信道距离差异对统计MIMO雷达检测性能影响

研究了统计多输入多输出(Multiple Input Multiple Output,MIMO)雷达探测目标时信道间的距离差异对系统检测性能的影响。首先根据雷达方程在信号模型中引入了信道距离差异因子用以表征距离差异对接收信号的影响;在此基础上推导了统计MIMO雷达检测系统的似然比函数和检验统计量的分布;然后利用检测器的偏移系数仿真分析了距离差异导致的信道间目标回波信噪比的起伏对检测性能的影响。仿真结果表明,在信道信噪比较低时信道间距离差异对系统检测性能的影响较小,但随着信道信噪比的提高这种影响在不断增大进而会导致系统检测性能的严重下降。研究结果对统计MIMO雷达的系统配置和实际应用具有参考价值...     

基于压缩转发的协作MIMO雷达成像算法

以实现地面目标的快速、高分辨率成像为目的,本文提出了一种基于压缩感知和协作通信技术的解决方案。在分析压缩感知理论和传统协作MIMO雷达成像算法的基础上,提出了基于匹配滤波器的协作MIMO雷达回波信号的稀疏表示方法和用于恢复重构的基函数,并建立了基于压缩转发的协作MIMO雷达系统模型。该系统主要由收发雷达、转发节点和压缩感知成像处理中心组成,转发节点利用模拟/信息转换(AIC)测量框架将雷达回波数据压缩后转发,压缩感知成像处理中心接收到各转发节点转发的数据后,利用正交匹配追踪算法(OMP)进行距离向压缩和方位向压缩,从而实现快速、高分辨率成像。仿真结果表明,该方法比传统MIMO雷达对各转发节点的传输负荷要求低,成像速度快,目标旁瓣低,成像效果好。      

基于混合匹配追踪算法的MIMO雷达稀疏成像方法

多输入多输出(MIMO)雷达作为一种新型的雷达体制,其成像兼具高分辨率与实时性的优点。由于观测区域的稀疏性,MIMO雷达成像可以用压缩感知的方法进行处理。而现有的MIMO雷达稀疏成像的贪婪恢复算法中,正交匹配追踪算法(OMP)存在成像图像有伪影的缺点,子空间追踪算法(SP)则受到低分辨率的困扰。针对上述问题,该文提出一种称为混合匹配追踪算法的压缩感知贪婪算法以实现MIMO雷达稀疏成像。通过将两种贪婪恢复算法结合起来,利用OMP 算法选择基信号的正交性和SP 算法具有基信号选择的回溯策略,来重构出高分辨率且没有伪影的雷达图像。仿真实验验证了所提算法的有效性。     

时分MIMO滑坡雷达稀疏成像算法

针对现用于成像的MIMO山体滑坡雷达均匀线性阵列数目过多、数据处理复杂度高的问题，引入稀疏阵列时分地基MIMO雷达模型，提出一种基于逆傅里叶变换和混合匹配追踪算法的成像方法。首先通过对雷达回波信号作逆傅里叶变换实现距离向压缩，并进行近似相位补偿，然后采用一种基于时延补偿因子稀疏基的压缩感知算法实现方位向压缩。同时针对多目标成像的伪影点问题，方位向数据压缩引入子空间追踪算法和正交匹配追踪算法的结合算法重构出高分辨率且没有伪影的二维图像。根据真实的山体滑坡监测成像场景参数，通过数值仿真验证了该方法能够在低于传统均匀阵列的天线数目情况下实现目标高质量成像，且具有一定的抗噪性。     

分布式MIMO数字阵列雷达阵元优化配置

为了合理分配相参增益和空间分集增益在分布式多输入多输出(MIMO)数字阵列雷达系统中的比重,研究了其阵元的优化配置问题。首先,根据MIMO雷达信号模型将阵元配置问题转化为目标散射系数矩阵的分块划分问题;然后,依据子块内信号相参处理,子块间信号非相参处理的方式推导了似然比检测器;最后,分别从检测概率最大、探测距离最远和总的阵元数最少三个方面给出了阵元优化配置的表达式并进行了仿真分析。研究结果表明:应首先利用相参增益将回波信噪比提高到一定值后才能利用空间分集增益;分置接收天线比分置发射天线牺牲的相参增益少;当检测概率大于0.8时,分置两个收发共用的相控阵天线可使系统阵元总数最少,否则无需天线分置。     

基于非线性最小二乘的统计MIMO雷达动目标参数估计算法

根据统计MIMO雷达的工作原理和多脉冲信号模型,提出了一种含加速度的动目标模型,推导证明了位置、速度和加速度联合估计下的CRB,分析了收发天线数、天线配置对参数估计性能的影响,并利用非线性最小二乘模型简化了目标函数的形式,在降低参数估计成本的同时,利用脉冲积累特性又可提高估计精度。文中表明随着天线数、发射脉冲数的增加,系统参数估计性能会大幅提高,且利用最小二乘模型的目标函数,参数估计的效率更高。仿真实验有效地验证了理论分析的正确性。     

一种MIMO雷达正交多相码的设计实现方法

多输入多输出(MIMO)雷达能利用空间分集与波形分集的能力,有效地改善雷达探测性能,提高杂波背景下目标检测能力,获得更高的目标探测精度。针对MIMO雷达正交波形的设计,利用贪婪算法,提出了一种MIMO雷达正交多相码波形设计方法,并仿真了该算法产生的信号平均峰值自相关旁瓣和平均互相关峰值。最后通过MIMO雷达目标探测的仿真,验证了产生的多相码信号对目标探测的有效性。     

对统计MIMO雷达的干扰

多输入多输出（MIMO）雷达采用了空间分集和频率分集技术,克服了雷达截面（RCS）角闪烁带来的性能损失。分析了对MIMO雷达有效干扰的几种方式：多波束雷达干扰、分布式干扰、假目标欺骗干扰和网络雷达干扰。     

MIMO雷达中的谱修正旁瓣抑制技术研究

谱修正是一种简单有效的抑制脉压旁瓣的方法,通过对信号的频谱整形,抑制信号带内起伏,并采用频域加窗达到控制脉压信号距离旁瓣的目的。MIMO雷达常用的正交信号经脉冲压缩后存在不希望的距离旁瓣,若直接将谱修正技术用于MIMO雷达各个子带信号脉压处理,由于子带间信号互相关的影响,将不能获得较好的距离旁瓣抑制效果。本文针对该问题,提出了一种对MIMO雷达综合信号进行谱修正和频域加窗的方法,可以更有效地抑制脉压距离旁瓣。仿真结果显示,该方法能取得40dB以上的主副比,且能有效降低系统的复杂度和运算量,在多普勒和角度偏差不大的情况下,其峰值旁瓣电平明显低于传统的匹配滤波。      

基于压缩感知的MIMO NC-OFDM系统信道估计算法北大核心

多输入多输出不连续正交频分复用(MIMO NC-OFDM)系统是认知无线电(CR)系统的常用体制,由于授权用户占用而导致的载波不连续情况下的信道估计是影响该系统性能的关键技术问题。提出一种基于压缩感知(CS)的MIMO NC-OFDM系统的信道估计方法——稀疏自适应匹配追踪(SAMP)算法。SAMP算法在重构过程中先对信号稀疏度进行初始估计,然后自适应调整步长逐步逼近信号,相较于其他贪婪算法,能够在稀疏度未知的情况下准确重建稀疏信号。仿真结果表明,SAMP算法提高了重构精度,在实际应用中易于实现。     

MIMO雷达中基于互协方差压缩感知的角度估计算法

将压缩感知(CS)理论应用到单基地集中式多输入多输出(MIMO)雷达的角度估计中,提出了MIMO雷达中基于互协方差CS的角度估计算法。首先进行降维变换降低复杂度,然后根据多快拍数据互协方差的特点,噪声影响被大大降低,最后构造字典并采用正交匹配追踪算法(OMP)进行压缩感知后期恢复。算法不再需要难以抉择的正则系数,并且利用了多快拍互协方差来估计波达角(DOA),对噪声有很强的鲁棒性,同时对相干目标也可准确估计。该算法的角度估计性能也优于现有文献的一些方法。仿真结果验证了算法的有效性。     

基于压缩感知的认知雷达参数估计

为了改善基于压缩感知技术的认知雷达(CR)目标参数估计的性能,研究了CR闭环反馈中的感知矩阵更新和稀疏目标场景重构.首先,根据等角紧框架和复Gram矩阵,构造胖矩阵情况下感知矩阵更新的目标矩阵;然后,将测量矩阵优化设计的最小二乘问题展开,利用Kronecher积推导测量矩阵更新的一步迭代公式;最后,引入阈值收缩函数去除迭代重加权最小二乘估计值中的无关小量,进而去除重构场景中的伪峰.计算机仿真实验验证了该算法的有效性.     

基于压缩感知的无源雷达超分辨DOA估计

波达方向(DOA)信息是目标定位过程中一个非常重要的量。但是在无源雷达中,目标回波通常掩盖在强直达波、多径干扰以及噪声的背景之下,因此很难对其进行DOA估计,特别是在多目标的情况下。该文提出一种基于压缩感知的无源雷达超分辨DOA估计方法,为了消除直达波和多径干扰以及提高目标回波的信噪比,首先进行时域干扰相消和距离-多普勒2维相关处理,最后在目标对应的距离-多普勒单元处进行方位向压缩感知稀疏重构,以获得目标的DOA信息。仿真分析表明,该文方法能够在无源雷达中进行有效的超分辨DOA估计。     

一种对MIMO 雷达正交QPSK 信号的参数估计方法

针对多输入多输出雷达所采用的正交四相编码信号,提出了基于循环自相关函数的参数估计方法。文中首先对正交四相编码信号模型的循环自相关函数和循环谱密度函数进行了推导;然后,依据推导结果,通过对循环谱密度函数最大模值位置的搜索完成了对信号载频的估计;最后,对不同延时条件下循环自相关函数在相位修正后进行累积,实现了对码速率的估计。仿真表明,文中算法在信噪比优于1 dB 后,可以较好地完成对正交四相编码信号的调制参数估计。     

基于压缩感知的LFM雷达信号回波盲稀疏度估计

由于压缩感知理论用于LFM雷达中要预先给出信号稀疏度,提出了自适应正交匹配追踪算法(AOMP),该方法可用于处理LFM雷达回波信号。在稀疏度即目标数目未知时,由不同发射信号通过延时进而相加来构造冗余字典。AOMP算法是依据残差之差的相对能量小于设定的停止门限来自适应终止稀疏分解过程。理论分析和仿真结果表明,存在噪声时,AOMP算法优于OMP算法,明显提高重构算法的重建概率。当回波信号的距离分辨率匹配字典的距离分辨率,冗余字典结合AOMP算法可有效处理LFM雷达回波信号,具有广泛的应用价值。     

基于压缩感知的稀疏阵列MIMO雷达成像方法

针对MIMO雷达对空目标单次快拍成像时天线数目较多问题,该文提出了一种稀疏阵列MIMO雷达的成像方法。首先分析了MIMO雷达天线的稀疏布阵方式,其次结合压缩感知理论具体阐述了稀疏阵列MIMO雷达的成像方法。该方法不仅能够对运动目标实现单次快拍成像,避免了目标机动带来的运动补偿难题,同时又能够大幅减少MIMO雷达的天线规模,便于工程实现。最后利用仿真实验验证了所提方法的有效性。     

MIMO雷达信号模型

介绍了为改善雷达性能的一种新概念雷达模型,即多输入多输出(MIMO)雷达,他利用了目标雷达截面积(RCS)在方位上的闪烁。描述了多功能数字阵列雷达如何在常规和MIMO模式下工作的情况。用数字阵列实现强聚焦发射波束(如用于跟踪)和宽的发射照射波束(如用于搜索)。最后试验验证了全景MIMO阵列的优势性能,并给出了MIMO雷达的发展前景。     

基于变分模态分解和压缩感知的弱观测条件下雷达信号重构方法

针对弱观测条件下雷达信号存在数据残损的问题,该文提出一种基于变分模态分解和压缩感知(VMD-CS)的雷达信号重构方法.首先通过变分模态分解对采样数据进行降解去噪处理,其次在压缩感知框架下构造观测矩阵、稀疏表示字典矩阵,然后基于正交追踪匹配(OMP)算法重构出稀疏表示向量.在此基础上利用离散余弦稀疏矩阵重构信号,实现对残损雷达信号的数据重构.在连续丢失数据和随机丢失数据两种情况下,对实际采集的线性调频(LFM)雷达信号进行仿真实验.实验结果表明:在数据连续丢失率不高于30％或随机丢失率不高于60％的情况下,该文方法能有效重构雷达信号,在时域、频域和瞬时频率上能够准确逼近原始信号.     

基于变分模态分解和压缩感知的弱观测条件下雷达信号重构方法

针对弱观测条件下雷达信号存在数据残损的问题,该文提出一种基于变分模态分解和压缩感知(VMD-CS)的雷达信号重构方法。首先通过变分模态分解对采样数据进行降解去噪处理,其次在压缩感知框架下构造观测矩阵、稀疏表示字典矩阵,然后基于正交追踪匹配(OMP)算法重构出稀疏表示向量。在此基础上利用离散余弦稀疏矩阵重构信号,实现对残损雷达信号的数据重构。在连续丢失数据和随机丢失数据两种情况下,对实际采集的线性调频(LFM)雷达信号进行仿真实验。实验结果表明：在数据连续丢失率不高于30%或随机丢失率不高于60%的情况下,该文方法能有效重构雷达信号,在时域、频域和瞬时频率上能够准确逼近原始信号。