目标定位的分布式MIMO雷达资源分配算法

为了提高分布式多输入多输出(multiple input multiple output,MIMO)雷达的目标定位精度,分析了阵元、发射功率和信号带宽对定位精度的影响,进而提出一种将三者联合优化的资源分配算法。首先,以最小化目标的平方位置误差下限(squared position error bound,SPEB)为目标函数,建立了包含阵元、功率和带宽3个变量的优化模型;然后,通过推导最优功率分配矢量和带宽分配矢量的关系简化模型;最后利用凸松弛和循环最小化算法将优化问题转化成二阶锥形式,求解得到最优的资源分配策略。仿真结果表明,利用所提出的算法进行资源分配能明显提高目标的定位精度;信号有效带宽对目标定位精度的影响大于发射功率。     

面向邻近目标分辨的MIMO雷达波形设计方法

针对雷达系统邻近多目标分辨性能较差的问题,提出了一种面向邻近目标分辨的MIMO雷达波形设计方法。首先,通过数字波形产生器生成正交频分复用信号,作为雷达发射波形,并对其进行相位编码调制;其次,将发射波形设计问题转化为最优化问题,以最小化发射信号功率峰均比为目标函数,最大距离旁瓣电平和距离模糊函数包络变化因子为约束构建优化模型;然后借助序列二次规划法求解该优化模型,得到最优发射波形,提高波形固有分辨能力,进而增强接收端匹配滤波性能。仿真结果表明,该方法能够得到更低的信号峰均比,与时域移位削峰和改进的子载波预留法相比,距离旁瓣性能损失降低了约17.4%和36.9%,且序列长度和初始序列类型对算法性能影响较小。     

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。     

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。     

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.     

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。     

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。     

多目标跟踪下的分布式MIMO雷达资源联合优化算法

针对现有分布式MIMO雷达资源联合分配多集中于发射端阵元与功率的分配,未同时考虑接收阵元的优化,且缺乏对任意雷达布阵形势下系统跟踪能力和资源需求量估算等问题,提出多目标跟踪下的分布式MIMO雷达资源联合优化算法。首先,计算多目标位置误差的最大值,以最小化该最大值为目标函数;其次,在发射和接收阵元总数量有限、发射总功率给定的条件下,建立收发阵元选取与功率分配联合的资源优化模型;然后,结合启发式搜索算法和连续参数凸近似算法,采用循环最小化的方式对该问题进行求解;最后,在给定大小的实验环境中,对目标运动轨迹确定和随机两种场景进行实验。实验结果表明,系统发射总功率一定时,选取的发射阵元个数要明显少于接收阵元个数。相比于现有MIMO雷达资源分配研究,所提算法能够估算出在任意雷达布阵形势下系统的最低目标跟踪精度、个数和相应的最少资源需求量,对雷达系统的结构设计和资源储备具有一定的参考价值。     

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。     

近区低旁瓣的OFDM MIMO雷达波形设计

雷达系统在临近目标分辨中存在近区旁瓣过高的问题,导致了弱目标淹没、临近目标回波主旁瓣混叠等现象。针对这一问题,该文提出了一种抑制近区距离旁瓣的正交频分复用(orthogonalfrequency division multiplexing, OFDM) 多输入多输出雷达波形设计方法。首先,构造一组基于相位编码调制的OFDM发射波形集,在此基础上,以极小化极大原理和近区积分旁瓣水平建立目标函数,令发射波形恒模为约束条件;然后,借助发射波形与相位的对应关系,将波形设计转化为无约束优化问题,并利用Broyden-Fletcher-Goldfarb-Shanno算法求解。理论分析和仿真结果表明,该文方法较现有方法具有更好的近区旁瓣抑制特性和更低的运算复杂度。