双基地MIMO雷达参数估计

文中探讨了双基地MIMO雷达进行参数估计的方法。针对时域噪声为高斯白噪声,存在空间高斯有色噪声的背景,引入时间延迟这个因素构造旋转因子,同时利用匹配滤波器和ESPRIT子空间算法实现目标角度以及多普勒频率的参数联合估计。仿真结果表明这种算法可以消除系统中空间高斯有色噪声的影响,得到较高的估计精度。     

宽带双基地MIMO雷达的参数联合估计的新方法

提出了一种基于分数阶功率谱的宽带双基地MIMO雷达中参数联合估计的新方法。在许多情况下,根据窄带信号模型对宽带回波信号中的参数进行估计是不合适的,因此提出一个新的宽带回波信号模型对运动目标参数进行估计。根据分数阶功率谱(FPSD)的峰值点对多普勒频移因子和时延参数进行联合估计。并依据分数阶功率谱的峰值点构造2个子阵,提出的FPSD-MUSIC算法和FPSD-ESPRIT算法实现了对收发角的联合估计。接下来推导了该信号模型中参数估计的克拉美罗界。仿真实验验证了算法的有效性。     

脉冲噪声环境下单基地MIMO雷达目标角度估计算法

以α稳定分布作为脉冲噪声数学模型,研究了脉冲噪声环境下单基础多输入多输出(MIMO)雷达目标角度估计问题。为了解决基于分数低阶统计量的目标角度估计算法需要脉冲噪声先验信息的问题,利用雷达接收数据构造出两种鲁棒的相关矩阵,即相关熵相关矩阵和非线性压缩核函数相关矩阵,提出了基于这两种鲁棒相关矩阵的单基地MIMO雷达目标角度估计算法。仿真实验表明:在α稳定分布脉冲噪声环境下,新提出的责任中算法的性能明显优于传统的基于二阶统计量和基于分数低阶统计量的目标角度估计算法。     

一种双基地MIMO雷达目标参数估计算法

为了实现双基地多输入多输出(MIMO)雷达目标参数估计,建立了双基地MIMO雷达信号模型,提出了一种目标方向角和多普勒频率估计方法,该方法利用2次ESPRIT方法分别估计目标的多普勒频率和来波角度(DOA),然后利用ROOT-MU-SIC方法估计得到目标去波方向(DOD)。所提算法只进行3次特征值分解,避免了多维非线性的谱峰搜索,配对过程简单。仿真结果证明了该算法的有效性。     

基于多相码的MIMO雷达模糊函数

从MIMO雷达的特点出发,在双基地雷达模糊函数基础上,提出了MIMO雷达的模糊函数.MIMO雷达的模糊函数是各双基地雷达模糊函数的线性组合,并且双基地雷达的模糊函数是直角坐标系中目标速度和位置的函数.数值计算表明,MIMO雷达的模糊函数具有直接确定目标位置和速度的能力,并且模糊函数与参考点的选取无关,通过增加发射站和接收站的数目能够提高模糊函数的位置分辨率.     

基于新型阵列的双基地电磁矢量传感器MIMO雷达高分辨角度参数估计

针对双基地EMVS-MIMO雷达角度参数估计问题,该文通过设计新的发射阵列和接收阵列来实现对双基地EMVS-MIMO雷达角度参数估计精度的提升。相比于半波长的均匀线性发射阵列和接收阵列,所设计的新型阵列能够实现发射端和接收端阵列孔径的扩展。并且,为了避免发射角和接收角的角度参数额外配对过程,该文利用平行因子算法来实现发射角和接收角的角度参数自动配对。同时,相应的发射方位角、发射俯仰角、发射极化角、发射极化相位差和接收方位角、接收俯仰角、接收极化角以及接收极化相位差也是自动配对的。通过利用平行因子算法多次迭代之后得到的方向加载矩阵,对应于发射角和接收角的精粗估计的旋转不变关系可以从方向加载矩阵中进行相应的提取。因此,高分辨的发射角和接收角可以通过精粗估计的结合来实现。相比于当前算法,所提算法具有自动参数配对特性以及较低的计算复杂度。仿真实验表明所提算法具有较高的估计精度。     

基于新型阵列的双基地电磁矢量传感器MIMO雷达高分辨角度参数估计

针对双基地EMVS-MIMO雷达角度参数估计问题,该文通过设计新的发射阵列和接收阵列来实现对双基地EMVS-MIMO雷达角度参数估计精度的提升.相比于半波长的均匀线性发射阵列和接收阵列,所设计的新型阵列能够实现发射端和接收端阵列孔径的扩展.并且,为了避免发射角和接收角的角度参数额外配对过程,该文利用平行因子算法来实现发射角和接收角的角度参数自动配对.同时,相应的发射方位角、发射俯仰角、发射极化角、发射极化相位差和接收方位角、接收俯仰角、接收极化角以及接收极化相位差也是自动配对的.通过利用平行因子算法多次迭代之后得到的方向加载矩阵,对应于发射角和接收角的精粗估计的旋转不变关系可以从方向加载矩阵中进行相应的提取.因此,高分辨的发射角和接收角可以通过精粗估计的结合来实现.相比于当前算法,所提算法具有自动参数配对特性以及较低的计算复杂度.仿真实验表明所提算法具有较高的估计精度.     

基于FRFT的双基地MIMO雷达多普勒频率和收发角联合估计新方法

提出了一种新的双基地MIMO雷达系统中参数联合估计方法.首先提出了一个新的双基地MIMO雷达阵列信号模型,利用分数阶傅里叶变换能量聚集特性对多普勒频率的初始频率和调频率进行联合估计.然后,在分数阶傅里叶变换域内构造2个子阵,采用FRFT-MUSIC算法和FRFT-ESPRIT算法实现了收发角的联合估计.仿真实验表明,本算法在低信噪比时同样具有较好的性能.     

冲击噪声背景下基于稀疏表示的双基地MIMO雷达多目标定位

该文研究了对称稳定分布(SS)冲击噪声下双基地MIMO雷达的多目标定位问题。针对SS噪声下因二阶矩不存在而造成子空间类算法估计性能下降的不足,提出了矩阵行2范数最大的预处理方法对接收数据进行归一化,使得归一化后的协方差矩阵有界,并以拉直后的协方差矩阵构造稀疏线性模型,提出了基于协方差矩阵-近似零范数(Covariance Matrix Smoothed L0 norm, CMSL0)算法进行目标的发射角和接收角估计。仿真实验表明：通过矩阵行2范数最大化预处理之后,MUSIC(Multiple Signal Classification)和CMSL0算法均能有效地估计出目标的角度,并且CMSL0算法的估计精度及对冲击噪声的稳健性均优于MUSIC算法。此外,与MUSIC算法相比,CMSL0算法不要预先估计目标源的数目,且收发阵元不受半波长间隔的限制。     

基于多项式求根的双基地MIMO雷达多目标定位方法

该文提出了一种基于多项式求根的双基地MIMO雷达多目标定位方法,该方法将2维的收发方位角度估计分离为两个1维的方位角度估计过程,采用多项式求根法对1维方位角度进行估计,避免了传统的2维谱峰搜索,所估计的2维方位角能够自动配对,不需要额外的配对运算,而且系统的最大可定位目标数目不少于接收机数目。仿真结果证明了算法的有效性。     

基于模糊函数的双基地雷达信号检测分析

在双基地雷达系统中,基于纽曼-皮尔逊准则的似然比检测不但与发射信号的波形有关,而且还与双基地雷达系统的几何布站及目标的空间位置有关.首先以单基地雷达信号检测过程为基础,推导了双基地雷达系统的信号检测统计量模型,该模型是双基地雷达系统模糊函数的理论基础.然后给出了双基地雷达系统目标时延和多普勒频移参量的数学形式,与单基地...     

双/多基地雷达模糊函数建模与研究

根据雷达模糊函数基本理论,结合双/多基地雷达几何结构,推导出了相干脉冲串信号和线性调频信号的双/多基地雷达模糊函数表达式.基于Matlab仿真,分析比较了双/多基地雷达模糊函数及随目标空域变化图,表明目标的分辨特性与目标的位置有关.当目标靠近基线的时候,双基地雷达模糊函数形状将展宽,目标分辨率显著降低.而对于多基地雷达...     

Novel method based on fractional lower-order correntropy-analogous statistics for parameter jointly estimation in bistatic MIMO radar

According to the performance degradation problem of parameter estimation algorithm in the Alpha stable dis-tribution noise, inspired by the concept of correntropy, a new class of statistics, namely, the fractional lower-order cor-rentropy-analogous statistics (FCAS) was proposed. By employing the fractional lower-order correntropy-analogous sta-tistics based cost function in parallel factor (PARAFAC), the FCAS-PARAFAC algorithm was deduced which can be utilized for the parallel factor under impulsive noise environments. The FCAS-PARAFAC algorithm was applied to pa-rameter estimation in bistatic MIMO radar under impulsive noise environment. The proposed method can suppress the impulse noise interference and has better estimation performance. Furthermore, the estimated parameters are automati-cally paired without the additional pairing method. Simulation results are presented to verify the effectiveness of the pro-posed method.     

波束空间的双基地MIMO雷达定位方法

提出了一种基于波束空间的双基地多输入多输出(MIMO)雷达目标定位方法——B-ESPRIT算法。该算法可重构受波束空间变换破坏的发射和接收阵列旋转不变特性,从而可利用ESPRIT方法来得到对目标收发方位角的估计值。由于降低了处理数据的维数,所提的B-ESPRIT算法相比常规的阵元空间ESPRIT(E-ESPRIT)算法具有更小的运算量。此外,还详细分析讨论了算法的波束增益与目标角度的关系,并通过计算机仿真证明了分析的正确性。     

双基地MIMO雷达最优化搜索参数设计研究

针对双基地MIMO雷达搜索特性,从搜索波束覆盖的几何模型出发,分析衡量波束覆盖效率的基本因素,以及其对搜索资源消耗的影响,并在此基础上提出了双基地MIMO雷达搜索波束覆盖优化的基本思路,即在不同的距离范围匹配选取不同的波束宽度和波束重叠度,从而达到快速覆盖发射波束的目的。最后建立了在约束条件限制下,同时考虑时间资源和能量资源消耗的搜索优化模型,仿真分析了影响搜索资源消耗参数(脉冲重复个数、脉冲宽度、搜索周期)的最优值随检测概率门限值的变化规律,为最优化搜索参数选取提供依据。     

空间色噪声环境下双基地MIMO雷达DOD和DOA联合估计方法

针对空间色噪声环境提出一种同时利用空域和时域信息的双基地MIMO雷达DOD（Direction of Departure）和DOA（Direction of Arrival）联合估计方法。该方法在时域高斯白噪声的假设下．将不同时刻的匹配滤波器输出进行互相关以消除空间色噪声的影响并获得空时互相关矩阵，然后基于传播算子方法构造一低维矩阵，利用其特征参数与待估参数的特定关系获得目标DOD（DirectionofDe．parture）和DOA（DirectionofArrival）的联合估计。该方法能够有效克服空间色噪声的影响，所估计参数自动配对。与现有方法相比，其孔径损失小，具有更优的参数估计性能和最大可检测目标数。且对发射阵元个数没有特殊要求，具有更广泛的适用性。计算机仿真验证了本文方法的有效性。     

运动双基地MIMO雷达参数估计的克拉美罗界

在杂波环境下,该文研究了目标、发射站及接收站均运动时双基地多输入多输出(MIMO)雷达参数估计的克拉美罗界(CRB)。首先建立了运动双基地MIMO雷达的数学模型,推导了杂波背景下多目标参数估计CRB的一般表示式,然后给出了无杂波时单目标波离方向(DOD)、波达方向(DOA)以及速度CRB的闭式解,并分析了各参数对CRB性能的影响。理论与仿真实验表明：无杂波时的参数估计性能优于杂波背景下的参数估计性能;目标DOD(DOA)的估计性能与收发站速度、目标速度无关,而目标速度的估计性能将随着收、发站和目标速度的增大而下降。     

冲击噪声背景下双基地MIMO 雷达目标角度估计方法

实际工作环境中雷达经常会受到琢稳态分布冲击噪声的影响,使得大量高斯噪声背景下基于二阶或更高阶累积量的角度估计算法性能急剧下降。文中提出了一种基于FLOM-ESPRIT算法的双基地MIMO雷达收发角度估计方法,算法通过利用匹配滤波后数据构造分数低阶协方差矩阵实现对冲击噪声的有效抑制,弥补了传统的二阶或四阶统计模型及相应的处理算法不适用于冲击噪声环境的缺陷,增强了信号子空间估计算法的稳健性,并且无需计算量繁杂的二维谱峰搜索。     

一种新的双基地MIMO雷达杂波模拟方法

针对双基地 MIMO 雷达杂波单元划分复杂、计算量大,严重影响仿真速度的问题,提出了一种新的杂波单元划分方法,并采用杂波单元参数预存储的技术大幅度减少仿真过程中存在的重复性计算工作。新的杂波生成方法兼顾了发射角度分辨率、接收角度分辨率、距离分辨率三重约束,能有效降低杂波单元划分的复杂度,大幅度提高双基地 MIMO 雷达仿真平台运行效率。最后通过建模方法仿真出杂波,验证了上述结论。     

基于分数阶傅里叶变换的双基地雷达线性调频信号的参数联合估计新方法

该文提出一种双基地MIMO雷达线性调频(LFM)信号参数的联合估计新方法。在所提出的新的双基地MIMO雷达的信号模型基础上,利用分数阶傅里叶变换对线性调频(LFM)信号的能量聚集特性进行提取,根据分数阶傅里叶变换域内的峰值点对多普勒频移尺度和时延进行估计,并采用FRFT-MUSIC算法实现了线性调频(LFM)信号收发角的联合估计,实现了收发角的自动配对。仿真实验验证了算法的有效性。