双基地MIMO雷达的DOD和DOA联合估计

将收发端各分成两子阵,建立了非均匀线阵下的双基地多输入多输出雷达数学模型。提出了ESPRIT谱搜索法和ESPRIT多项式求根法两种角度估计算法,并利用最大似然估计法实现了参数的正确配对,其优点是当不能提取出收发旋转不变因子时,应用本文算法仍能进行角度估计,放宽了ESPRIT算法对阵元配置的要求。仿真实验表明,低信噪比时,ESPRIT多项式求根法的估计精度优于ESPRIT谱搜索法;高信噪比时,两者的测向精度均接近于克拉美罗下限。同时,ESPRIT多项式求根法避免了谱峰搜索,极大地减少了计算量,在实际应用中更有利于推广。     

双基地MIMO雷达二维方位角及多普勒频率联合估计

提出了一种新的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达二维方位角及多普勒频率联合估计算法。该算法基于m-Capon方法将目标波离方向(direction of departure, DOD)与波达方向(direction of arrival, DOA)相“去耦”,得出了对目标DOD和DOA的估计;然后,在对目标二维方位角的估计的基础上,算法可进一步估计出目标的多普勒频率。因此,其估计出的目标二维方位角与多普勒频率可自动配对。该算法无需预判目标数及对数据协方差矩阵特征值分解,且对目标二维方位角与多普勒频率的联合估计不涉及高维的非线性优化搜索,具有较小的计算量。此外,该算法可适用于发射和接收阵列为任意阵列结构的双基地MIMO雷达系统。计算机仿真结果证明了本文方法的正确性和可行性。     

基于改进三线性分解的单基地十字阵MIMO雷达二维角度估计

研究单基地十字阵多输入多输出(multiple-input multiple-output,MIMO)雷达中目标二维角度参数估计的问题。已有的算法往往忽略了信源矩阵中的类Vandermonde结构,而这种特殊的结构可以提升参数估计精度。基于均匀线形阵列(uniform linear array,ULA)的中心对称特性和目标参数矩阵中的类Vandermonde结构,提出一种基于改进的三线性分解的二维角度估计算法。首先利用酉变换的方法构造阵列增广输出矩阵,再将二维角度估计与三线性模型相联系。由于增广输出使得阵列的虚拟孔径增大,因而本文所提算法的参数估计精度要优于传统三线性估计算法。此外,本文提及的改进算法不需进行谱峰搜索及奇异值分解,并且能对估计的二维目标角度自动配对,最后的仿真结果验证了本文算法的有效性。     

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...     

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。     

角闪烁噪声下的集中式MIMO雷达自适应资源分配算法

为解决角闪烁噪声下集中式多输入多输出(multi-input and multi-output,MIMO)雷达的资源优化分配问题,设计了一种面向多目标跟踪任务的自适应资源分配算法.首先采用平方根容积粒子滤波(square-root cubature particle filter,SCPF)算法对各目标状态进行估计,并...     

互耦误差下MIMO雷达低仰角估计方法

针对互耦误差下多输入多输出（multiple input multiple output, MIMO）雷达的低仰角估计的问题,提出一种目标角度估计的自校准算法。首先分析了收发阵列同时存在互耦误差时的多径回波信号模型,然后利用均匀线阵互耦矩阵的特点对互耦误差下的阵列导向矢量进行变换,最后基于子空间原理推导出目标角度的搜索函数,同时给出多径衰减系数和收发阵列互耦矩阵的计算表达式。推导了各参数的任意无偏估计的Cramer-Rao界（Cramer-Rao bound, CRB）。算法在未知互耦矩阵和存在相干多径信号的情况下可直接进行参数估计,不需要辅助校准源和迭代处理。仿真结果分析了算法估计性能与信噪比、快拍数的关系并与CRB进行了比较。     

双基地MIMO雷达的高速运动目标定位方法

高速运动目标的大多普勒频率会导致传统匹配滤波器严重失配,因此当目标高速运动时多输入多输出（multiple input multiple output,MIMO）雷达利用传统匹配滤波器无法有效地形成虚拟阵列。研究了利用双基地MIMO雷达实现多个高速运动目标交叉定位的方法,采用降低雷达距离分辨率的方式以获取较长时间的相参积累,并将接收阵列回波信号与发射信号共轭相乘后的数据进行频域处理,有效形成了虚拟阵列,然后利用传统超分辨算法对在相同粗距离分辨单元上的高速运动目标的发射角和接收角进行联合估计,从而能够有效交叉定位多个在距离上无法分辨的高速目标。仿真结果表明了所提方法的可行性和有效性。     

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。     

双基地MIMO雷达相干脉冲串的参数估计性能

研究了双基地多输入多输出(multiple input multiple output, MIMO)雷达发射相干脉冲串时的参数估计性能,推导对Swerling I和Swerling II目标的去波方向(direction of departure, DOD)、波达方向(direction of arrival, DOA)和多普勒频移联合估计的克拉美罗界(Cramer Rao bound, CRB),并分析发射脉冲为正交频分线性调频信号时,各参数对CRB的影响。结果表明对Swerling I和Swerling II目标的DOD和DOA均可做出较理想的估计,Swerling I目标更优,可较好地估计Swerling I目标的多普勒频移,但难以估计Swerling II目标的多普勒频移。     

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.     

Target estimation using MIMO radar with multiple subcarriers

This paper analyzes the effect of waveform parameters on the joint target location and velocity estimation by a noncoherent multiple input multiple output (MIMO) radar transmitting multiple subcarriers signals. How the number of subcarriers influences the estimation accuracy is illustrated by considering the joint Cramer-Rao bound and the mean square error of the maximum likelihood estimate. The non-coherent MIMO radar ambiguity function with multiple subcarriers is developed and investigated by changing the number of subcarriers, the pulse width and the frequency spacing between adjacent subcarriers. The numerical results show that more subcarriers mean more accurate estimates, higher localization resolution, and larger pulse width results in a worse performance of target location estimation, while the frequency spacing affects target location estimation little.     

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。     

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。     

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.