CN103412286B - 基于mimo雷达的发射极化优化doa估计方法 - Google Patents

Abstract

本发明公开了一种基于MIMO雷达的发射极化优化DOA估计方法，主要解决现有技术中MIMO雷达未利用极化信息以及发射极化参数固定引起的DOA估计精度低的问题。本发明实现的步骤如下，（1）建立阵列模型；（2）获取阵列接收数据；（3）匹配滤波；（4）获取目标方位角和俯仰角的克拉美罗界；（5）获取最优发射极化参数。本发明充分利用电磁波的极化信息，利用克拉美罗界最小化的方法来优化发射极化参数，明显提高了目标DOA估计的精度。可用于雷达对飞机、舰船等运动目标的精确定位和跟踪。

Description

基于MIMO雷达的发射极化优化DOA估计方法

技术领域

本发明属于通信技术领域，更进一步涉及雷达技术领域中的一种基于多输入多输出(Multiple-Input Multiple-Output，MIMO)雷达的发射极化优化波达方向(Direction of Arrival，DOA)估计方法。本发明可用于对飞机、舰船等运动目标进行目标定位和跟踪。

背景技术

MIMO雷达用多个天线发射不同的波形信号，然后再用多个天线接收回波信号。MIMO雷达的DOA估计具有如下优点：利用匹配滤波技术使其虚拟孔径得到扩展，从而提高DOA的估计精度；匹配滤波后的虚拟阵列比常规相控阵雷达估计更多的目标；可利用发射信号的波形分集来增加更加发射波束设计的灵活性，从而提高DOA的估计精度。

电磁矢量传感器由六个相互正交的电偶极子和磁环组成，其具有极化分集且能够接收一个电磁波完全的电场和磁场信息。基于电磁矢量传感器阵列的DOA估计具有如下优点：可利用目标的极化分集来提供另一维的目标信息，从而提高DOA估计精度。

西安电子科技大学在其申请的专利“多输入多输出雷达系统目标定位方法”（专利申请号200810150754.X，公开号CN101349748A）中公开了一种多输入多输出MIMO雷达目标定位的方法。首先，对各个充分远离的发射机发射正交信号，在接收机处利用发射信号的正交性，用匹配滤波的方法分离各发射阵元的回波信号。然后，各个接收机对目标进行测向，得到目标角度。最后，用约束最小二乘法，实现目标的精确定位。该方法存在的不足是，发射端采用常规阵列，无法利用发射极化信息，DOA估计精度低。

Gu C等人在论文“Target localization using MIMO electromagnetic vector arraysystems”（《Signal Processing》，Vol.93No.7,pp.2103-2107,2013.）公开了一种基于全极化MIMO雷达的DOA估计方法。该方法利用电磁波的六维极化信息进行DOA估计。首先，利用ESPRIT算法处理接收数据。然后，利用矢量叉乘法估计得到自动配对的方位角和俯仰角两维估计。该方法存在的不足是，并未对发射极化进行优化，仍采用固定的发射极化来估计得到目标的方位角和俯仰角,DOA估计精度低。

发明内容

本发明针对上述现有技术存在的不足，提出一种基于MIMO雷达的发射极化优化DOA估计方法。本发明提出一种利用克拉美罗界最小化的方法来优化发射极化参数，提高了电磁矢量传感器MIMO雷达的两维DOA估计精度，以解决现有技术中DOA估计精度低的问题。

本发明的基本思路是：建立阵列模型，获取阵列接收数据，匹配滤波，获取目标方位角和俯仰角的克拉美罗界，获取最优发射极化参数。

实现本发明目的的具体步骤如下：

（1）建立阵列模型：

电磁矢量传感器MIMO雷达发射信号的极化分集与波形分集信号的模型表示如下：

b(t)=ξas(t)

其中，b(t)表示电磁矢量传感器MIMO雷达的发射信号，t表示时间；ξ表示电磁矢量传感器MIMO雷达的发射极化参数，a表示电磁矢量传感器MIMO雷达的发射导向矢量，s(t)表示电磁矢量传感器MIMO雷达的发射信号波形。

（2）获取阵列接收数据：

电磁矢量传感器MIMO雷达的接收机对接收信号进行中频采样、滤波、抽取操作，得到电磁矢量传感器MIMO雷达的接收数据。

（3）匹配滤波：

利用电磁矢量传感器MIMO雷达的发射信号波形对接收数据进行卷积运算，获得匹配滤波后的接收数据。

（4）获取目标方位角和俯仰角的克拉美罗界：

4a）将电磁矢量传感器MIMO雷达匹配滤波后的接收数据，以矢量形式排列；

4b）对排列成矢量形式的数据依次进行Kronecker积、Hadamard积、矩阵求迹操作，得到四个费舍尔矩阵块，将四个费舍尔矩阵块以2×2的形式置于同一个矩阵中，完成费舍尔矩阵的构造；

4c）对费舍尔矩阵求逆，得到一个自变量为电磁矢量传感器MIMO雷达的发射极化参数，因变量为目标方位角和俯仰角的克拉美罗界的函数，将因变量作为目标方位角和俯仰角的克拉美罗界。

（5）获取最优发射极化参数：

采用栅格搜索方法，对电磁矢量传感器MIMO雷达的发射极化参数进行搜索，获得最优发射极化参数。

本发明与现有的技术相比具有以下优点：

第一，由于本发明采用了结合电磁矢量传感器的极化分集和MIMO雷达的波形分集的方法，克服了现有技术中多输入多输出雷达系统目标定位方法中发射端采用常规阵列，无法利用发射极化信息的缺点，使得本发明具有DOA估计精度高的优点。

第二，由于本发明利用最小化克拉美罗界的方法来优化发射极化参数，克服了现有技术中电磁矢量传感器MIMO雷达的目标定位方法中未对发射极化进行优化，采用固定发射极化来进行DOA估计的缺点,使得本方明具有DOA估计精度高的优点。

附图说明

图1为本发明的流程图；

图2为本发明的仿真实验中目标方位角和俯仰角的克拉美罗界示意图；

图3为本发明的仿真实验中目标DOA估计结果图；

图4为本发明的仿真实验中目标DOA估计精度图。

具体实施方式

下面结合附图对本发明作进一步的详细描述。

参照附图1，本发明的具体步骤如下。

步骤1，建立阵列模型。

电磁矢量传感器MIMO雷达发射信号的极化分集与波形分集信号的模型表示如下：

b(t)=ξas(t)

其中，b(t)表示电磁矢量传感器MIMO雷达的发射信号，t表示时间，ξ表示电磁矢量传感器MIMO雷达的发射极化参数，a表示电磁矢量传感器MIMO雷达的发射导向矢量，s(t)表示电磁矢量传感器MIMO雷达的发射信号波形。

步骤2，获取阵列接收数据。

电磁矢量传感器MIMO雷达的接收机对接收信号进行中频采样、滤波、抽取操作，得到电磁矢量传感器MIMO雷达的接收数据。

步骤3，匹配滤波。

利用电磁矢量传感器MIMO雷达的发射信号波形对接收数据进行卷积运算，获得匹配滤波后的接收数据。

步骤4，获取目标方位角和俯仰角的克拉美罗界。

将电磁矢量传感器MIMO雷达匹配滤波后的接收数据，以矢量形式排列；

对排列成矢量形式的数据依次进行Kronecker积、Hadamard积、矩阵求迹操作，得到四个费舍尔矩阵块，将四个费舍尔矩阵块以2×2的形式置于同一个矩阵中，完成费舍尔矩阵的构造；

对费舍尔矩阵求逆，得到一个自变量为电磁矢量传感器MIMO雷达的发射极化参数，因变量为目标方位角和俯仰角的克拉美罗界的函数，将因变量作为目标方位角和俯仰角的克拉美罗界，其中，目标方位角的取值范围为0～90°，目标俯仰角的取值范围为0～180°。本发明的实施例中，将目标的方位角分别设定为25°，35°，15°，将目标的俯仰角分别设定为10°，20°，30°。

步骤5，获取最优发射极化参数。

用栅格搜索方法，对电磁矢量传感器MIMO雷达的发射极化参数进行搜索，获取最优发射极化参数。

栅格搜索方法的具体步骤如下：

首先，将费舍尔矩阵求逆中获得的电磁矢量传感器MIMO雷达发射极化参数的连续取值范围均分N等份，得到N段连续取值范围，其中，N的取值范围为100～2000个。

其次，将每段连续取值范围分别取平均值，将每个平均值分别代入费舍尔矩阵求逆后得到的函数中，获得每个平均值对应的目标方位角和俯仰角的克拉美罗界。

最后，用冒泡法比较每个平均值对应的目标方位角和俯仰角的克拉美罗界，提取冒泡法得到的第一个目标方位角和俯仰角的克拉美罗界，将第一个目标方位角和俯仰角的克拉美罗界代入费舍尔矩阵求逆后得到的函数中，获取一个值，将此值作为最优发射极化参数。

下面结合仿真图对本发明的效果做进一步的描述。

1.仿真条件：

本发明的仿真是在MATLAB R2010a的软件环境下进行的。

2.仿真内容：

本发明仿真实验利用三个发射电磁矢量传感器天线，第一个天线位于原点，第二个天线的坐标为[2λ,8λ,5λ],第三个天线的坐标为[6λ,3λ,7λ]，λ表示电磁波波长，目标数为3个，目标的方位角和俯仰角为(25°,10°)，(35°,20°)，(15°,30°)，目标的极化散射矩阵为 $S_1=\left[\begin{array}{cc}2j& 0.5\\ 0.5& -j\end{array}\right],S_2=\left[\begin{array}{cc}j& 1-j\\ 1-j& 0.5\end{array}\right]S_3=\left[\begin{array}{cc}3j& 2\\ 1+j& 0.5j\end{array}\right].$

3.仿真效果分析：

图2为本发明的仿真实验中目标方位角和俯仰角的克拉美罗界图,其中，图2中的横坐标表示发射极化参数，纵坐标表示方位角和俯仰角的克拉美罗界，图2表示方位角和俯仰角的克拉美罗界随发射极化参数变化的情况。

从图2中可以看出发射极化参数对方位角和俯仰角的克拉美罗界影响较大，选取一个最优发射极化参数非常重要，本发明采用栅格搜索方法获取了最优发射极化参数。

图3为本发明的仿真实验中目标DOA估计结果图，其中，图3中的横坐标表示目标的俯仰角，纵坐标表示目标的方位角，图3中的“＋”表示两维目标波达方向真值，黑点表示两维波达方向估计值。图3中由“＋”表示的两维目标波达方向真值与由黑点表示的两维波达方向估计值近似重合，说明本发明的定位效果较好。

图4为本发明的仿真实验中目标DOA估计精度图，定量分析了本发明的DOA估计精度。图4（a）中的横坐标表示信噪比，图4（a）中纵坐标表示方位角估计均方误差。图4（a）中的虚线表示电磁矢量传感器MIMO雷达的目标定位方法中方位角估计均方误差随信噪比变化的情况。图4（a）中的实线表示本发明中方位角估计均方误差随信噪比变化的情况。图4（b）的横坐标表示信噪比，图4（b）中的纵坐标表示俯仰角估计均方误差，图4（b）中虚线表示电磁矢量传感器MIMO雷达的目标定位方法中俯仰角估计均方误差随信噪比变化的情况，实线表示本发明中俯仰角估计均方误差随信噪比变化的情况。

由图4（a）可见，实线表示的本发明的方位角估计均方误差明显小于由虚线表示的电磁矢量传感器MIMO雷达的目标定位方法的方位角估计均方误差。由图4（b）可见，实线表示的本发明的俯仰方位角估计均方误差明显小于由虚线表示的电磁矢量传感器MIMO雷达的目标定位方法的俯仰角估计均方误差。显然，本发明的DOA估计精度高于现有技术的电磁矢量传感器MIMO雷达的目标定位方法。

Claims (3)

1.基于MIMO雷达的发射极化优化DOA估计方法，包括如下步骤：

(1)建立阵列模型：

电磁矢量传感器MIMO雷达发射信号的极化分集与波形分集信号的模型表示如下：

b(t)＝ξas(t)

其中，b(t)表示电磁矢量传感器MIMO雷达的发射信号，t表示时间；ξ表示电磁矢量传感器MIMO雷达的发射极化参数，a表示电磁矢量传感器MIMO雷达的发射导向矢量，s(t)表示电磁矢量传感器MIMO雷达的发射信号波形；

(2)获取阵列接收数据：

电磁矢量传感器MIMO雷达的接收机对接收信号进行中频采样、滤波、抽取操作，得到电磁矢量传感器MIMO雷达的接收数据；

(3)匹配滤波：

利用电磁矢量传感器MIMO雷达的发射信号波形对接收数据进行卷积运算，获得匹配滤波后的接收数据；

(4)获取目标方位角和俯仰角的克拉美罗界：

4a)将电磁矢量传感器MIMO雷达匹配滤波后的接收数据，以矢量形式排列；

4b)对排列成矢量形式的数据依次进行Kronecker积、Hadamard积、矩阵求迹操作，得到四个费舍尔矩阵块，将四个费舍尔矩阵块以2×2的形式置于同一个矩阵中，完成费舍尔矩阵的构造；

4c)对费舍尔矩阵求逆，得到一个自变量为电磁矢量传感器MIMO雷达的发射极化参数，因变量为目标方位角和俯仰角的克拉美罗界的函数，将因变量作为目标方位角和俯仰角的克拉美罗界；

(5)获取最优发射极化参数：

采用栅格搜索方法，对电磁矢量传感器MIMO雷达的发射极化参数进行搜索，获得最优发射极化参数；

所述的栅格搜索方法如下：

第一步，将费舍尔矩阵求逆中获得的电磁矢量传感器MIMO雷达发射极化参数的连续取值范围均分N等份，得到N段连续取值范围，其中，N的取值范围为100～2000个；

第二步，将每段连续取值范围分别取平均值，将每个平均值分别代入费舍尔矩阵求逆后得到的函数中，获得每个平均值对应的目标方位角和俯仰角的克拉美罗界；

第三步，用冒泡法比较每个平均值对应的目标方位角和俯仰角的克拉美罗界，提取冒泡法得到的第一个目标方位角和俯仰角的克拉美罗界，将第一个目标方位角和俯仰角的克拉美罗界代入费舍尔矩阵求逆后得到的函数中，获取一个值，将此值作为最优发射极化参数。

2.根据权利要求1所述的基于MIMO雷达的发射极化优化DOA估计方法，其特征在于：步骤4c)中所述目标方位角的取值范围为0～90°。

3.根据权利要求1所述的基于MIMO雷达的发射极化优化DOA估计方法，其特征在于：步骤4c)中所述目标俯仰角的取值范围为0～180°。