范数方法的mimo雷达系统doa估计方法
【技术领域】
[0001] 本发明设及MIM0雷达系统技术领域，特别设及MIM0雷达系统D0A估计的应用，具 体说是一种基于实域加权最小化li范数方法的MIM0雷达系统D0A估计方法。
【背景技术】
[000引 最近几年里，由于多输入多输出（multiple-i吨utmultiple-output,MIM0)阵列 雷达系统（I邸ESi即alProcessingMagazine, 2007, 24巧）；106-114)相比于传统相控阵 雷达系统的潜在优点而得到极大的关注。在MIM0雷达系统中，角度估计是一个关键性问 题。对于该个问题，一些基于子空间的方法，例如MUSIC算法（I邸ETrans.Antennasand propagation, 1986, (3) ;276-280)和ESPR]；T算法（I邸ETrans.Si即alProcess. ,1989， 37(7) ;984-995)，已经在MIMO雷达系统的角度估计中得到了应用。另一方面，利用MIMO雷达系统的特殊结构，在DOA估计中已经提出了畑-ESPRIT(ElectronicsLetters;2011， 47(4) ;283-284)和共辆ESPRIT(C-ESPRIT)(Si即alProcess. ,2013,93 ;2070-2075)算 法。基于传送阵波束空间能量集中技术（I邸ETransationsonSi即alProcessing，2011， 59化）；2669-2682)算法的提出提高了角度估计性能。然而，该些方法的性能在低SNR,有限 快拍数或者目标空间紧密分布的情况下通常是不能达到要求的。
[0003] 近几年，稀疏表示领域的出现给阵列信号处理中的D0A估计提供了新的视点，在 相关领域中已经提出了一些稀疏表示方法。针对D0A估计提出的一种li-SVD算法（I邸E Trans.Si即alProcess.,2005, 53(8) ;3010-3022)，利用li范数处罚接近1。范数处罚，关注 直接数据。IrSRACV算法（I邸ETrans.Si即alProcess.，2011，59(2);629-638)和〔15尺 算法（I邸ETrans.Aerosp.Electron.Syst.，2013,49 (3))不是利用直接数据而是基于阵列 协方差向量的稀疏性。另一方面，实域li-SVD(RVli-SVD)算法（I邸EAntennasWireless Propag.Lett.，2013,12 ;376-379)，相比于li-SVD算法具有更低的计算复杂度，更好的角度 估计性能。上面所提到的方法都是基于li范数处罚，1 1范数处罚不能更好地接近1。范数处 罚。在（Journaloffourieranalysisandapplications,2008,14巧）；887_905)中提出 的一种迭代算法，加权最小化li范数方法，更好地接近了 1。范数处罚。但是该面临两大问 题；1)只适用于单测量矢量恢复问题。然而，在MIMO阵列系统D0A估计中设及到多测量矢 量恢复问题；2)在MIMO雷达系统中需要二维完备字典恢复稀疏阵列，该也许在恢复稀疏矩 阵时失效。
【发明内容】
[0004] 本发明的目的在于克服上述方法的缺陷，提出一种新的基于实域加权最小化li范 数的MIMO雷达系统D0A估计方法。
[0005] 本发明的目的是该样实现的：
[0006] 包括如下步骤；
[0007] (1)发射阵列发射相互正交的相位编码信号，接收端进行匹配滤波处理后获得接 收数据，并利用降维矩阵对接收数据进行降维处理；
[000引 （2)利用酉变换矩阵，将降维后接收数据的增广样本矩阵变成实域，进行奇异值分 解并获得稀疏表示框架下的相应模型；
[0009] (3)利用实域导向矢量和它相应噪声子空间的正交性，设计一个对角线元素与实 域MUSIC谱相对应的权值矩阵W解决MMV问题；
[0010] (4)设计实域加权最小化li范数框架，利用编程软件包SOC二阶锥计算方法，获得 恢复矩阵，寻找恢复矩阵中的非零行，实现对MIMO雷达系统中目标DOA的估计。
[0011] 所述步骤（1)中按如下步骤对接收数据进行降维处理：
[001引（1. 1)根据单基地MIMO雷达系统接收一发射导向矢量的结构可知，MIMO雷达系统 的发射一接收导向矢量满足：
[0013] a, (0)0a,. (60-Gb(巧，
[0014] 式中at( 0 )和ar( 0 )分别为发射导向矢量和接收导向矢量， G巨€*^xe，b(台）Ecexi，Q二M+N-1，分别是转换矩阵和一维导向矢量，
【主权项】
1. 基于实域加权最小化I i范数方法的MMO雷达系统DOA估计方法，其特征在于，包括 如下步骤： (1) 发射阵列发射相互正交的相位编码信号，接收端进行匹配滤波处理后获得接收数 据，并利用降维矩阵对接收数据进行降维处理； (2) 利用酉变换矩阵，将降维后接收数据的增广样本矩阵变成实域，进行奇异值分解并 获得稀疏表示框架下的相应模型； (3) 利用实域导向矢量和它相应噪声子空间的正交性，设计一个对角线元素与实域 MUSIC谱相对应的权值矩阵以解决MMV问题； (4) 设计实域加权最小化^范数框架，利用编程软件包SOC二阶锥计算方法，获得恢复 矩阵，寻找恢复矩阵中的非零行，实现对MMO雷达系统中目标DOA的估计。
2. 根据权利要求1所述的基于实域加权最小化I i范数方法的MMO雷达系统DOA估计 方法，其特征在于：所述步骤（1)中按如下步骤对接收数据进行降维处理： (I. 1)根据单基地MMO雷达系统接收一发射导向矢量的结构可知，MMO雷达系统的发 射一接收导向矢量满足：
式中at( Θ )和Θ )分别为发射导向矢量和接收导向矢量，
q = M+N - i，分别是转换矩阵和一维导向矢量，
通过利用矩阵Gh对应Q个不同的元素，二维导向矢量可以转换为一维导向矢量即进行 降维处理； (1. 2)根据转换矩阵，降维矩阵为W = F1/2GH，其中
(1. 3)利用W获得降维接收数据文，则有
3. 根据权利要求1所述的基于实域加权最小化I i范数方法的MMO雷达系统DOA估计 方法，其特征在于：所述步骤（2)中按如下步骤利用酉变换矩阵，将降维后接收数据的增广 样本矩阵变成实域，进行奇异值分解并获得稀疏表示框架下的相应模型： (2. 1)考虑增广样本矩阵
其中rQ是具有反对角元素为1，其他元素 为O的QXQ交换矩阵，（·Γ表示共轭操作，Y是中心厄米特矩阵并且能够转换为一个实域 矩阵，
示对角化操作，其中关于接收数据的线性阵列在降维转换后是中心对称的，酉变换后，实域 导向矩阵为
其中St= [φ ?S φ<Γ;]υ2;是实域信号矩阵
「是实域噪声 矩阵； (2. 2)对YtS用奇异值分解SVD技术，有
其中t.=S,.Vs，Nr=NrVf Vs是由对应着P个最大奇异值的￥1·的实域右奇异向量 构成； (2. 3)应用稀疏表示框架，实域一维完备字典可以表示为：
，在稀疏表示 框架下，
4.根据权利要求1所述的基于实域加权最小化I i范数方法的MMO雷达系统DOA估计 方法，其特征在于：所述步骤（3)中按如下步骤利用实域导向矢量和它相应噪声子空间的 正交性，设计对角线元素与实域MUSIC谱相对应的权值矩阵： (3. 1)将实域完备字典分为两部分
式中j
是由对应着可能目标的实域导向矢量
1，2,…，P组成：
是由字典δ?剩下的实域导向矢量组成，Vn是实域噪声子 空间，通过对Yt进行奇异值分解可以得到； (3. 2)根据实域导向矢量和相应噪声子空间的正交性，当J -时，Wu- 0, W2，i> 0， 定义权值矩阵
5.根据权利要求1所述的基于实域加权最小化I i范数方法的MMO雷达系统DOA估计 方法，其特征在于：所述步骤（4)中按如下步骤设计实域加权最小化^范数框架，利用编程 软件包SOC二阶锥计算方法，获得恢复矩阵，寻找恢复矩阵中的非零行，对MIMO雷达系统中 的目标DOA进行估计： 实域加权最小化I1范数为
式中7是正则化参数，利用编程软件包SOC二阶锥计算，通过测绘(纪.)~。
【专利摘要】本发明涉及MIMO雷达系统技术领域，特别涉及MIMO雷达系统DOA估计的应用，具体说是一种基于实域加权最小化l1范数方法的MIMO雷达系统DOA估计方法。本发明包括：利用降维矩阵对接收数据进行降维处理；进行奇异值分解并获得稀疏表示框架下的相应模型；利用实域导向矢量和它相应噪声子空间的正交性，设计一个对角线元素与实域MUSIC谱相对应的权值矩阵以解决MMV问题；实现对MIMO雷达系统中目标DOA的估计。本发明通过降维转换SNR增益得到加强，同时所设计的加权l1范数更好地接近了l0范数并且强化了稀疏解，比l1-SVD和RV l1-SVD算法有更高的分辨率。
【IPC分类】G01S7-02
【公开号】CN104865556
【申请号】CN201510253261
【发明人】周卫东, 刘婧, 王咸鹏, 宫文贺, 王长龙, 朱鹏翔, 陈智超, 王晨曦, 武哲民, 陈云龙
【申请人】哈尔滨工程大学
【公开日】2015年8月26日
【申请日】2015年5月18日