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。      

面向目标参数估计的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面向目标参数估计的雷达波形设计问题，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雷达低PAR稳健波形设计方法。首先，以最大化互信息(MI)为优化准则，构建了估计波形优化模型；接着，通过提取协方差矩阵特征值，构建了关于目标和杂波矩阵的不确定集模型；然后基于极大极小化准则，将关于矩阵的非凸优化问题转化为关于特征值的凸问题；最后，基于序列线性规划方法给出了波形的优化解。分析表明，所提方法产生的波形具有较好的有效性和稳健性能。     

矢量传感器阵列MIMO雷达高精度二维DOA与极化联合估计

该文采用矢量传感器配置下的十字型阵列MIMO雷达系统,提出一种新的2维高精度DOA与极化参数联合估计算法。首先根据MIMO雷达虚拟阵列导向矢量的特点,通过降维矩阵的设计及回波数据的降维变换,将高维回波数据转换至低维信号空间;然后基于传播算子获得对应信号子空间的估计,利用收、发阵列阵元间长基线对应的旋转不变性和极化矢量中电场矢量和磁场矢量的叉积进行2维高精度DOA估计和解模糊处理,同时利用与阵列结构无关的极化域旋转不变性进行极化辅角和极化相位差的联合估计。该矢量传感器MIMO雷达阵列可同时获取MIMO雷达的波形分集和矢量传感器的极化分集,无需额外增加阵元和硬件开销,能够有效扩展阵列孔径,提高参数估计性能;同时通过降维变换及传播算子,在获取信噪比增益的同时,能够实现2维高精度DOA和2维极化矢量的联合估计及参数的自动配对,有效降低数据处理维数和参数估计的运算复杂度;最后,仿真结果验证了理论分析的正确性和算法的有效性。     

基于Logistic混沌序列的错误图样对纠错码的影响

为了在“比特级”层面对纠错码进行更深入的研究,提出了一种服从Logistic混沌序列的错误图样分布模型。通过将混沌序列映射成二进制序列,并采用一定的方法使序列中“1”的数目可控,以此来生成错误图样。将卷积码、RS码以及RS+卷积级联码作为研究对象,以随机错误为参照,分别研究了该错误图样下三者的译码性能。仿真结果表明,基于Logistic混沌序列的错误图样对卷积码和级联码的影响要大于随机错误图样,而随机错误图样对RS码的影响更大。