿后相加,再进行Capon谱估计,获得高精度的目标方位角估计值.仿真结果表明,该算法可对雷达观测区域内的多个动目标进行高精度定位.     

MIMO雷达稀疏阵优化设计

多输入多输出（multiple input multiple output, MIMO）稀疏布阵虽然可以获得最大的连续虚拟孔径,但在机载应用中无法进行规则的稀疏布阵。采用模拟退火算法,以MIMO接收端的虚拟收发联合波束为优化对象,对MIMO雷达的稀疏布阵进行优化设计。通过优化MIMO雷达的发射和接收阵元位置,可以在保持主瓣在不展宽的情况下获得更好的旁瓣水平,仿真结果验证了这一方法的有效性。     

基于互协方差稀疏重构的MIMO雷达低仰角估计算法

针对低空目标仰角估计时, 多径信号间的混叠严重影响雷达的测角性能的问题, 基于压缩感知理论的波达方向(direction of arrival, DOA)估计算法与多输入多输出(multi-input and multi-output, MIMO)雷达体制结合起来共同进行低空目标DOA估计的研究, 提出了一种基于互协方差矩阵稀疏重构的MIMO雷达低空目标DOA估计算法。首先, 对MIMO雷达多径接收信号广义匹配滤波后的虚拟矩阵向量化处理, 并针对向量化后虚拟孔径扩展带来运算量大的缺点, 通过降维处理来减少运算量; 然后利用多快拍数互协方差矩阵中的噪声独立不相关的优点, 降低噪声影响, 提高算法估计性能; 最后转化为凸优化问题进行稀疏恢复。仿真结果表明算法在直达信号与多径反射信号相互削弱的情况下, 仍能有效估计低空目标的仰角, 较L1-SVD和L1-SRACV算法对低空目标具有更好的仰角估计性能。     

任意阵列双基地MIMO雷达的半实值MUSIC 目标DOD和DOA联合估计

实值处理具有降低高自由度多输入多输出(multiple input multiple output,MIMO)雷达角度估计大计算量的优势。但受制于阵列的共轭对称性,对于任意阵列结构的双基地MIMO雷达发射角(direction of departure, DOD)和接收角(direction of arrival, DOA)联合估计,若不做附加的预处理则无法实现实值操作,故将常规阵列实值处理的多重信号分类(multiple signal classification, MUSIC)超分辨算法推广至任意阵列结构的双基地MIMO雷达。首先根据MIMO雷达的导向矢量共轭与镜像的对等性,提取接收信号协方差矩阵的实部,并对其进行特征分解得到“目标加倍”的信号子空间及其应对的噪声子空间;然后利用Kronecker积的特性对其进行降维处理,得到搜索区域减半的一维半实值域MUSIC谱,取出目标DOD真值与其镜像代入降维Capon算法来剔除虚拟峰值得到目标DOD估计真值;最后利用特征矢量得到模糊DOA估计值,采用方向余弦差最小范数方法得到目标DOA无模糊估计值。本文算法估计性能与一维搜索复数域MUSIC相当,计算量约降50%,且能够实现DOD和DOA的自动配对。仿真结果证明了该算法的有效性。     

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。     

非均匀线阵MIMO雷达的多目标定位方法

提出一种非均匀线阵多输入多输出（multiple input multiple output, MIMO）雷达的多目标定位方法。该方法基于阵列内插技术,构造一个内插矩阵对非均匀线阵MIMO雷达进行处理,满足虚拟均匀线阵MIMO雷达的特性,推导出虚拟均匀线阵MIMO雷达的信号子空间,最后利用旋转不变信号参数估计技术（estimating signal parameter via rotational invariance techniques, ESPRIT）对目标方位角度进行估计。其优点是突破ESPRIT算法对阵元配置的要求,且有效增加了阵元数目(实为虚拟阵元),提高了方位角分辨率。仿真结果表明,该算法增加了MIMO雷达探测目标数,角度估计精度接近克拉美罗界根。同时,所估计的二维方位角参数自动配对,不需要额外的配对运算,计算量小。     

基于改进MUSIC算法的散射中心参数提取及RCS重构

随着隐身技术的发展，雷达目标的边缘绕射等逐渐取代镜面散射成为主要的散射源，因此基于几何绕射理论（geometric theory of diffraction，GTD）的散射中心模型对隐身目标电磁散射特性的描述要比衰减指数和模型更为精确。显然，准确估计出GTD散射中心参数对刻画目标散射特性犹为重要。针对经典多重信号分类（multiple signal classification，MUSIC）法仅利用目标原始回波数据、参数估计精度不高这一问题，提出一种改进的MUSIC算法对散射参数估计提取。改进的MUSIC算法通过对原始回波数据取共轭，构建新的总协方差矩阵，有效利用了目标原始回波数据的共轭信息。仿真结果表明，与经典MUSIC算法相比，改进的MUSIC算法参数估计精度更高，雷达散射截面重构拟合程度更好，且运算量增加不大，可有效提取出隐身目标的散射中心。     

基于SE-ResNeXt网络的低信噪比LPI雷达辐射源信号识别

针对低信噪比(signal to noise ratio, SNR)低截获概率(low probability of intercept, LPI)雷达脉内波形识别准确率低的问题,提出一种基于时频分析、压缩激励(squeeze excitation, SE)和ResNeXt网络的雷达辐射源信号识别方法。首先通过Choi-Williams分布(Choi-Williams distribution, CWD)获得雷达时域信号的二维时频图像(time-frequency image, TFI);然后进行TFI预处理降低噪声干扰和频率维的位置分布差异,以适应深度学习网络输入;最后在ResNeXt基础上加入扩张卷积和SE结构提取TFI特征,实现雷达辐射源分类。实验结果表明,SNR低至-8 dB时,该方法对12类常见LPI雷达波形的整体识别准确率依然能达到98.08%。     

Angle estimation in bistatic MIMO radar using improved reduced dimension Capon algorithm

This paper discusses the problem of direction of departure (DOD) and direction of arrival(DOA) estimation for a bistatic multiple input multiple output(MIMO) radar,and proposes an improved reduced-dimension Capon algorithm therein.Compared with the reduced-dimension Capon algorithm which requires pair matching between the two-dimensional angle estimation,the proposed algorithm can obtain automatically paired DOD and DOA estimation without debasing the performance of angle estimation in bistatic MIMO radar.Furthermore,the proposed algorithm has a lower complexity than the reduced-dimension Capon algorithm, and it is suitable for non-uniform linear arrays.The complexity of the proposed algorithm is analyzed and the Cramer-Rao bound (CRB) is also derived.Simulation results verify the usefulness of the proposed algorithm.     

米波MIMO雷达波束空间精确最大似然算法

针对阵元空间多输入多输出(multiple input multiple output, MIMO)雷达低仰角估计方法运算量和数据传输量太大的问题, 提出了基于波束空间的MIMO雷达精确最大似然(refined maximum likelihood, RML)算法。该算法将阵元空间的数据转换到波束空间, 实现降维处理, 再利用最大似然的思想对波束空间的数据进行测角。计算机仿真结果表明, 相比于基于阵元空间的MIMO雷达RML算法, 所提算法有着良好的测角性能, 并大大降低了算法运算时间。同时, 通过计算机仿真分析了信噪比、仰角、波束指向与目标仰角之间的偏差、阵元数、反射系数误差和天线中心高度等因素对所提算法测角性能的影响。