双基地MIMO雷达多目标定位及互耦参数估计

针对MIMO雷达收发阵元间存在互耦会严重影响目标定位算法性能的情况,提出一种双基地MIMO雷达多目标定位及互耦参数估计的算法.利用均匀线阵互耦矩阵的特点和MIMO雷达的特性获得满足ESPRIT算法的信号子空间,在不需要任何互耦矩阵信息情况下采用ESPRIT算法实现了目标角度估计,且估计出的角度参数自动配对.根据所估计的目标方位角度,利用信号子空间和联合导向矩阵之间的关系,将MIMO雷达的互耦参数估计转化为线性约束二次最小化问题,估计出互耦系数矩阵,实现了MIMO雷达的自校正.该方法的优点是避免了多维空间谱搜索带来的庞大计算量和迭代中的全局收敛性问题,同时得到了收、发阵列互耦参数估计的闭式解.仿真结果表明算法估计性能接近于互耦已知时二维MUSIC算法.     

一种非合作照射源的无源雷达目标检测方法

利用无源雷达来对目标检测是目前电子对抗研究的一个热点。文章给出了以调频广播信号为非合作照射源来进行目标探测的数学模型;提出了一种先对回波信号进行多普勒补偿后再进行相干积累的方法。通过对该雷达采集的实际回波数据进行仿真,表明该方法不仅具有很好的目标检测性能,而且实时性较强,为工程上实现提供了技术支持。     

多目标混沌MIMO雷达的模糊函数研究

将混沌信号作为MIMO雷达的正交信号,以均匀线阵布阵,对多个目标的混沌MIMO雷达的模糊函数进行了研究,给出了MIMO雷达模糊函数的表达式,并进行了计算机仿真,结果表明:混沌MIMO模糊函数对时延及多普勒频移不同的目标能够进行分辨,具有较高的目标定位能力和距离分辨力.     

基于空时矩阵的双基地MIMO雷达目标参数估计

建立了双基地多输入多输出（multiple input multiple output,MIMO）雷达信号模型,提出了一种目标发射角、接收角及多普勒频率联合估计方法。通过对接收数据协方差矩阵进行特征值分解估计目标个数,根据目标数构造空时矩阵,对所构造矩阵进行特征值分解,即可得到雷达目标多个参数的闭式解。该方法针对不同目标数的情况进行了讨论,所构造空时矩阵的维数较小,并且避免了多维非线性的谱峰搜索,还可实现自动配对,算法复杂度较低。仿真结果证明了所提算法的有效性。     

无源雷达定位技术及发展趋势

本文首先介绍了无源雷达的研制背景和定义,定性的分析了无源雷达的隐身和反隐身技术,并以多站长基线到达时间差定位技术为例,简要说明了无源雷达的定位技术,最后指出了无源雷达的发展趋势,提出MIMO雷达是未来的发展方向。     

非相干MIMO雷达模糊函数特性优化

距离折叠、多普勒频率混杂和匹配滤波杂波抑制性能是雷达在杂波条件下的基本性能.为揭示非相干MIMO雷达的此类性能,对非相干MIMO雷达的模糊函数特性均进行深入研究和优化设计,包括无模糊时延、无模糊多普勒、无模糊区区面积和无模糊区内的副瓣水平等特性.经过波形优化设计,在时延-多普勒平面上,非相干MIMO雷达的无模糊区面积被优化为1(无单位),无模糊区内的副瓣水平与SIMO雷达相当.因此,非相干MIMO雷达的距离折叠、多普勒频率混杂和匹配滤波杂波抑制性能与SIMO雷达相当.仿真结果表明,非相干MIMO雷达的无模糊区面积被优化为1.      

基于快速IAA算法的MIMO雷达参数估计

多输入多输出(MIMO)雷达需要对距离、角度和Doppler频率等参数的精确估计。迭代自适应(IAA)算法仅利用单个快拍便可实现MIMO雷达的高分辨参数估计,然而使用IAA联合估计距离、角度和Doppler频率三维参数的运算量很大。该文提出一种快速IAA算法,将联合估计IAA算法简化为三级级联处理,先进行距离IAA估计,然后对存在目标的距离单元进行角度IAA估计,最后在存在目标的距离-角度单元内进行Doppler频率IAA估计,即通过降维处理得到了快速IAA算法。仿真表明:快速IAA算法在基本保持IAA算法性能的同时大大降低了运算量。     

欠定和非完全稀疏性的盲源恢复

非完全稀疏性的盲源分离（BSS）的难点在于源的恢复。现有的最短路径法、l1范数解和SSDP算法仅适用于稀疏源而不适宜非完全稀疏源。本文针对两个观测信号的情形,提出了二维的统计非稀疏准则（2d-SNSDP)。该算法将信号分成若干区间,用源的相关性判断各区间是否非完全稀疏,并在非完全稀疏和稀疏的区间采取不同的源恢复策略。它克服了传统算法的不足,改善了估计的源。最后,语音信号的仿真实验显示它的性能和实用性。     

MIMO雷达多目标角度估计的空间平滑改进算法

针对基于阵列协方差矩阵特征分解的子空间类算法存在的问题,提出了一种基于改进空间平滑的新方法。首先介绍了"等效信源"的概念,在此基础上分析了当目标数多于发射阵元数时,一些基于子空间类算法失效的原因;从理论上推导说明了在接收阵元数足够多的情况下,本文算法可突破发射阵元数对可估计目标数的限制的机理,从而使得MIMO雷达在发射阵元数较少时能估计更多的目标。仿真结果表明:本文所提方法具有比TDS算法更好的估计性能。     

MIMO雷达双向空间平滑的多径目标DOA估计算法

针对多径情况下MIMO雷达低角目标DOA估计问题,提出了一种基于双向空间平滑FBSS的样本复用MIMO雷达低角多径目标DOA估计算法。考虑到MIMO雷达相干信号测角时与多径信号测角时情况的不同,算法采用了MIMO雷达四路径回波信号模型,首先依据MIMO雷达波形分集的特性对接收信号匹配滤波得到虚拟阵列,在此基础上对虚拟阵列采取行列复用并分别进行双向空间平滑,有效提高了低信噪比条件下低角目标DOA估计精度。计算机仿真结果表明,在信噪比小于-12dB条件下,该算法比M-SSMUSIC算法的均方根误差平均减小了1°。     

基于循环方法的MIMO雷达波形设计

提出了一种新的正交多相码,它可以应用于多输入多输出(MIMO,Multiple-Input Multiple-Output)雷达系统中,增加雷达系统的自由度,提高空间分集增益,改善雷达系统的整体性能。该方法利用循环方式实现了发射信号的自相关和互相关函数的最优化,给出了基于循环方法设计正交波形的步骤;并与一种经典的正交频分线性调频信号波形设计方法进行了实验比较。仿真结果验证了该方法的有效性和优异的性能。     

基于四阶累积量的MIMO信道及其相关性的联合估计

MIMO技术一直受到人们的广泛关注,并被广泛采用于各种移动通信系统的标准化协议中.在此系统中用到的分集合并和空时解码技术都需要以准确估计的信道状态信息为前提条件,以往的信道估计都是在MIMO系统子信道间是非相关的假设下进行的.事实上,由于天线之间距离的限制和传播路径散射体的不充分,子信道之间常常存在一定的相关性,常称为空间相关.另外,在信道估计、天线选择和自适应调制等方面需要已知(估计)这一参数.但是,要精确估计信道的相关性非常困难,到目前为止,这一问题没有得到很好的解决,以至于在大部分关于信道估计的文献中都是预先假定已知信道的相关特性.本文运用四阶累积量理论对MIMO信道及其相关矩阵进行了估计.仿真结果表明,本文所提出的方法具有较高的估计精度.     

针对非格点参数的双基地MIMO雷达联合稀疏恢复

将稀疏恢复应用于雷达参数估计中,在保证估计精度同时,可大幅减少空时采样个数;但当目标参数不在格点时,估计误差会明显恶化。针对双基地MIMO雷达中不在格点的参数估计问题,引入联合稀疏优化方法,构建结构化误差矩阵和块稀疏向量。推导了进行参数估计的修正表达式,然后利用块稀疏算法求解,可有效提高稀疏恢复的精度。为解决计算复杂性,引入快速KCS稀疏恢复算法。仿真表明,在典型恢复场景下,可明显提高参数估计精度;同时计算时间节省1个数量级以上。     

基于非均匀子阵划分的MIMO雷达阵列设计研究

本文提出一种非均匀子阵划分的MIMO雷达阵列设计方法,其不但具有和均匀子阵划分的MIMO雷达（也称为相控阵-MIMO雷达）相同的优势—能同时获得相干处理增益和波形分集增益;并且,不同孔径的子阵使子波束的形成更加灵活;更大的子阵孔径给发射端提供了额外的自由度。 理论分析表明,与相控阵-MIMO雷达相比,采用常规波束形成,当干噪比比较低时,所提的非均匀子阵划分的MIMO雷达的输出信干噪比（SINR）更高。仿真实验也证明了上述理论分析的正确性,并表明所提的非均匀子阵的划分方法可以获得更低的副瓣电平。在最小方差无畸变响应波束形成下,零陷更深,输出SINR更高并且抗干扰能力更强。     

基于CRPF的MIMO雷达目标检测前跟踪算法

在对机动弱目标进行检测过程中,由于回波信号含有杂波、干扰等噪声,其统计特性未知,难以对回波信号进行数学建模,无法得到后验概率密度函数,传统的粒子滤波算法性能大幅下降.针对此问题,提出了基于代价参考粒子滤波的MIMO雷达目标检测前跟踪算法.该算法无需背景噪声的统计特性,只需利用目标状态的估计值与真实值之间的差值计算各粒子的代价和权值,避免了通过对噪声进行建模来求得后验概率密度的问题.实验仿真证明,当噪声统计特性未知时,所提算法检测跟踪性能明显优于传统粒子滤波算法.     

基于深度学习的MIMO系统信道估计算法

精确的信道估计对于保证无线通信系统性能至关重要。针对多输入多输出(multiple input multiple output, MIMO)系统传统信道估计算法需已知信道统计信息以及性能与复杂度折中等问题,提出一种基于深度学习的多网络级联MIMO系统信道估计方案。基于卷积神经网络构建信道信息重建网络,初步重构出信道信息,进而基于深度残差网络构建信道估计网络进行级联得出估计结果,并利用多个损失函数对网络进行优化。仿真结果表明,在牺牲一定时间复杂度的情况下,所提方案的均方误差随信噪比增加逐渐优于线性最小均方误差(linear minimum mean squared error, LMMSE)估计算法,且不受信道统计信息的约束。     

基于DDST的MIMO时频双选信道的信道估计

针对多输入多输出时频双选择性信道,提出了一种基于信息叠加训练序列和最小二乘相结合的信道估计方法.基于基扩展模型构建MIMO时频双衰落系统,采用DDST算法估计信道矩阵,对误码率进行分析.训练序列采用等幅度的周期指数序列,同时在基于叠加训练序列估计的基础上叠加一个基于信息的周期序列.实验表明,基于DDST的MIMO时频双选信道估计方法比传统的估计方法显著降低了信道估计的均方误差和误码率,并能保持较高的频带利用率.     

一种极化MIMO雷达导引头关键技术研究

为提高雷达导引头的工作性能,提出一种新体制极化多输入多输出(MIMO)雷达导引头的概念,研究了该雷达导引头中的关键技术. 该雷达导引头采用双极化天线阵列,各个天线子阵发射正交频分线性调频信号;同时接收雷达回波信号的双极化分量,采用匹配滤波技术实现各个回波信号的有效分离;引入瞬态极化检测与识别技术,有效提高雷达导引头的抗干扰性能;采用单脉冲测角技术实现对目标的正确测角和跟踪. 理论分析和仿真结果表明,极化MIMO雷达导引头具有优良的电子战性能.      

MIMO雷达目标部件旋转和振动的微多普勒效应研究

基于MIMO雷达系统,建立了单频信号体制下目标部件旋转、振动的微多普勒效应的数学模型。与传统单基雷达系统相比,当选取的观测雷达组合不同时,得到的旋转微多普勒正弦曲线的幅值、初始相位均不相同,而振动微多普勒正弦曲线的初始相位不变,只有幅值改变。仿真实验验证了理论分析的结果,从而为MIMO雷达系统的微动特征提取及目标识别提供了理论依据。