一种空时联合优化的MIMO雷达波形设计方法

针对多输入多输出(MIMO)雷达波形设计中空域合成信号的时域特性较差的情况,提出了一种空时联合优化的MIMO雷达波形设计方法．该方法在波形设计中对波形的空域功率分布以及空域合成信号的自相关特性进行了联合考虑．基于空域信号的自相关旁瓣电平以及各阵元信号间的相关性,对集中式MIMO雷达的正交波形设计与具有特定方向图的波形设计建立了统一的优化模型,并采用序列二次规划方法与加权迭代方法求解．仿真结果表明,文中所设计的波形不仅能够很好地逼近期望方向图,而且空域合成信号具有较好的自相关特性．     

用混沌序列降低MIMO雷达波形自相关旁瓣和互相关

基于混沌序列的良好相关性和随机性,提出了一种使用混沌序列降低多输入多输出雷达波形自相关旁瓣和互相关的方法.通过不同初值迭代得到混沌序列,然后经过相应的量化和四相编码得到混沌波形.由于不同混沌波形的自相关旁瓣不相关,同时,不同混沌波形的互相关也不相关,因此通过多脉冲压缩积累能够有效地降低自相关旁瓣和互相关在多输入多输出雷达中的影响.输出结果具有较低的旁瓣峰值,从而提高了检测性能。     

MIMO雷达发射方向图匹配和波形优化方法

为了匹配MIMO雷达系统给定的发射方向图,采用半正定规划(SDP)来优化发射信号的协方差矩阵．基于该协方差矩阵,利用循环算法(CA)和极小极大法,通过优化波形相位设计出了具有低空域和时域副瓣的恒模发射信号．此外,又提出了用凸规划设计空域失配滤波器和时域失配滤波器的方法,进一步降低了空域和时域副瓣．     

双基地MIMO雷达波形解相关算法

The auto-correlation and cross-correlation properties of transmit waveforms have great effects on the performance of MIMO radar systems. However, it is difficult to design waveforms that have ideal auto-correlation properties as well as cross-correlation ones. In this paper, an MMSE based waveform de-correlation algorithm is proposed to cancel the effects of the auto-correlation and cross-correlation of transmit waveforms in the receiver. The received signal model of bistatic MIMO radars is first derived. Then, the de-correlation filters are derived by using the MMSE method to reduce the influences of colored noise enhancement. Finally, the polynomial expansion method is used to simplify the computational complexity of the proposed de-correlation filters. The performance of the proposed method is verified by applying it to bistatic MIMO radar multi-target localization. Simulation results demonstrate the effectiveness of the proposed algorithm.     

MIMO雷达空时编码和接收权联合稳健设计

针对基于多进多出雷达的空时自适应处理方法的检测性能对目标参数估计误差敏感从而导致系统检测概率稳健性较差的问题,提出一种改善多进多出空时自适应检测性能的发射波形和接收权联合稳健设计方法。首先推导了多进多出空时自适应输出信干噪比的数学表达,而后构建了目标空时频导向矢量估计误差模型。在此误差模型、波形恒模特性、旁瓣以及杂波抑制等约束下,基于最大化最差情况下输出信干噪比准则,提出了改善多进多出空时自适应检测性能的发射波形相关阵和接收权联合稳健优化问题。为求解所得复杂非线性优化问题,提出一种迭代方法,其中每一步都可转化为半定规划问题,因而可获得高效求解。仿真结果表明,与现存主要的稳健方法、非稳健方法及不相关波形相比,所提方法可显著改善多进多出空时自适应检测概率的稳健性能。     

一种基于PARAFAC模型的MIMO中继系统信道估计方法

为了有效地估计两跳放大转发(AF)多输入多输出(MIMO)中继系统的信道状态信息(CSI),提出了一种基于平行因子(PARAFAC)模型的信道估计方法。在信宿,该方法通过对接收信号构造PARAFAC模型,采用所提的复值最优交替最小二乘(CALS)拟合算法就能估计出该通信系统中所有的CSI。与已有的信道估计方法相比,所提方法需要较少的信道训练数据块和具有更高的信道估计精度。仿真结果验证了所提方法的有效性。     

低复杂度MIMO雷达波达方向的估计方法研究

为了降低MIMO雷达的运算复杂度,研究了基于对回波信号降维处理算法和基于子空间重构的信号子空间重构（SsR）算法的两类波达方向（DOA）估计方法．通过对5种算法的对比和仿真分析可知：RD—ESPRIT算法相比其他空间谱搜索算法,对降维矩阵的选择较敏感,更强调降维后阵列流型的旋转不变性;RD-求根算法、RD—MUSIC算法和RD—Capon算法则有更好的角度估计性能;RD-ESPRIT算法和RD-求根算法运算量相比其他三种算法低一到两个数量级;RD—ESPRIT算法运算复杂度最小．     

测量目标高度的双基地MIMO雷达虚拟阵元技术

提出了一种通过双基地多输入多输出雷达虚拟阵元技术进行目标高度测量的方法．该方法在接收端估计目标相对于发射阵列和接收阵列的角度,然后利用获得的角度进行目标高度测量．与传统的双基地雷达测高方法不同,该方法既不需要发射端和接收端之间的时间同步,也不需要在收发两端之间传输数据,从而简化了系统的配置．另外,在多目标情况下,该方法估计的角度能够自动配对,从而避免了目标模糊．     

单矢量传感器的互谱估计与方位估计

单矢量传感器的互谱估计,将时域随机过程变换成了频域随机变量.该变量的统计特性,使得各向同性噪声场影响具有更加明确的物理解释.给出了互谱估计一、二阶矩和一维概率密度函数.由于拾取了振速信息,单个矢量传感器便能获得目标方位的最大似然估计.基于互谱估计的统计特性,给出了方位估计概率密度函数的通解形式,在纯噪声和高信噪比两种极端情况下推导了方位估计的数字特征.对低信噪比的方位有偏现象做出了解释,对高信噪比的判别条件给出了定量描述.理论分析与仿真结果一致,从而为湖海实验研究预备了统计知识.     

窄带高分辨MIMO雷达图像特性分析

针对窄带MIMO（NMIMO）雷达的目标识别问题,着重对目标NMIMO图像特性进行了研究.首先对NMIMO雷达成像方法进行了简要介绍;然后结合4种典型运动方式,分别分析了目标NMIMO雷达图像上散射中心位置参数、散射中心幅度以及图像分辨力3种参数的分布特性,并给出了不同运动方式下目标NMIMO雷达图像3种参数的变化规律.最后,通过仿真目标的成像结果对相关结论进行了验证仿真.结果表明：相对散射中心幅度和图像分辨率,散射中心结构更不敏感于目标姿态的变化,验证了理论分析的正确性.     

基于ESPRIT算法的L-型矢量阵源方位估计

建立了水平L-型矢量水听器阵列的数据模型,研究了利用ESPRIT算法同时对目标的水平方位角和仰角进行高分辨率角度估计,仿真L-型矢量水听器阵对单个源和多个源的方位估计情况,并和相同阵型的声压阵方位估计性能进行比较,结果表明,相对于声压阵,矢量阵可以在不增加阵孔径的前提下提高对单源方位估计的精度,获得的增益为6dB左右,同时提高了对多目标方位的分辨能力。     

基于MUSIC算法的矢量水听器阵源方位估计

矢量水听器阵的每个阵元同时测量声场中的声压量和质点振速的3个正交分量,相对于声压水听器阵来说,矢量阵获取声场中更多的信息.利用矢量阵所获得的速度场的信息可去除目标方位估计中的180°模糊.多重信号分类(MUSIC)算法是通过对数据协方差矩阵进行本征分解获得信号空间谱估计的方法.本文采用矢量水听器均匀线阵研究了利用MUSIC算法对声源进行方位估计,以提高对源方位的估计精度.仿真结果表明,在SNR=10dB的条件下,相对于常规波束形成器输出,MUSIC空间谱的主波束宽度锐化了30°左右,旁瓣降低了16dB左右,利用MUSIC算法可提高对源的定向精度及对多目标的分辨能力.     

基于矩阵求逆化简的大规模MIMO系统线性信号检测

在大规模多输入多输出（MIMO）系统上行链路中,当基站端天线数远大于单天线用户数时,传统的最小均方误差（MMSE）检测算法能达到接近最优的线性信号检测性能.但是,MMSE算法涉及复杂的矩阵求逆,导致其难以快速有效地实现.为了平衡检测性能和计算复杂度之间的关系,对比分析了基于多项式展开的近似矩阵求逆方法和基于线性方程迭代求解的等效矩阵求逆方法,并将其应用于软判决检测中,充分利用了信道编译码的软信息,在降低检测算法复杂度的同时达到接近最优的检测性能.     

非冗余块预编码MIMO-OFDM系统盲信道估计算法

由于传统的盲信道估计算法靠引入块预编码来弥补子空间方法的缺陷,因此会牺牲一部分符号信息。针对上述问题,提出了一种非冗余块状预编码算法,将发送符号按奇偶成对分块重组,对其进行预编码,相应地接收信号的自相关矩阵具有块状结构,选取对角线上的两个块分别进行信道估计;同时讨论了预编码矩阵应该满足的条件以及预编码矩阵对信道估计和系统误码率的影响,以此设计了一种均衡方法,对两个估计值进行均衡,得到最终的信道估计．仿真表明,该方法可以在获得更好的信道估计效果的同时降低系统的误码率．     

矢量阵的非空间ESPRIT算法

矢量水听器同时测量声场中某点的声压和质点振速的正交分量,单个矢量水听器可视为空间共点阵.建立了任意阵型矢量阵的数据模型,研究了任意阵型矢量阵的非空间ESPRIT算法.非空间ESPRIT算法不是利用空间2个子阵组成的矩阵对,而是利用矢量水听器不同的输出分量组成矩阵对完成目标的二维角度(水平方位角和仰角)估计.仿真研究了该算法对单个源和多个源方位估计的情况,并利用外场试验数据验证了算法的有效性.结果表明,在当时的试验条件下,常规波束形成获得的主瓣波束宽度为30°左右,而非空间ESPRIT算法对目标方位估计的标准差为3°左右,说明基于矢量阵的非空间ESPRIT算法在未知阵列流形的前提下可对目标进行高精度方位估计.     

大规模MIMO系统中基于OMP的混合波束赋形方法

为了在大规模多输入多输出（MIMO）系统中实现低开销、低成本的可靠通信,通过基于正交匹配追踪（OMP）算法的混合波束赋形,在低开销硬件限制下,探究了射频链路的数量、模数转换器数量、有限移相器精度的变化对混合波束赋形系统性能的影响,并与理想情况下的数字波束赋形性能进行对比.仿真结果表明,在射频链路中模数转换器数量较少和移相器精度较低时,基于此算法的波束赋形方案能够达到与理想数字波束赋形系统相近的性能指标.     

基于Cyclic-Music算法MIMO雷达的DOA估计

在具有循环平稳特性的信号环境中,传统DOA（Direction Of Arrival）估计算法精度很差,甚至失效。为此,将Cyclic-Music算法运用在MIMO（Moltiple Inpat and Multiple Output）雷达系统中,利用循环统计量理论计算接收信号间的循环相关函数,基于此构造循环互相关矩阵,并对其进行奇异值分解和谱峰搜索,从而得到信号的波达方向角。理论推导和仿真结果均表明,该方法可以有效估计具有循环平稳特性的人工信号波达方向,从有效性和精度两个方面改善了MIMO雷达的估计性能。