论文部分内容阅读
多输入多输出(Multiple input multiple output, MIMO)雷达是一种新体制雷达，相比于传统相控阵雷达具有非常多的优势，对其技术的研究为雷达系统发展提供了新的机遇。双基地MIMO雷达结合MIMO雷达和双基地雷达布阵方式的优点，成为当前MIMO雷达的热点研究方向。本文结合张量分解及空域滤波技术，主要研究双基地MIMO雷达多目标波离方向(Directional of departure, DOD)和波达方向(Directional of arrival, DOA)估计问题，本文取得的创新性成果如下：
(1)针对传统双基地MIMO雷达角度估计算法主要基于矩阵信号模型，没有充分利用接收信号的多维结构的问题，提出一种基于张量实值处理的酉平行因子(Unitary parallel factor, U-PARAFAC)算法。首先，证明了通过实值转化得到的实值张量模型满足PARAFAC分解条件。在此基础上，只要分解的唯一性条件得到满足，就可以得到包含目标角度信息的载荷因子。由于该算法不需要求解信号子空间，所以克服传统子空间类算法的许多缺点。仿真结果证明所提算法在估计邻近目标及两个以上的相关信源时，具有更高的测角精度。
(2)传统双基地MIMO雷达采用全正交波形，发射能量在整个空间区域内是均匀分布的。然而，在雷达目标跟踪过程中，目标的大体方位往往是已知的，在这种情况下采用正交波形就会造成很大能量浪费。针对这个问题，在矩阵信号模型基础上，提出一种基于发射波束域(Transmit beamspace, TB)的双基地MIMO雷达角度估计算法。首先，通过凸优化方法对TB矩阵进行设计，将发射能量尽可能集中在感兴趣的空域，同时限制发射能量在剩余区域的分布。此外，推导了双基地TB-MIMO雷达角度估计的克拉美罗界(Cramer-Rao bound, CRB)，较之于传统双基地MIMO雷达角度估计CRB要更低。
(3)在双基地TB-MIMO雷达体制下，将双基地MIMO雷达能量集中技术与PARAFAC张量分解技术结合，提出一种基于双基地TB-MIMO雷达的U-PARAFAC算法。首先，双基地TB-MIMO雷达接收信号模型与传统双基地MIMO雷达不同。为了将复数张量模型转换成实值张量模型，必须对TB矩阵的结构进行设计，使其满足一定的结构条件。为此，提出算法在传统优化模型中增加等式约束条件对TB矩阵结构进行约束。本文证明只要TB矩阵结构满足该条件，复数张量模型就可以通过传统方法转换为实值张量模型，并在此前提下证明该实值张量模型满足PARAFAC分解条件。
(4)在传统双基地MIMO雷达体制下，对发射维和接收维进行空域滤波处理，提出了一种基于实值处理的联合波束域双基地MIMO雷达测角方法。传统离散傅里叶变换(Discrete Fourier Transform, DFT)空域滤波器主副瓣比(Mainlobe-to-sidelobe ratio, MSR)过低。当空域维度确定后，DFT空域滤波器主瓣宽度和旁瓣电平无法灵活控制。与直接采用DFT空域滤波器的传统波束域方法不同，所提方法的空域滤波器通过凸优化方法进行设计，能够灵活控制空域滤波器的主瓣宽度并抑制旁瓣电平，其MSR能够得到很大提高，从而提高测角性能。更重要的是，所提算法对TB和接收波束域(Receive beamspace, RB)矩阵的结构进行设计，这种特殊的结构是构造实值信号模型的必要条件。
(5 )在传统双基地MIMO雷达基础上，将空域滤波技术与高阶奇异值分解(Higher-order singular value decomposition, HOSVD)和PARAFAC张量分解技术结合，分别提出了基于HOSVD和PARAFAC分解的空域滤波测角算法。在构造完实值张量模型后，对其进行HOSVD得到的信号子空间较传统矩阵分解有更高的精度。另外，证明了空域滤波后的实值张量信号模型依然是PARAFAC张量模型，满足PARAFAC分解条件。
(1)针对传统双基地MIMO雷达角度估计算法主要基于矩阵信号模型，没有充分利用接收信号的多维结构的问题，提出一种基于张量实值处理的酉平行因子(Unitary parallel factor, U-PARAFAC)算法。首先，证明了通过实值转化得到的实值张量模型满足PARAFAC分解条件。在此基础上，只要分解的唯一性条件得到满足，就可以得到包含目标角度信息的载荷因子。由于该算法不需要求解信号子空间，所以克服传统子空间类算法的许多缺点。仿真结果证明所提算法在估计邻近目标及两个以上的相关信源时，具有更高的测角精度。
(2)传统双基地MIMO雷达采用全正交波形，发射能量在整个空间区域内是均匀分布的。然而，在雷达目标跟踪过程中，目标的大体方位往往是已知的，在这种情况下采用正交波形就会造成很大能量浪费。针对这个问题，在矩阵信号模型基础上，提出一种基于发射波束域(Transmit beamspace, TB)的双基地MIMO雷达角度估计算法。首先，通过凸优化方法对TB矩阵进行设计，将发射能量尽可能集中在感兴趣的空域，同时限制发射能量在剩余区域的分布。此外，推导了双基地TB-MIMO雷达角度估计的克拉美罗界(Cramer-Rao bound, CRB)，较之于传统双基地MIMO雷达角度估计CRB要更低。
(3)在双基地TB-MIMO雷达体制下，将双基地MIMO雷达能量集中技术与PARAFAC张量分解技术结合，提出一种基于双基地TB-MIMO雷达的U-PARAFAC算法。首先，双基地TB-MIMO雷达接收信号模型与传统双基地MIMO雷达不同。为了将复数张量模型转换成实值张量模型，必须对TB矩阵的结构进行设计，使其满足一定的结构条件。为此，提出算法在传统优化模型中增加等式约束条件对TB矩阵结构进行约束。本文证明只要TB矩阵结构满足该条件，复数张量模型就可以通过传统方法转换为实值张量模型，并在此前提下证明该实值张量模型满足PARAFAC分解条件。
(4)在传统双基地MIMO雷达体制下，对发射维和接收维进行空域滤波处理，提出了一种基于实值处理的联合波束域双基地MIMO雷达测角方法。传统离散傅里叶变换(Discrete Fourier Transform, DFT)空域滤波器主副瓣比(Mainlobe-to-sidelobe ratio, MSR)过低。当空域维度确定后，DFT空域滤波器主瓣宽度和旁瓣电平无法灵活控制。与直接采用DFT空域滤波器的传统波束域方法不同，所提方法的空域滤波器通过凸优化方法进行设计，能够灵活控制空域滤波器的主瓣宽度并抑制旁瓣电平，其MSR能够得到很大提高，从而提高测角性能。更重要的是，所提算法对TB和接收波束域(Receive beamspace, RB)矩阵的结构进行设计，这种特殊的结构是构造实值信号模型的必要条件。
(5 )在传统双基地MIMO雷达基础上，将空域滤波技术与高阶奇异值分解(Higher-order singular value decomposition, HOSVD)和PARAFAC张量分解技术结合，分别提出了基于HOSVD和PARAFAC分解的空域滤波测角算法。在构造完实值张量模型后，对其进行HOSVD得到的信号子空间较传统矩阵分解有更高的精度。另外，证明了空域滤波后的实值张量信号模型依然是PARAFAC张量模型，满足PARAFAC分解条件。