冲击噪声下基于Lorentzian范数的CSR参数估计

针对现有重构算法及其改进算法在压缩感知雷达(CSR)参数估计中存在的稳健性不强、适用性不广等问题,提出了一种适用于冲击噪声背景的鲁棒性算法——Lorentzian-ISL0(基于Lorentzian范数的改进光滑l0范数).建立CSR参数估计的稀疏线性模型,并基于Lorentzian范数和高斯函数稀疏正则化,构造冲击噪声下稳健的优化目标函数;修正优化目标函数的牛顿方向,并沿修正方向对估计值进行更新,直至收敛.仿真实验结果表明:与已有算法相比,本文方法计算复杂度更小,支撑集重构更精确,信号重构精度更高.     

基于贝叶斯压缩感知的CSR稳健参数估计方法

针对“完全扰动”情况下压缩感知雷达(compressed sensing radar, CSR)观测矢量和感知矩阵严重失配,进而引起参数估计性能急剧下降的问题,提出了一种基于贝叶斯压缩感知(Bayesian compressed sensing, BCS)的稳健参数估计方法。首先构造“完全扰动”情况下CSR参数估计的稀疏线性模型,并从稀疏矢量的最大后验概率(maximum a posteriori, MAP)出发,推导了完全扰动矩阵服从柯西分布时的优化目标函数;随后通过稀疏矢量和尺度参数的交替迭代,求得稀疏矢量的最优解。与现有重构算法及其改进算法相比,该方法能够有效改善CSR系统应对失配误差的稳健性,提高目标成功检测的概率和参数估计的精度。计算机仿真实验验证了该方法的有效性和鲁棒性。     

基于稀疏重构的L型阵列MIMO雷达降维DOA估计

针对L型阵列多输入多输出(multiple-input multiple-output,MIMO)雷达二维空间角估计问题,提出一种基于协方差矩阵联合稀疏重构的降维波达方向(direction of arrival,DOA)估计算法。该算法根据L型阵列MIMO雷达联合流型矢量的特点,通过降维矩阵的设计及回波数据的降维变换,最大程度地去除了所有的冗余数据;通过协方差矩阵联合构造稀疏线性模型,将2维角参量空间映射到1维空间,极大降低字典长度和求解复杂度的同时,不牺牲阵列孔径,实现了二维空间角度的有效估计和参数的自动配对。理论分析与实验仿真表明:与RD_MUSIC算法相比,本文降维处理有效提高阵元利用率的同时,最大程度地降低了回波数据的维数;与传统子空间类算法相比,基于协方差矩阵联合构造的稀疏线性模型充分利用了阵列孔径,无需预先估计目标数目,参数估计性能在低信噪比及小快拍数据长度下优势明显。最后,仿真结果验证了本文理论分析的正确性和算法的有效性。     

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。