基于联合矩阵对角化的双基地MIMO雷达DOD-DOA估计

针对双基地MIMO雷达收发角(DOD-DOA)估计问题,该文提出一种基于联合矩阵对角化的快速多目标收发角估计算法。该算法首先根据匹配滤波输出的数据结构,利用奇异值分解和秩1矩阵判断定理将收发角度估计问题转化为联合矩阵对角化问题,然后采用单次-扫描迭代算法对其求解,得到收发阵列流型矩阵,最后通过谱分析方法估计收发角。该算法充分利用匹配滤波输出的所有信息,无需2维谱峰搜索,每次迭代均可得到精确的闭式解,且收发角自动配对。与现有算法相比,该算法不仅提高了角度估计精度,而且有效降低了运算量。仿真结果证明了所提算法的有效性。     

基于张量分解的双基地MIMO 雷达目标数估计

针对双基地多输入多输出(MIMO)雷达目标数估计问题,提出一种基于三阶张量分解的目标数估计算法。该算法首先将匹配滤波输出转化为三阶张量;然后,从张量的三个维度分别计算特征值,并通过迭代方法估计全局特征值;最后,利用全局特征值估计目标数。与传统基于矩阵分解算法相比,该算法充分利用了回波数据的多维结构特征,可有效改善特征值的估计精度,从而提高目标数的正确估计概率。仿真结果证明了所提算法的有效性和优越性。     

一种新的双基地MIMO雷达快速多目标定位算法

针对双基地MIMO雷达目标定位问题,该文提出一种基于三阶张量分解的快速多目标定位算法。该算法首先将匹配滤波输出转化为三阶张量,并对其进行降维预处理,然后利用交替最小二乘(ALS)算法估计收发阵列流型矩阵和多普勒矩阵,最后通过谱估计算法恢复目标收发角和多普勒频率。同时利用线性搜索加快ALS算法的收敛速度。与现有算法相比,该算法避免了2维谱峰搜索和协方差矩阵估计,得到的目标三参数自动配对,不仅提高了估计性能,而且有效降低了运算量和存储量。仿真结果证明了所提算法的有效性和优越性。     

双基地MIMO雷达发射波束形成与多目标定位

针对双基地多输入多输出(MIMO)雷达目标定位问题,首先提出一种子波束合成(SBS)算法进行发射波束形成,在此基础上提出一种基于并行因子分解(PFD)的多目标定位算法。SBS算法通过对多个发射信号分别加权形成子波束,在空间叠加使发射能量聚焦在感兴趣空域,提高了接收端信噪比。基于PFD的定位算法根据匹配滤波输出的代数结构,利用迭代算法和角度恢复算法估计目标发射角(DOD)和接收角(DOA),且能自动配对,同时避免了二维谱峰搜索、协方差矩阵估计和多次特征分解造成累积误差。结合以上两种算法可有效提高目标定位精度。仿真结果证明了所提算法的有效性和优越性。     

基于多维范德蒙德结构的双基地MIMO雷达收发角及多普勒频率联合估计

针对双基地MIMO雷达收发角及多普勒联合频率估计问题,该文基于参数流型矩阵的多维范德蒙德结构特征,提出一种低运算量的3维参数联合估计算法。首先根据回波模型的多维结构特性构造3阶张量,并对其分别沿发射维、接收维和脉冲维切片得到3个等效矩阵;然后结合多维范德蒙德结构特征和等效矩阵的左奇异矩阵具有Khatri-Rao乘积结构特征,估计收发阵列流型矩阵和多普勒流型矩阵;最后通过Root-MUSIC算法估计收发角和多普勒频率。与现有算法相比,该算法显著改善了参数估计精度,在小脉冲数下,其运算量与旋转不变子空间算法(ESPRIT)相当。仿真实验验证了该算法的有效性。