最大互信息准则下的认知MIMO雷达波形设计

针对杂波背景下对认知多输入多输出(MIMO)雷达波形设计研究较少的问题,提出了一种基于最大互信息准则的波形设计方法。该方法结合一般认知雷达波形设计模型,以雷达发射功率作为约束条件,以最大化目标与接收回波间的互信息为目标,对认知MIMO雷达的波形设计问题进行建模,并采用卡尔曼滤波一步预测的方法对快速运动扩展目标的冲激响应进行预测,实现对目标的精准估计;同时,基于上述分析采用最大能量分配的方法进行波形设计。仿真实验表明,与传统的线性调频信号(LFM)相比,文中所提方法可以获得更多的信息量。     

非准确先验知识下认知雷达低峰均比稳健波形设计

针对目标和杂波先验知识不准确时认知雷达的检测波形设计问题,同时兼顾功率放大器对低峰均比(PAR)波形的需求,该文提出一种信号相关杂波背景下认知雷达低PAR稳健波形设计方法。首先,在目标和杂波不确定集范围内,基于极大极小化准则构造关于输出信干噪比(SINR)的优化模型;然后将不确定性参数代入该模型,给出最差SINR下对应杂波协方差矩阵和目标Toeplitz矩阵的取值;在此基础上,利用半正定松弛,将非凸的优化模型转化为关于发射波形半正定矩阵的凸问题进行求解;最后,通过秩1近似法结合最近邻方法,进一步从波形的最优矩阵解中提取出最优向量解。分析表明,在稳健性能相同的情况下,与现有方法相比该算法具有更低的运算量,仿真结果验证了所提方法的有效性和稳健性。     

基于凸优化方法的认知雷达低峰均比波形设计

为了提高雷达发射波形的检测性能,同时使发射机发挥其最大效能,以发射波形的低峰均比(PAR)为约束条件,该文提出了一种信号相关杂波背景下的认知雷达发射波形和接收机滤波器联合优化方法。首先,面向距离扩展目标检测问题,构建关于雷达输出信干噪比(SINR)的优化模型;然后将该模型转化为Rayleigh商形式,给出了接收机权值的解析表达式;在此基础上,通过半正定松弛,将关于发射波形半正定矩阵的非凸问题转化为凸问题,求得发射波形的最优矩阵解;最后,将秩1近似法和最近邻方法相结合,从最优矩阵解中提取出发射波形的最优向量解。该方法在给定PAR取值范围内可使波形的输出SINR达到最大,PAR=2时波形的SINR值与能量约束下优化波形的SINR值相同,并且比PAR=1时所得波形高出约0.5 dB。仿真结果验证了所提方法的有效性。      

基于RBF神经网络的室内定位算法研究

在无线传感器网络室内定位中,由于遮挡、多径效应等因素的影响,传统基于RSSI（Received Signal Strength Indicator）的定位算法存在测距不准、定位精度不高的问题。针对此问题,本文提出一种改进的基于RBF（Radial Basis Function）神经网络的室内定位算法,算法在离线阶段直接建立各参考节点接收到的RSSI值与其位置坐标的映射关系;在线阶段采集待定位节点的 RSSI值,利用学习好的神经网络对待定位节点进行定位。实验结果表明,与传统RSSI定位算法相比,本文提出的定位算法具备更高的定位精度。