基于贝叶斯压缩感知的噪声MIMO雷达稳健目标参数提取方法

针对压缩感知雷达(Compressive Sensing Radar, CSR)面临测量噪声、信道干扰及系统精度误差等扰动时,非自适应随机测量值和感知矩阵失配导致传统CSR目标参数提取性能下降的问题,该文提出一种基于贝叶斯压缩感知(Bayesian Compressive Sensing, BCS)的噪声MIMO雷达稳健目标参数提取方法。文中首先建立了噪声MIMO雷达的稀疏感知模型,推导了基于目标参数稀疏贝叶斯模型的联合概率密度函数,随后将 BCS 方法与 LASSO (Least-Absolute Shrinkage and Selection Operator)算法相结合对联合概率密度函数进行优化求解。与传统CSR算法相比,该方法能够在CSR系统模型存在失配误差时对目标参数进行有效估计,降低了目标参数估计误差,改善了CSR目标参数提取的准确性和鲁棒性。计算机仿真验证了该方法的有效性。     

冲击噪声下基于混合LL2 -L1 优化求解的CSR 参数估计

针对冲击噪声环境下压缩感知雷达参数估计性能急剧下降的问题,提出一种新的鲁棒性参数估计方法。首先,根据压缩感知雷达参数估计的稀疏线性模型,基于Lorentzian 范数和L1 范数稀疏正则化构造冲击噪声背景下稀疏重构的混合LL2-L1 范数优化模型;然后,利用迭代加权最小二乘法和阈值收缩函数推导上述模型优化求解的一步迭代公式;最后,从理论上对文中算法的收敛性进行证明,并给出算法计算复杂度的定量分析。计算机仿真实验表明,文中算法在冲击噪声下支撑集的重构更精确、重构信号的精度更高、重构的计算量更小。     

基于稀疏表示的频控阵MIMO雷达多目标定位

针对频控阵多输入多输出（MIMO）雷达,提出了一种基于压缩感知稀疏表示思想的目标定位算法。首先回顾了 MIMO 雷达和频控阵的特点,进而研究了频控阵 MIMO 雷达的性质,它不但可以具有MIMO 雷达的优点,而且能够感知目标的距离维信息,同时针对频控阵 MIMO 雷达接收数据模型进行数学建模,并把目标定位问题表示成稀疏表示框架下的代价函数。最后利用凸优化工具对代价函数进行优化求解,由所得稀疏权向量中的非零元素索引映射出目标的方位和距离信息。与现有的经典 MUSIC 算法相比,具有更好的定位性能,计算机仿真结果证明了所提算法的有效性。     

基于稀疏贝叶斯学习的无源雷达高分辨成像

针对无源雷达压缩感知成像,该文提出一种基于稀疏贝叶斯学习的高分辨成像算法。基于一次快拍模式下的无源雷达回波模型,文中首先考虑目标散射系数的统计特性及其对微波频率的依赖关系,将无源雷达成像转化为MMV(Multiple Measurement Vector)联合稀疏优化问题;然后对目标建立了级联形式的稀疏先验模型,并利用稀疏贝叶斯学习技术进行求解。相比之前基于目标确定性假设的稀疏恢复方法,所提算法更好地利用了目标的统计先验信息,具有能够自适应调整参数(目标模型参数和未知噪声功率)和高分辨反演目标等优点。仿真结果验证了该算法的有效性。     

基于DCS 的统计MIMO 雷达信号模型及参数估计

分布式压缩感知(Distributed Compressed Sensing, DCS)将单信号的压缩采样扩展到信号群的压缩采样,利用信号内相关性和互相关性对多个信号进行联合重构。统计多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达系统通过多发多收配置,在发射机、目标以及接收机之间构成对目标的分布式探测系统。该文将DCS应用到统计MIMO 雷达中,通过对该场景中目标回波的延时在距离空间稀疏性的分析,提出联合所有接收信号重构目标场景的设想,建立了接收信号的联合稀疏模型,并实现了目标参数估计的联合重构算法。仿真结果表明与基于压缩感知(Compressed Sensing, CS)的算法相比,基于DCS 的算法在进一步降低采样数目的同时提高了参数估计精度,同时也验证了DCS-MIMO 雷达可以有效克服目标的雷达散射截面积(Radar Cross Section, RCS)起伏。      

一种稳健的盲稀疏度压缩感知雷达目标参数估计方法

针对压缩感知雷达(Compressive Sensing Radar, CSR)在感知矩阵和目标信息矢量失配时距离-多普勒参数估计性能下降的问题,该文提出一种稳健的盲稀疏度CSR目标参数估计方法。首先建立了CSR系统模型失配时的距离-多普勒2维参数稀疏感知模型,推导了以最小化感知矩阵相干系数(Coherence of Sensing Matrix, CSM)为准则的波形优化目标函数。其次提出了一种新的盲稀疏度CSR目标参数估计方法,通过发射波形,系统模型失配误差和目标信息矢量的相互迭代,逐步校正系统感知矩阵,最终以较高精度估计目标距离-多普勒参数。与传统CSR目标参数估计方法相比,该方法显著降低了CSR系统距离-多普勒参数的估计误差,改善了CSR目标参数估计的准确性和鲁棒性。计算机仿真验证了该方法的有效性。     

稀疏阵列L 型MIMO 雷达运动目标三维成像方法

针对L型多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达对空中运动目标三维成像天线数目较多问题,提出了发射阵列采用稀疏布阵的L型MIMO雷达三维成像方法。该文首先分析了MIMO雷达发射阵列的稀疏布阵方式,其次结合压缩感知理论具体阐述了基于稀疏阵列的三维成像方法。该方法在大幅减少L型MI-MO雷达发射天线的条件下,实现了对运动目标的单次快拍三维成像,不仅有效避免了目标机动带来的运动补偿难题,同时又降低了系统的硬件复杂度,便于工程应用。最后利用仿真实验验证了本文方法的有效性和可行性。     

基于压缩感知的伪随机多相码连续波雷达

该文利用雷达目标空间的稀疏特性,提出了一种基于压缩感知的伪随机多相码连续波雷达。建立了目标信息感知模型,采用压缩感知以低于奈奎斯采样率对目标回波采样,然后从少量的采样数据中提取噪声背景下的目标场景信息。为了提高目标信息提取的有效性,采用模拟退火算法对波形进行优化。仿真结果表明了该方法的优越性。     

低复杂度的双基地MIMO雷达阵列优化方法

针对双基地MIMO雷达的稀疏发射和接收阵列联合优化时由于二维角度搜索导致其计算量较大的问题,提出一种低复杂度的双基地MIMO雷达稀疏阵列优化方法。该方法利用MIMO雷达方向图乘积定理将二维角度的优化目标函数分解成两个一维角度的目标函数,然后可以利用遗传算法分别对发射阵列和接收阵列进行优化。该方法不需要二维角度搜索优化,在保证阵列方向图旁瓣抑制性能的基础上,降低了阵列优化的复杂度。仿真结果验证了所提方法的有效性。     

MIMO雷达三维成像自适应Off-grid校正方法

在压缩感知成像算法中,真实目标点一般不会恰好落在预先划定的网格点上,这种网格偏离(Off-grid)问题会带来真实回波与测量矩阵之间的失配,严重降低雷达成像的性能。针对多输入多输出(MIMO)雷达3维成像的网格失配问题,该文提出一种自适应的Off-grid校正方法,基于Off-grid目标的稀疏回波模型构造贝叶斯概率密度函数,采用最大后验概率(MAP)方法求解含有失配偏差的稀疏像。与传统方法相比,该方法可以充分利用失配参数的先验信息,自适应地更新参数,降低了失配误差的影响,并能实现对稀疏目标和噪声功率的高精度估计。仿真结果表明,该方法可以有效地实现对网格失配的优化,具有精确且稳定的成像性能。     

Angle Estimation Using Quaternion-ESPRIT in Bistatic MIMO-Radar

In this letter; we present a novel two-dimensional angle estimation for bistatic multiple-input multiple-output (MIMO) radar. We reconstruct the received signal of MIMO radar to model with quaternion theory, and then angle estimate using quaternion estimation of signal parameters via rotational invariance technique for MIMO radar is proposed. The proposed algorithm can obtain automatically paired two-dimensional angle estimation in MIMO-radar. The proposed algorithm has much better angle estimation performance than the Wang’s quaternion algorithm, which has a much heavier computational load than the proposed algorithm. Simulation results verify the usefulness of our algorithm.     

统计MIMO雷达目标跟踪技术研究

首先研究了统计多输入多输出(MIMO)雷达对运动目标参数的估计(也称雷达测量),以雷达估计性能为依据设定其工作参数,提出了一种统计MIMO雷达对运动目标跟踪与参数估计相结合的交互式跟踪方法。理论分析表明,所提方法在目标雷达横截面积(RCS)闪烁严重的情况下仍能很好地进行跟踪,并保持很高的跟踪精度;而且论文中所提出的参数估计法可以有效地降低MIMO雷达参数估计的运算复杂度,解决了参数估计中一大难题。仿真实验也验证了该方法的有效性。     

分布式MIMO雷达目标散射模型研究

针对当前分布式多输入多输出(MIMO)雷达目标散射模型的不足,提出了一种三维特体目标模型;在考虑点散射体电磁散射的方向性、遮蔽及收发天线方位角、俯仰角等因素的条件下,推导了目标静态雷达截面积(RCS)的计算公式和MIMO雷达信道的相关函数;同时,仿真分析了目标动态RCS的统计模型及其与收发天线双基地角的关系,以及MIMO雷达信道空间去相关的条件。仿真分析结果与RCS的经典统计模型、双基地RCS的经验结论以及单基地雷达回波信号去相关角度的经验值是吻合的,证实了模型的科学性和合理性。研究结果对分布式MIMO雷达的检测、跟踪和系统配置等研究具有参考价值。     

基于1比特量化的大规模MIMO雷达系统直接定位算法

1比特量化技术在大规模MIMO雷达系统中的应用使得系统成本、功耗及传输带宽显著降低。但这同时也对如何从1比特量化后的数据中提取目标高精度信息提出了严峻挑战。针对基于1比特量化的二次定位算法在低信噪比下定位精度低、鲁棒性差的问题,该文提出了一种基于1比特量化的大规模MIMO雷达系统目标直接定位算法。首先,通过将接收信号进行1比特量化,并推导基于1比特信号的概率分布,建立了关于目标位置的代价函数;其次,通过证明代价函数的凸性,利用梯度下降算法求解了回波中未知的信号参数;最后,根据最大似然估计实现了目标直接定位。仿真实验分析了所提算法的定位性能,结果表明,所提算法仅需传输相较于高精度采样(16比特为例)直接定位算法6.25%的通信带宽,同时其功耗仅为前者的0.1%。此外,与基于1比特量化的二次定位算法相比,所提算法在低信噪比下便可实现对目标位置的有效估计,并且其定位性能在低信噪比和低MIMO天线数量下均明显优于前者。同时,其性能会随着过采样技术的应用进一步提升。      

PHD filter based track-before-detect for MIMO radars

In this paper a Probability Hypothesis Density (PHD) filter based track-before-detect (TBD) algorithm is proposed for Multiple-Input-Multiple-Output (MIMO) radars. The PHD filter, which propagates only the first-order statistical moment of the full target posterior, is a computationally efficient solution to multitarget tracking problems with varying number of targets. The proposed algorithm avoids any assumption on the maximum number of targets as a result of estimating the number of targets together with target states. With widely separated transmitter and receiver pairs, the algorithm utilizes the Radar Cross Section (RCS) diversity as a result of target illumination from ideally uncorrelated aspects. Furthermore, a multiple sensor TBD is proposed in order to process the received signals from different transmitter-receiver pairs in the MIMO radar system. In this model, the target observability to the sensor as a result of target RCS diversity is taken in to consideration in the likelihood calculation. In order to quantify the performance of the proposed algorithm, the Posterior Cramer-Rao Lower Bound (PCRLB) for widely separated MIMO radars is also derived. Simulation results show that the new algorithm meets the PCRLB and provides better results compared with standard Maximum Likelihood (ML) based localizations.     

MIMO Radar with Widely Separated Antennas

MIMO (multiple-input multiple-output) radar refers to an architecture that employs multiple, spatially distributed transmitters and receivers. While, in a general sense, MIMO radar can be viewed as a type of multistatic radar, the separate nomenclature suggests unique features that set MIMO radar apart from the multistatic radar literature and that have a close relation to MIMO communications. This article reviews some recent work on MIMO radar with widely separated antennas. Widely separated transmit/receive antennas capture the spatial diversity of the target's radar cross section (RCS). Unique features of MIMO radar are explained and illustrated by examples. It is shown that with noncoherent processing, a target's RCS spatial variations can be exploited to obtain a diversity gain for target detection and for estimation of various parameters, such as angle of arrival and Doppler. For target location, it is shown that coherent processing can provide a resolution far exceeding that supported by the radar's waveform.     

新的双基地MIMO雷达角度估计方法

为降低双基地MIMO雷达前端数据处理的计算量,构造出了“扩展”信号子空间,并根据此信号子空间的特点,提出了多项式求根—空域滤波的收发角度估计算法,避免了二维谱搜索,实现了目标角度的自动配对,并推导了多目标和单目标下双基地MIMO雷达角度估计的克拉美罗下界（CRB）。研究表明空域滤波时,泰勒级数展开的阶数越高,目标的角度估计精度越好;当目标各发射角度相隔较近时,仍能得到较好的估计结果;在低信噪比时,估计精度优于ESPRIT算法,在高信噪比时,2种算法的估计精度均接近于CRB。     

冲激噪声环境下基于最大相关熵准则的双基地 MIMO雷达目标参数联合估计算法

该文采用最大相关熵准则(MCC)对平行因子分析算法中基于三线性最小二乘(TALS)迭代准则的目标函数进行了修正,推导出适用于脉冲噪声环境的韧性平行因子分析(PARAllel FACtor, PARAFAC)算法(MCC- PARAFAC算法),并将该方法应用于双基地MIMO雷达系统目标参数估计中。MCC-PARAFAC算法能够抑制脉冲噪声的影响,具有较好的估计性能,并且能够实现自动配对。仿真实验验证了算法的有效性。     

Joint Angle and Array Gain-Phase Errors Estimation Using PM-like Algorithm for Bistatic MIMO Radar

This paper discusses the problem of the direction of departure (DOD) and the direction of arrival (DOA) estimation for multi-input multi-output (MIMO) radar with array gain-phase errors. In this paper, we propose a propagator method (PM)-like algorithm for joint angle and array gain-phase errors estimation in MIMO radar. The proposed method not only yields automatically paired estimates of the angles and gain-phase errors but also has much better gain-phase errors estimation performance than the estimation of signal parameters via rotational invariance techniques (ESPRIT)-like algorithm; this has higher computational cost than the proposed algorithm. Furthermore, the proposed algorithm has angle estimation performance very close to ESPRIT-like algorithm. We also derive the Cramér–Rao bound (CRB) for MIMO radar with array gain-phase errors. Simulation results present the usefulness of our approach.