针对目标跟踪的分布式MIMO雷达资源分配算法

基于分布式多输入多输出雷达,针对目标跟踪精度的优化问题提出了一种联合资源优化分配算法。首先,推导了机动目标跟踪误差的贝叶斯克拉美罗下界(Bayesian Cramer Rao lower bound, BCRLB),由BCRLB可知其跟踪精度主要由信号发射功率、带宽和信号有效时宽决定。然后,以最小化目标的BCRLB为目标函数,建立了包含相应的3个资源变量的优化模型,分析可知该模型的求解是一个非凸问题的求解。所以采用循环最小化算法和凸松弛的方法将这个非凸的优化模型转化为凸优化模型进行求解。最后,仿真结果表明,利用所提出的资源分配算法能明显提高机动目标的跟踪精度。     

SC-FDMA系统中继波束赋形与用户功率分配算法

针对协作单载波频分多址（single-carrier frequency-division multiple access, SC-FDMA)系统提出了一种信干噪比约束下的中继波束赋形和用户功率分配联合优化算法。该算法能使得基站端输出信干噪比满足给定约束条件的同时最小化中继节点和用户节点的发射功率。该文通过利用矩阵分析中的瑞利商理论以及交替优化理论,分析并推导得出了最优的中继节点波束赋形和用户功率分配算法。仿真结果及分析表明,该文提出的中继波束赋形和用户功率分配〖JP3〗算法与采用正交频分复用系统下的算法相比能有效地节省中继和用户节点的发射功率。此外,为了降低算法复杂度以及所需反馈开销,该文还给出了用户端等功率分配的方法以及在此基础上的中继波束赋形算法。     

基于集中式MIMO雷达的功率带宽联合分配算法

针对集中式多输入多输出雷达对多目标进行跟踪的问题,提出一种基于后验克拉美罗下界的功率和带宽联合分配方法。该方法首先对各目标位置误差的后验克拉美罗下界进行预测,将克拉美罗下界构建为代价函数建立优化模型,从而将资源分配问题转化为求解非凸优化问题;而后运用凸松弛技术和循环最小化算法对该非凸优化问题进行求解;最后通过仿真验证所提算法的有效性。结果表明,与另外3种分配算法相比,所提算法在多种场景下均能有效提高目标跟踪精度。     

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.     

高自由度低互耦的广义二阶嵌套MIMO雷达DOA估计

针对传统二阶嵌套阵自由度低、互耦率高的问题, 提出高自由度、低互耦的广义二阶嵌套多输入多输出(multiple input multiple output, MIMO)雷达阵列, 用于波达方向(direction of Arrival, DOA)估计。首先, 在传统二阶嵌套阵的收发两端分别引入互质扩展因子, 抑制阵元互耦的同时提升阵列的自由度; 其次, 推导了“和差联合阵列”结构下, 包括互质扩展因子、连续虚拟阵元数和总虚拟阵元数在内的自由度闭式解; 最后, 针对不同互质扩展因子造成的离散孔洞问题, 基于原子范数最小化理论, 在不连续点出填补虚拟阵元, 并建立恢复填补虚拟阵元等价接收信号的凸优化模型, 结合多重信号分类算法进行DOA估计。仿真实验验证了阵列结构的合理性和算法的有效性。     

基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法

传统算法通常采取舍弃互质阵列的“差联合”阵列形成离散虚拟阵元,只利用其中连续虚拟阵元进行离波方向角(direction of departure, DOD)和波达方向角(direction of arrival, DOA)联合估计,存在自由度提升受限、估计性能不佳等问题。对此,提出基于虚拟阵元内插的互质阵列目标DOD和DOA联合估计算法。首先,将两个互质子阵以零点为中心布列,分别构成双基地多输入多输出(multiple input multiple output, MIMO)雷达的发射阵列和接收阵列,该布阵结构将传统的虚拟阵元由阵列“差联合”结构形式变成“和联合”结构形式,降低了虚拟阵列的冗余度。其次,在形成的虚拟阵元基础上,通过在虚拟阵列孔洞位置内插虚拟阵元使其连续,对于内插的虚拟阵元无实际接收信号问题,基于最小化核范数优化理论,采用协方差矩阵Toeplitz化重建的方式恢复内插虚拟阵元的等价接收信号,利于所有虚拟阵元层面的角度联合估计。最后,针对因角度配对导致的高运算量问题,结合降维多重信号分类(reduced dimension multiple signal classification, RD-MUSIC)算法使角度自动配对,从而减小算法运算复杂度。有效提高了目标分辨力和角度联合估计性能,仿真实验验证了算法的有效性。     

一种基于剩余能量的无线网络资源分配算法研究

针对采用网状网模式组网的WMAN中,提出一种由移动站电量余量决定的分配优先级的系统带宽分配算法,按需分配网络资源并提高网络整体性能问题。通过提高重要节点收发数据时的时间集中度,降低重要节点收发数据时的功率消耗,较大程度降低了重复迭代计算的算法复杂度。该算法可以通过启发式分配等效可分配时间和发射功率来优化系统的资源分配,亦还可以通过改变效用函数的斜度参数满足不同的业务特性。     

基于非合作博弈模型的跨层资源分配算法

针对多用户多输入多输出 正交频分复用(multiple input multiple output-orthogonal frequency division multiple, MIMO-OFDM)系统的上行链路提出一种基于非合作博弈模型的跨层资源分配算法。基站为用户分配初始上行速率后,各用户间通过非合作博弈方式实现功率最小化。功率未饱和的用户向基站申请增加吞吐量,基站在调整用户吞吐量时综合考虑用户信道条件与媒体访问控制（media access control, MAC）层缓存的状态。仿真表明,算法既降低了用户终端的功率开销,同时兼顾了多用户间的公平性。     

基于信道统计量信息的中继OFDMA系统资源分配

研究了正交频分多址（OFDMA）两跳中继网络的资源分配问题。假设系统只有用户的信道统计量信息,基于用户的速率和中断容量要求,提出了自适应的中继选择、功率和子载波分配的优化问题;在保证每个用户最小速率需求情况下,使系统的总发射功率最小。应用对偶优化方法,导出了资源分配的最优解。此外,为了降低资源分配算法的复杂性,分别研究了基于信道统计量的贪婪算法和半分布式算法。仿真结果表明,提出的算法和无中继系统比较有很大的性能改进。     

多目标跟踪的分布式MIMO雷达最少阵元选取算法

针对分布式多输入多输出(multiple input multiple output, MIMO)雷达在多任务模式下对目标快速跟踪的需求,结合“低慢小”目标的特点,提出了基于多目标位置跟踪的收发阵元选取算法。首先,以选取最小的阵元集合为代价函数,在指定的位置估计精度的约束下,建立了阵元选取的优化模型。然后,将该优化问题看作成背包问题,提出了改进的阵元选取算法对模型进行求解。仿真结果表明,所提算法能够在降低系统计算量的同时,实现系统可接受的选取性能。此外,目标位置估计精度要求越高,其优势越明显。因此,所提算法有利于对多目标的快速跟踪。     

分布式无源定位技术的定位精度提高方法

为了提高无线传感器网络在无源定位时的定位精度,提出一种基于偏移圆圆心估计的定位误差校正(positioning error correction, PEC)算法。在PEC算法中，利用两步定位法在传感器获取的目标距离信息中获得的目标位置估计作为初值。在极坐标系中，将沿极径方向的固定偏移量引入到测距残差中形成偏移圆。利用偏移圆圆心的位置矢量对目标位置初始估计进行校正,从而获得更精确的目标位置估计。与经典分布式无源定位算法相比, PEC算法对传感器布局具有更强的适应性和更高的精度,在不同的传感器测距精度下均有较优异的性能,具有良好的工程应用前景。     

分布式无源定位技术的定位精度提高方法

为了提高无线传感器网络在无源定位时的定位精度,提出一种基于偏移圆圆心估计的定位误差校正(positioning error correction, PEC)算法。在PEC算法中，利用两步定位法在传感器获取的目标距离信息中获得的目标位置估计作为初值。在极坐标系中，将沿极径方向的固定偏移量引入到测距残差中形成偏移圆。利用偏移圆圆心的位置矢量对目标位置初始估计进行校正,从而获得更精确的目标位置估计。与经典分布式无源定位算法相比, PEC算法对传感器布局具有更强的适应性和更高的精度,在不同的传感器测距精度下均有较优异的性能,具有良好的工程应用前景。     

基于CAF相参积累的多载波信号时频差估计算法

多载波信号具有丰富的频域信息,相参积累能够拓宽信号的有效带宽,克服单载波信号带宽窄导致时差(time difference of arrival,TDOA)、频差(frequency difference of arrival,FDOA)参数估计精度不高的问题。以多载波信号的检测定位为背景,研究了基于多个载波信号互模糊函数(cross ambiguity function,CAF)相参积累的TDOA/FDOA参数估计算法,为多载波信号的无源定位提供高精度的定位参数估计方法。基于接收信号模型,推导了多载波信号的互模糊函数,从TDOA/FDOA两个维度分析了不同载波信号CAF的相位关系,通过相位补偿实现了多载波信号CAF的相参积累,并从理论上分析了TDOA/FDOA参数估计的性能改善情况。蒙特卡罗仿真表明,提出的多载波信号相参积累TDOA/FDOA估计算法性能明显优于单载波信号的估计性能,性能改善情况与理论分析一致。     

多目标跟踪的分布式MIMO雷达有限阵元选取算法

为充分发挥分布式多输入多输出雷达阵元选取的灵活性,提高多目标跟踪精度的同时,尽量降低系统的代价损耗,提出了一种基于多目标位置估计的阵元选取算法。首先,以提高目标位置估计精度为优化准则,在给定阵元子集大小和允许最高精度误差的约束下,建立了目标位置估计精度与系统代价损耗折中的阵元选取优化模型。然后,采用多起点搜索贪婪算法对模型进行求解,得到多目标跟踪的阵元选取结果。仿真结果表明,在一定阵元子集大小和跟踪目标个数的范围内,该算法能够获得良好的选取性能,并大大降低系统计算量。     

虚拟波束四阶累积量DOA估计方法

为满足复杂干扰场景和阵列误差因素影响下雷达微弱目标信号精确测向需求,提出一种基于均匀线阵构建虚拟波束,替代阵列接收信号进行四阶累积量(fourth-order cumulant, FOC)波达方向(direction of arrival, DOA)估计的算法。该算法包括两个关键步骤：一是利用阵列接收信号特征分解的方法,对信号主信息分量进行提取,并以构建的虚拟波束为输入,计算FOC矩阵;二是针对主分量虚拟波束波瓣外的起伏,利用高斯窗修正波束方向图的方法,进一步提升空间谱函数的估计精度。仿真结果表明,该方法在存在阵列误差的非理想因素下,对复杂电磁干扰场景下的目标信号DOA估计精度较现有FOC方法提高150%以上,尤其对于场内同时存在多个非等功率源信号时,所提方法对低信噪比目标DOA估计精度提升效果优势明显,对复杂干扰环境下DOA估计精度更高、适应性更强。     

GPS接收机的多星盲干扰抑制方法

考虑到GPS接收机需要解算至少4颗卫星的发射信号从而实现定位,而GPS接收机工作在复杂的电磁环境下,受大量人为干扰的影响,无法有效接收多颗卫星的发射信号从而实施解算定位。提出了一种新的用于GPS接收机的多星盲干扰抑制方法。由于接收机对每颗卫星的测距码（如C/A码）已知,采用基于最小二乘法的多目标自适应阵列剔除多颗期望卫星方向外的干扰信号。该方法无需期望卫星的位置信息和估计干扰信号的导向矢量,且期望卫星数目不受阵元数目的限制。仿真结果表明,该算法不仅能有效地抑制多种干扰,而且可以精确估计出多颗期望卫星的方位角。     

基于RTI双重构的免携带设备目标无线定位

免携带设备定位是利用目标对无线通信链路产生的阴影衰落来估计目标的位置。针对现有算法定位精度有限、计算复杂度高等问题,在无线层析成像(radio tomographic imaging, RTI)的基础上提出了基于双重构的定位算法。该算法利用正则化快速重构的特点,首先对目标进行初步的定位;其次将粗定位区域进行像素精确划分,同时利用链路选择法减少链路个数,降低算法复杂度;最后提出补空间稀疏度自适应匹配重构算法,将目标位置转化为稀疏信号重构问题,完成定位。实验仿真结果表明,与基于RTI的单重构定位算法相比,所提双重构算法能达到较好的定位精度,且实时性更高。