分布式多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达通过引入无线通信中的MIMO分集技术,在目标参数高精度测量方面展现了巨大的潜力。目标定位技术作为分布式MIMO雷达的关键技术之一,目前仍处于研究起步阶段。相比于直接定位法,间接定位法具有更高的运行效率和更小的数据传输量,在分布式MIMO雷达目标定位技术研究领域备受关注。然而,现有绝大部分间接定位方法限定在发射/接收节点的位置和速度没有测量误差并且各节点间时间和频率严格同步的理想情况,针对实际情况下布设在移动平台上的发射/接收节点位置和速度存在测量误差以及广域分布的发射/接收节点存在时间和频率同步误差等的非理想情况研究较少。本文将主要针对该非理想情况,开展分布式MIMO雷达目标间接定位方法的研究,完成的主要工作和取得的创新性成果如下:1、提出了一种基于奇异值分解的分布式MIMO雷达目标位置与速度联合估计方法,为发射/接收节点的位置和速度存在测量误差情况下的高精度目标参数估计提供了新的解决方案。该方法克服了当前分布式MIMO雷达目标定位解析方法中需要估计冗余辅助变量的问题,通过利用奇异值分解构建了关于目标位置和速度的线性等式,并由两步加权最小二乘(Two-Stage Weighted Least Squares,TSWLS)方法获得了目标位置和速度的最优估计。第一步是基于目标位置和速度的线性等式,利用加权最小二乘(Weighted Least Squares,WLS)估计器得到了目标参数估计值;第二步是利用WLS估计器进一步估计了前一步参数估计值的估计误差,以提高目标位置和速度的估计精度。理论证明了该方法在弱噪声条件下是近似无偏的且能够达到克拉美-罗下界(Cramer-Rao Lower Bound,CRLB)。仿真实验结果表明,与现有定位算法对比,该方法获得了更高的目标定位精度。2、提出了一种基于最大似然-最大后验概率估计的分布式MIMO雷达目标位置估计方法,为广域分布的发射/接收节点采用卫星授时同步方式下的高精度目标位置估计提供了解决方案。该方法首先建立了存在时间同步误差情况下的分布式MIMO雷达目标位置测量模型,并由此推导了该模型下目标位置测量的CRLB,详细分析了时间同步精度对目标位置测量精度的影响;然后根据最大似然-最大后验概率估计原理建立了估计目标位置的代价函数以及由目标位置推算时间同步误差的公式;最后提出了一种两步策略组成的方法实现了目标位置和时间同步参数的高精度估计。第一步是采用基于TSWLS策略获得了目标位置和时间同步误差的解析解,并在理论上证明弱噪声条件下它们是近似无偏的且能够达到CRLB;第二步是根据目标位置相关的代价函数,采用LM(Levenberg Marquardt)算法,在目标位置解析解的附近获得了目标位置和时间同步参数的最优估计。仿真实验结果表明,论文所提方法均能在弱噪声和强噪声条件下得到很好的估计性能。3、提出了一种基于先验信息的分布式MIMO雷达目标位置和速度估计方法,为广域分布的发射/接收节点采用合作目标实现时间和频率同步方式下的高精度目标参数估计提供了解决方案。该方法要求合作目标的位置和速度已测定但可以存在测量误差作为先验信息。该方法首先建立融入合作目标先验信息的分布式MIMO雷达目标位置和速度测量模型,并由此推导了该模型下目标参数测量的CRLB,详细分析了合作目标位置和速度测量精度对待测目标位置和速度测量精度的影响;然后提出了两种思路实现了待测目标位置和速度的高精度估计。第一种思路先利用合作目标的测量数据估算出各节点间的时间和频率偏差,然后由此估计出待测目标位置和速度;第二种思路是不引入时间和频率偏差,从直接差分合作目标和待测目标的双站距离和距离变化率出发,获得待测目标位置和速度的估计值。两种思路均采用基于TSWLS策略求得待测目标位置和速度的解析闭式解,并理论证明了它们在弱噪声条件下是近似无偏的并且能够达到CRLB。仿真实验结果表明,论文提出的定位方法均能有效地估计出待测目标位置和速度。
要满足现代雷达的高分辨率要求,就需要提高信号带宽以及增大阵列孔径或者增加阵元个数。但是,若是依然采用奈奎斯特定理采样则会导致采样率太高,同时会得到大量的采样数据量,并且在这种情况下硬件电路实现也比较困难。将压缩采样理论应用到雷达信号处理中,可以解决大数据量的采样、传输、处理以及存储的问题。本文主要对基于压缩采样模型的雷达目标参数估计方法展开研究。主要工作如下:1.研究了压缩感知中测量矩阵的设计。研究一种切比雪夫-贝努利测量矩阵(Chebyshev Bernoulli,CB)构造算法。将切比雪夫混沌系统产生的序列通过符号函数映射成元素只有?1的序列,并证明了映射后的序列服从贝努利分布,从而由该序列构造出切比雪夫-贝努利测量矩阵。通过仿真实验表明,该测量矩阵能够达到和随机矩阵以及混沌矩阵一样的重构效果,同时还要比随机矩阵更加稳定,以及避免了混沌系统产生大量的数据对其等间隔采样来构造测量矩阵造成资源浪费的现象。切比雪夫-贝努利测量矩阵与其它矩阵相比易于实现,具有一定的实用价值,更加适用于压缩感知应用中。2.在分段模拟信息转换器(Analog to Information Coverter,AIC)的基础上,研究一种分块分段AIC压缩采样结构。将该结构的等效测量矩阵转化为稀疏对角块矩阵,解决了由于分段AIC等效测量矩阵是密集矩阵给硬件实现以及存储空间带来的压力。并将该结构应用在雷达目标参数估计中,对雷达目标的距离-多普勒信息进行估计,降低采样率的同时提高了分辨率。通过仿真实验说明,在压缩采样值较多情况下,分块分段AIC结构能够达到和分段AIC结构一样的性能,而此时分块分段AIC结构比分段AIC结构更加节省硬件资源。3.研究了空时二维压缩采样阵列结构。对阵列接收信号在角度域稀疏性进行分析,在此基础上设计出一种空时二维压缩采样阵列结构。空域压缩结构由混沌电路和模拟乘法器组成,减少了阵元接收通道数,降低了硬件实现的复杂度。时域压缩采用分块分段AIC结构,降低采样率的同时节约了存储空间。仿真结果表明,空时二维压缩采样结构能够在减少阵元接收通道数和降低时域采样率的同时得到精确的DOA估计结果,说明了该结构的可行性。
暂无评论