基于多测量矢量稀疏表示的mimo雷达连续目标角度估计方法
【专利摘要】本发明公开了一种能够提高单基地MIMO雷达角度估计性能的基于多测量矢量稀疏表示的MIMO雷达连续目标角度估计方法。包括以下几个步骤：获取单基地MIMO雷达的接收信号；对接收信号进行降维处理；对降维后的接收信号稀疏表示，建立完备字典；对字典矩阵进行划分，设计权矩阵；求得单基地MIMO雷达稀疏化框架下的接收信号，求解稀疏矩阵通过寻找稀疏矩阵中非零行获得目标的波达角DOA。本发明具有良好的角度估计性能，同时对于连续目标同样有效，在没有正确估计目标数目情况下也能够具有良好估计性能。
【专利说明】基于多测量矢量稀疏表示的MIMO雷达连续目标角度估计方法
【技术领域】
[0001]本发明属于单基地MMO雷达【技术领域】，特别涉及一种能够提高单基地MMO雷达角度估计性能的基于多测量矢量稀疏表示的MMO雷达连续目标角度估计方法。
【背景技术】
[0002]多输入多输出，multiple-1nput multiple-output,简称ΜΙΜΟ,雷达在雷达领域引起了很大的关注，成为目前一个热门研究课题，MMO雷达相比于传统相控阵雷达具有很多潜在的优势。根据发射阵列和接收阵列的结构可以将MMO雷达分为两类:一种是统计MMO雷达，它的发射阵列和接收阵列是广泛空间分布的，以获得连续处理增益进而解决目标闪烁问题(IEEE Signal Processing Magazine, 2008, 25 (I):116-129)。另外一种是相干MMO雷达(IEEE Signal Processing Magazine, 2007, 24 (5):106-114)，包括收发分置双基地MMO雷达，还有发射阵列和接收阵列是紧密空间分布的单基地MMO雷达。相干MMO雷达能够获得比真实孔径大的虚拟孔径，因此它能够获得精确的角度估计。
[0003]在过去几年，MMO雷达角度估计问题受到人们的广泛关注，已经提出了一些MMO雷达角度估计算法，包括旋转不变子空间(ESPRIT)算法(ElectronicsLetters:2008,44(12):770-771)和平行因子分解算法(IEEE Tansactions on SignalProcessing:2010:58(11))。为了提高角度估计精度，利用虚拟阵列的特殊结构，提出了 RD-ESPRIT(Electronics Letters:2011,47(4):283-284)和 RD-Capon 算法(IETRadar, Sonar and Navigation:2012,8(8):796-801),角度估计性能得以提升。利用阵列结构的空域分集特性，提出了 DOA估计的发射波空间能量集中技术(IEEE Transations onSignal Processing:2011,59(6):2669-2682)，使得每个接收天线的SNR增益获得最大值，因此角度估计性能明显提升。然而，上述提到的大多数方法都是基于子空间技术，它们在很大程度上依赖一个精确的协方差矩阵估计以及目标数的正确判断，在连续目标情况下则失效。
[0004]最近，稀疏表示在统计信号分析和参数估计领域获得人们很大的关注，使得应用稀疏重构的DOA估计方法得到了很大的发展。相继提出一些新方法，比如用协方差进行DOA估计其中包括协方差矩阵(IEEE Transaction on Aerospace and Electronic Systems,2013,49(3):1710-1724)和协方差矢量(IEEE Transaction on Signal Processing,2011,59(2):629-638)的稀疏表示。提出关于信号测量矢量(SMV)问题的加权I1-范数最小化迭代算法，大权值用来处罚那些在接收信号中接近于零的元素，小的权值用来保护那些大的兀素(Journal of Fourier Analysis and Applications, 2008,14 (5):877-905)。然而，MMO雷达DOA估计通常遇到多测量矢量问题，这时迭代算法就不再适用了 ；另一方面，在MIMO雷达重构稀疏矩阵时需要二维字典矩阵，这带来很大的计算复杂度，甚至可能导致稀疏矩阵无法恢复。
【发明内容】
[0005]本发明的目的是提供一种具有高估计性能的基于多测量矢量稀疏表示的MIMO雷达连续目标角度估计方法。
[0006]本发明是通过以下技术方案实现的:
[0007]基于多测量矢量稀疏表示的MIMO雷达连续目标角度估计方法，包括以下几个步骤，
[0008]步骤一:获取单基地MMO雷达的接收信号；
[0009]步骤二:对接收信号进行降维处理；
[0010]步骤三:对降维后的接收信号稀疏表示，建立完备字典；
[0011]对波达角DOA稀疏采样
【权利要求】
1.基于多测量矢量稀疏表示的MIMO雷达连续目标角度估计方法，其特征在于:包括以下几个步骤， 步骤一:获取单基地MMO雷达的接收信号； 步骤二:对接收信号进行降维处理； 步骤三:对降维后的接收信号稀疏表示，建立完备字典； 对波达角DOA稀疏采样P,, S2,…,4* L >> P, 建立波达角DOA的完备字典为:
2.根据权利要求1所述的基于多测量矢量稀疏表示的MIMO雷达连续目标角度估计方法，其特征在于:所述的单基地MIMO雷达系统具有M个发射天线和N个接收天线的均匀线阵，单基地MMO雷达的接收信号为:
3.根据权利要求2所述的基于多测量矢量稀疏表示的MIMO雷达连续目标角度估计方法，其特征在于:所述的对接收信号进行降维处理的过程为: 单基地MIMO雷达的收发导向矢量为:
Uf(O) Φ?,ΑΟ) = Gb(G) G是降维转换矩阵:-J0-G= Λ! eC 樹—則ι? b ( Θ )是导向矢量:
b ( θ ) = [1，exp (j Ji sin Θ p)，…，exp (j Ji (M + N-2) sin Θ p) ]T，
其中 Jm- [ΟνΧπι，In，Onx (m-111-1)]，m — 0，I，…，M_1， 设定矩阵f = ghg，得到:F = diag l92f…,Μ?η(Μ，ιτ?η(Μ，N)，"”2，l
^............................-V...........................................J
LΛ/ m flJ 降维后的接收信号为:
Y= WX = r(1/2)FBS+WN = F(1/2)BS+WN
其中 W 为降维矩阵，W = F_帽Gh，B = [b ( Θ J，b ( Θ 2)，…，b ( θ p)]。
4.根据权利要求3所述的基于多测量矢量稀疏表示的MIMO雷达连续目标角度估计方法，其特征在于:所述的划分字典矩阵乂为两个部分，表示为Bf ]? Bf由可能目标的导向矢量b(0p)构成，P= (1，2，…，P)，Bf由字典矩阵1#中剩下的导向矢量构成， 权矩阵D为:
D = Cliag(W)^ 其中权向量 亭;1Bl=Oii R U..:.V:R.:Bf]
=[W",，WU,]Rr是接收数据Y的协方差矩阵，代表W(1)每行I2范数的列向量，胃+f代表W⑵每行I2范数的列向。
5.根据权利要求4所述的基于多测量矢量稀疏表示的MIMO雷达连续目标角度估计方法，其特征在于:所述的单基地MIMO雷达稀疏化框架下的接收信号为:
Ysv=YVj= F1.H S.其中稀疏矩阵I=S义，nw=mtf气€C〃为最大的P个特征值对应的右奇异特征向量组成的矩阵， 稀疏矩阵^满足I1-范数约束最小化问题: min|DSf[ s.1.|Ysv—爲通过二阶锥编程求解 稀疏矩阵i|，寻找稀疏矩阵的非零行获得目标的波达角DOA。
【文档编号】G01S7/41GK103983958SQ201410206187
【公开日】2014年8月13日 申请日期:2014年5月16日 优先权日:2014年5月16日
【发明者】王伟, 王咸鹏, 刘婧, 刘琦, 李欣, 黄平, 王慧, 王犇, 陈铮 申请人:哈尔滨工程大学