基于频控阵MIMO雷达的低复杂度稳健波束形成算法

频控阵(frequency diverse array, FDA)多输入多输出(multiple input multiple output, MIMO)雷达基于发射端调制而具备的距离维自由度为主瓣干扰提供了抑制方案。结合自适应波束形成算法, 频控阵MIMO雷达能有效抑制主瓣范围内欺骗干扰信号, 但存在的信号环境复杂、导向矢量失配、采样快拍不足等问题将使算法性能恶化。针对该问题,提出了一种基于频控阵的低复杂度的稳健自适应波束形成算法。仿真实验表明, 相比于其他自适应波束形成算法, 所提算法在低信噪比(signal to noise ratio, SNR)低采样快拍且存在导向矢量失配等非理想条件下形成的波束稳健性更强、计算复杂度更低, 有效实现了对目标的指示和对干扰的抑制, 克服了其他算法在非理想条件下性能恶化的问题。     

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。     

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。     

基于冗余阵元优化的双基地嵌套MIMO雷达目标DOD和DOA联合估计方法

针对传统双基地嵌套多输入多输出(multiple input multiple output, MIMO)雷达进行目标参数估计时精度差、角度分辨率低和自由度低等问题, 提出了一种基于利用虚拟冗余阵元的重建Toeplitz矩阵算法对目标的波离方向角(direction of departure, DOD)和波达方向角(direction of arrival, DOA)开展参数估计的方法。首先, 将两个嵌套阵列空间分置后分别形成双基地MIMO雷达的接收阵列和发射阵列, 阵列经处理后的虚拟接收信号存在大量冗余虚拟阵元。其次, 将冗余虚拟阵元对应的协方差数值进行平均处理替代原值, 形成新的虚拟接收信号。然后,通过利用两个选择矩阵在虚拟接收阵列和虚拟发射阵列中分别构建空间平滑子阵的方法重构Toeplitz矩阵, 来重组虚拟接收信号。最后, 利用常规子空间类算法对等效虚拟信号开展空间谱估计, 实现DOD和DOA的相互匹配, 所提算法在估计性能和自由度性能方面与其他算法对比效果更好。     

突出重点目标跟踪的分布式MIMO雷达阵元选取

在分布式多输入多输出(multiple input multiple output, MIMO)雷达执行目标检测和跟踪多任务时, 为了在多个目标中突出对重点目标的跟踪, 提出了基于改进公平起点搜索的阵元选取模型与求解算法。在限定目标检测性能、跟踪性能和系统资源的前提下, 以最小的阵元集合为代价函数, 建立优化模型。为在同一框架下讨论系统的不同性能指标, 对参数进行预处理, 将表征跟踪性能的位置估计误差界进行去量纲化、归一化处理。分别引入表征目标重要程度和任务重要程度的权重因子, 得到表征系统综合性能的参数。遍历每一个初始阵元对, 逐次增加对系统贡献最大的阵元, 最终完成阵元集的选择。仿真结果表明, 所提算法能够提供接近穷举算法的性能并有效降低系统计算量。     

双基地MIMO雷达目标跟踪性能分析

研究双基地多输入多输出（multiple input multiple output, MIMO）雷达目标跟踪的性能。建立双基地MIMO雷达发射相干脉冲串时的目标跟踪数学模型,给出反映目标跟踪性能的贝叶斯克拉美罗界（Bayesian Cramer-Rao bound, BCRB）递推式。针对目标的线性状态方程和双基地MIMO雷达的量测方程,求解BCRB的递推式。最后仿真分析各参数对跟踪性能的影响,结果表明量测信噪比越大、量测脉冲数越多、阵元间距越大跟踪性能越好,且在总发射功率一定的条件下,发射阵元数越多跟踪性能越好。     

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雷达最大似然波达方向估计方法

根据MIMO雷达的工作原理和回波模型,在传统最大似然算法的基础上,提出了MIMO雷达波达方向估计的最大似然方法。通过理论分析,给出了波达方向估计的一致性证明和估计方差的计算公式。理论分析表明,MIMO雷达的最大似然估计方差比传统的相控阵雷达要小,估计性能优于传统相控阵雷达。最后通过蒙特·卡罗实验对不同信噪比、快拍数和接收阵元数等情况下波达方向估计的方差进行了仿真,证实了理论分析的正确性。     

MIMO雷达波束方向图及其旁瓣抑制方法

给出了多输入多输出(multiple input multiple output, MIMO)雷达波束方向图的数学表达式,它为发射和接收方向图的乘积。假设接收阵元为半波长配置,通过分析发射阵元的间隔配置,得出如下结论：当发射阵元为一倍或Mr（接收阵元数目）倍半波长间距时,波束方向图将不会产生高旁瓣;当发射阵元的间距介于两者之间时,波束方向图将会因发射端的栅瓣效应而造成高旁瓣电平。针对后者引起的高副瓣情况,提出了利用接收波束合成算法来对消发射阵元的栅瓣,进而有效地抑制旁瓣。仿真实验验证了理论分析的有效性。     

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。     

低截获MIMO雷达改进MUSIC算法

在军事领域中,机载多输入多输出(multiple input multiple output,MIMO)雷达既要探测机动目标,又要防止被截获接收机侦收.针对这一问题,提出了低截获的单基地非均匀阵列MIMO雷达改进多信号分类(multiple signal classification,MUSIC)算法.通过对MIMO雷...     

基于虚拟孔径投影的共形阵MIMO雷达发射波形设计

为了克服共形阵天线单元指向互异带来波形旁瓣高的缺点,该文以圆弧阵为例,提出一种基于虚拟孔径投影的共形阵多输入多输出(multiple input multiple output，MIMO)雷达发射波形设计方法。该方法首先对各阵元指向进行精确建模,并通过共形阵虚拟投影方法,获得规则虚拟投影阵列;其次向量化发射信号矩阵,将发射波形设计问题转为发射信号协方差矩阵降秩问题;最后通过log det heuristic 算法获得针对该虚拟阵列波形设计的凸优化数学模型,并利用凸优化工具箱对其求解。仿真结果表明,相较于现有方法,该方法能够对共形阵MIMO雷达设计更低旁瓣的发射波形。     

空时编码阵波束域超分辨角度估计方法

空时编码阵(space time coding array,STCA)雷达通过在相邻阵元间引入时间延迟,在发射单一波形的条件下可实现全向空域的有效覆盖,工程上易于实现。针对STCA雷达体制,提出了一种基于发射维空间自由度的波束域超分辨角度估计方法。通过分析STCA多维模糊函数,设计了接收端的角度时间二维匹配滤波器,因而在接收端等效形成发射多波束,获得发射维空间自由度,进而设计相应的波束域搜索导向矢量,基于波束域多重信号分类 (multiple signal classification, MUSIC)算法实现了STCA等效发射端的超分辨角度估计。仿真结果验证所提方法的有效性。     

对MIMO雷达参数的侦察估计及性能分析

针对多输入多输出(multiple input and multiple output, MIMO)雷达的侦察对抗问题,基于被动合成阵列技术构建了对MIMO雷达方位、辐射频率联合侦察估计的信号模型,通过多次不同速度联合谱估计算法实现了对MIMO雷达方位、频率的无模糊估计。此外,推导了多辐射源条件下方位与频率联合侦察估计的克拉美〖CD*2〗罗界(Cramer Rao bound, CRB)。频率已知条件下推导了对单部阵列雷达方位侦察估计的CRB表达式,并进一步分别给出了对MIMO雷达和相控阵雷达进行侦察估计的CRB闭解式,对比分析了两种体制下方位侦察估计的性能。理论分析与仿真实验表明:信号频率未知条件下,所提算法能够实现对MIMO雷达方位、频率的无模糊估计,侦察估计精度随着信噪比以及不同速度联合估计次数的增大趋近于CRB;信号频率已知条件下,对单部相控阵雷达和MIMO雷达方位侦察估计性能之比仅与相控阵雷达发射波束方向增益以及阵元个数有关。最后,仿真实验结果验证了本文理论分析的正确性和方法的有效性。     

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。     

宽带MIMO雷达的阵列设计和成像方法

为了降低多输入多输出(multiple-input and multiple-output, MIMO)成像雷达的阵列规模和系统硬件的复杂性,结合宽带MIMO雷达发射/接收阵元的角度分集和信号分集特性,提出了一种基于双均匀线阵组合的非线性阵列模型,并给出了该阵列的设计准则。不同于基于实孔径均匀阵列的宽带MIMO雷达成像系统,提出的非线性阵列模型可有效增加虚拟阵元个数和扩展阵列孔径,在不改变目标方位向成像质量条件下能有效降低实孔径均匀线阵的阵列规模和系统硬件的复杂度。同时,该阵列设计易于操作和实现。最后,仿真实验对该阵列模型的有效性进行了验证。     

Fast DOA estimation algorithm for MIMO sonar based on ant colony optimization

The maximum likelihood (ML) estimator demonstrates remarkable performance in direction of arrival (DOA) estimation for the multiple input multiple output (MIMO) sonar.However,this advantage comes with prohibitive computational complexity.In order to solve this problem,an ant colony optimization (ACO) is incorporated into the MIMO ML DOA estimator.Based on the ACO,a novel MIMO ML DOA estimator named the MIMO ACO ML (ML DOA estimator based on ACO for MIMO sonar) with even lower computational complexity is proposed.By extending the pheromone remaining process to the pheromone Gaussian kernel probability distribution function in the continuous space,the proposed algorithm achieves the global optimum value of the MIMO ML DOA estimator.Simulations and experimental results show that the computational cost of MIMO ACO ML is only 1/6 of the MIMO ML algorithm,while maintaining similar performance with the MIMO ML method.