CN103760547A - 基于互相关矩阵的双基mimo雷达角度估计方法 - Google Patents
基于互相关矩阵的双基mimo雷达角度估计方法 Download PDFInfo
- Publication number
- CN103760547A CN103760547A CN201410035144.0A CN201410035144A CN103760547A CN 103760547 A CN103760547 A CN 103760547A CN 201410035144 A CN201410035144 A CN 201410035144A CN 103760547 A CN103760547 A CN 103760547A
- Authority
- CN
- China
- Prior art keywords
- battle array
- array
- centerdot
- theta
- dimension
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/003—Bistatic radar systems; Multistatic radar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于互相关矩阵的双基MIMO雷达角度估计方法,主要解决双基MIMO雷达角度估计运算量大、计算复杂的问题。其实现步骤是:1)对雷达回波信号进行匹配滤波,并按发射阵和接收阵形成数据;2)用形成数据分别构造互协方差矩阵;3)用互协方差矩阵行向量的线性无关性分别求解发射阵和接收阵导向矢量零空间的正交投影算子,并构造发射阵和接收阵求根多项式;4)求解目标相对于发射阵和接收阵位置;5)用匹配滤波后数据自相关协方差矩阵行向量的线性无关性求解合成阵列导向矢量零空间的正交投影算子,并构造代价函数进行角度配对。本发明以小的运算量实现了高精度的MIMO雷达目标角度估计,可用于雷达、通信中的目标定位。
Description
技术领域
本发明属于雷达技术领域,具体涉及到双基地MIMO雷达角度估计方法,可用于雷达目标参数估计与检测。
背景技术
双基地MIMO雷达目标相对于发射阵位置DOD和接收阵位置DOA估计引起了很多学者的研究兴趣。大部分的研究方法基于特征分解类算法。如K.T.Wong等人在IEEE TransactionOn Antenna and Propagation期刊第48卷第8期第1235页至1245页提出了二维多重信号分类算法MUSIC。X.Zhang等人在IEEE Communications Letters期刊第14卷第12期第1161页至1163页提出了降维MUSIC算法。这两种算法性能相近。陈多芳等人2008年在ElectronicsLetters期刊第44卷第12期第770页至771页提出的双基地MIMO雷达ESPRIT算法,该算法利用发射阵和接收阵的旋转不变性估计双基地MIMO雷达到达角,并获得了较好的估计性能。M.L.Bencheikh等人2010年在Electronics Letters期刊第46卷第15期第1081页至1083页提出了联合MUSIC-ESPRIT算法,相比多项式求根算法,该算法运算量有一定的减少,但仍然无法满足工程需要。
特征分解类算法的复杂度受阵列孔径影响较大,为了降低运算量及加性噪声对算法的影响,Jingmin Xin等人2004年在IEEE Transaction on Signal Processing期刊第52卷第4期第876页至893页提出了无特征值分解的子空间算法来估计一维DOA。尽管该算法估计性能相比特征分解类算法较差,但是运算量小,并且在低信噪比和小快拍条件下,能够较好的估计两个离得很近的相干和非相干目标。Guangmin Wang等人2011年在IEEE Transaction on SignalProcessing期刊第59卷第7期第3197页至3212页提出了无特征值分解的子空间算法来估计二维DOA。该算法估计性能优于CCM-ESPRIT和JSVD算法,但是由于限定方位维和俯仰维阵元数相等,大大限制了阵列排布;此外,该算法涉及的L型阵列接收的方位维和俯仰维数据相互独立,而双基地MIMO雷达接收的DOD和DOA数据包含在同一数据中,因此,该算法无法直接应用于双基地MIMO雷达角度估计。
发明内容
本发明的目的在于针对上述已有技术的不足,提出一种基于互相关矩阵的双基MIMO雷达角度估计方法,以避免大的运算量,减弱加性噪声的影响,提高角度估计精度,实现对双基地MIMO雷达角度的快速估计。
实现本发明目的技术思路是:从接收数据分离DOD和DOA数据并构造新的互相关协方差矩阵,根据互相关矩阵行向量的线性无关性求解导向矢量零空间的投影算子,利用求根MUSIC算法求解目标角度,以合成阵列导向矢量零空间的投影算子构造代价函数实现DOD和DOA的配对。具体实现步骤包含如下:
1)M个发射天线发射电磁波照射空间P个不相关目标,N个接收天线接收目标散射回波,并对回波信号依次进行混频、低通滤波、通道分离,得到MN×1维发射阵排列数据X=As(t)+n(t)其中A=[b1,b2,…,bi,…,bP],为合成阵列导向矢量,i=1,…,P, 为Kronecker积;ar(φi)和at(θi)分别为第i个目标的接收阵和发射阵导向矢量,θi为第i个目标相对于发射阵位置,φi为第i个目标相对于接收阵位置;s(t)为发射信号矢量,n(t)是复高斯白噪声矢量;M、N为大于零的整数;
2)将MN×1维发射阵排列数据X按照接收阵排列,得到NM×1维接收阵排列数据Y;
3)构造发射阵排列数据X与接收阵排列数据Y互相关协方差矩阵Rxy和接收阵排列数据Y与发射阵排列数据X互相关协方差矩阵Ryx;
3a)用MN×1维发射阵排列数据X中的M个元素和NM×1维接收阵排列数据Y中的N个元素构成第一互相关矩阵Rxykj,k=1,…,N,j=1,…,M;用MN×1维发射阵排列数据X中的M个元素共轭反转和NM×1维接收阵排列数据Y中的N个元素构成第二互相关矩阵将这两个互相关矩阵按照行排列,构成发射阵排列数据X与接收阵排列数据Y互相关协方差矩阵Rxy的一个子阵,该互相关协方差矩阵Rxy的子阵数小于等于M和N中的最小值;
3b)用NM×1维接收阵排列数据Y中的N个元素和MN×1维发射阵排列数据X中的M个元素构成第三互相关矩阵Ryxjk;用NM×1维接收阵排列数据Y中的N个元素共轭反转和MN×1维发射阵排列数据X中的M个元素构成互第四互相关矩阵将这两个互相关矩阵按照行排列,构成接收阵排列数据Y与发射阵排列数据X互相关协方差矩阵Ryx的一个子阵,该互相关协方差矩阵Ryx的子阵数小于等于M和N中的最小值;
4)将所述发射阵排列数据X与接收阵排列数据Y的互相关协方差矩阵Rxy划分为P×2NΓ维子阵和(M-P)×2NΓ维子阵将所述接收阵排列数据Y与发射阵排列数据X互相关协方差矩阵Ryx划分为P×2MΓ维子阵和(N-P)×2MΓ维子阵
5)利用所述Rxy行向量的线性无关性和所述Ryx行向量的线性无关性,计算发射阵导向矢量at(θ)零空间的正交投影算子Πθ,以及接收阵导向矢量ar(φ)零空间的正交投影算子Πφ:
6)利用发射阵导向矢量at(θ)零空间的正交投影算子Πθ,以及接收阵导向矢量ar(φ)零空间的正交投影算子Πφ,分别构造发射阵求根多项式f(zt)和接收阵求根多项式f(zr);
8)利用MN×1维发射阵排列数据X的自相关协方差矩阵Rxx行向量的线性无关性,计算合成阵列导向矢量A零空间的正交投影算子Πθ,φ;
9)利用合成阵列导向矢量A零空间的正交投影算子Πθ,φ构造代价函数f(θm,φn)=1/bmn HΠθ,φbmn,其中
10)搜索目标相对于发射阵位置估计值和目标相对于接收阵位置估计值取代价函数f(θm,φn)模值最大时所对应的目标相对于发射阵位置估计值和目标相对于接收阵位置估计值即为同一目标相对于发射阵位置和接收阵位置。
本发明与现有技术相比具有以下优点:
(1)现有的双基地MIMO雷达角度估计技术大多采用接收天线接收的数据直接构建自相关协方差矩阵,噪声抑制效果较差,角度估计精度不高。本发明分别将接收天线接收的数据按照发射阵和接收阵排列,构建互相关协方差矩阵,大大减弱了加性噪声对角度估计的影响,提高估计精度。
(2)现有双基地MIMO雷达角度估计技术是通过对协方差矩阵进行特征分解或奇异值分解来获取噪声子空间和信号子空间,其实现复杂度高、运算量大。本发明根据互相关协方差矩阵行向量的线性无关性,求解噪声子空间,避免了特征分解带来的大运算量,加快了双基地MIMO雷达角度估计速度。
附图说明
图1是本发明的实现流程图;
图2是本发明中发射阵导向矢量零空间的正交投影算子的子流程图;
图3是本发明中接收阵导向矢量零空间的正交投影算子的子流程图;
图4是本发明中合成阵列导向矢量零空间的正交投影算子的子流程图;
图5是用本发明进行DOD,DOA的仿真结果;
图6是本发明与现有ESPRIT算法的估计性能比较图;
图7是本发明与现有ESPRIT算法复杂度比较图。
具体实施方式
以下参照附图对本发明的实现步骤及效果作进一步说明:
参照图1,本发明的具体实现步骤如下:
步骤1,对雷达回波信号进行匹配滤波,实现通道分离。
本发明的雷达系统为双基地雷达,发射站与接收站分别是由M、N个阵元构成阵元间距为半波长的均匀线阵,其中M、N为大于零的整数;各个发射子阵发射同载频的正交信号,且多普勒频率对信号正交性无影响,目标与天线间的距离远远大于发射和接收天线阵元间距。
对同一个距离单元内P个不相关的信源,第i个信源的位置为(θi,φi),其中θi为目标相对于发射阵位置DOD,φi为目标相对于接收阵位置DOA,接收端信号依次经过混频、低通滤波和通道分离后输出匹配滤波后的MN×1维发射阵排列数据X为:
X=[x11,x12,…,x1j,…,x1M,x21,x22,…,x2j,…,x2M,…,xk1,xk2,…,xkj,…,xkM,…,xN1,xN2,…,xNj,…,xNM]T 〈1〉
=As(t)+n(t)
其中,xkj为第j个发射天线发射电磁波经目标散射后第k个接收天线接收到的数据,k=1,…,N,j=1,…,M;A=[b1,b2,…,bi,…,bP]为合成阵列导向矢量,是MN×P维矩阵,i=1,…,P,ar(φi)=[1,exp(jπsin(φi)),…,exp(jπ(N-1)sin(φi))]为接收阵导向矢量,at(θi)=[1,exp(jπsin(θi)),…,exp(jπ(M-1)sin(θi))]为发射阵导向矢量,为Kronecker积,s(t)=[s1(t),s2(t),…,sP(t)]为发射信号矢量,si(t)=αiexp(j2πfdi),αp和fdp为第i个目标的幅度和多普勒频率,n(t)是均值为零方差为σ2IMM复高斯白噪声矢量,INM是MN×MN维单位阵,T为转置。
步骤2,将匹配滤波后的MN×1维发射阵排列数据X按照接收阵形成数据。
2a)将匹配滤波后的MN×1维发射阵排列数据X,按照接收阵排列形成NM×1维接收阵排列数据Y:Y=[x11,x21,…,xk1,…xN1,x12,x22,…,xk2,…,xN2,…,x1j,x2j,…xkj,…,xNj,…, <2>x1M,x2M,…,xkM,…,xNM]T
2b)对式〈1〉和〈2〉进一步化简,得到化简后的MN×1维发射阵排列数据X和NM×1维接收阵排列数据Y:
X=[x′1,x′2,…,x'k,…,x'N]T
Y=[y′1,y2′,…,yj',…,yM]′T 〈3〉
其中,x'k=xk1,xk2,…,xkj,…,xkM,y'j=x1j,x2j,…,xkj,…,xNj,k=1,…,N,j=1,…,M,xkj为第j个发射天线发射电磁波经目标散射后第k个接收天线接收到的数据。
步骤3,用MN×1维发射阵排列数据X和NM×1维接收阵排列数据Y分别构造发射阵排列数据X与接收阵排列数据Y互协方差矩阵和接收阵排列数据Y与发射阵排列数据X协方差矩阵。
3a)用MN×1维发射阵排列数据X中的M个元素和NM×1维接收阵排列数据Y中的N个元素构成第一互相关矩阵Rxykj,用NM×1维接收阵排列数据Y中的N个元素和MN×1维发射阵排列数据X中的M个元素构成第三互相关矩阵Ryxjk:
Rxykj=E{x'ky'j H}=ark(φ)at(θ)Rs(atj(θ)ar(φ))H
Ryxjk=E{y'jx'k H}=atj(θ)ar(φ)Rs(ark(φ)at(θ))H 〈4〉其中k=1,…,N,j=1,…,MRs=E{s(t)s(t)H},ark(φ)=exp(jπ(k-1)sin(φ)),atj(θ)=exp(jπ(j-1)sin(θ)),H为共轭转置,E为数学期望;
其中JNM为NMxNM维置换矩阵,()*为共轭算子。
3c)用MN×1维发射阵排列共轭反转数据中的M个元素和NM×1维接收阵排列数据Y中的N个元素构成第二互相关矩阵用NM×1维接收阵排列共轭反转数据中的N个元素和MN×1维发射阵排列数据X中的M个元素构成互第四互相关矩阵
其中Dθ=diag{exp[jπsin(θ1)],…,exp[jπsin(θP)]},T为转置,
3d)分别构造发射阵排列数据X与接收阵排列数据Y互相关协方差矩阵Rxy和接收阵排列数据Y与发射阵排列数据X互相关协方差矩阵Ryx:
其中Γ=min(M,N)。
步骤4,利用Rxy行向量的线性无关性,计算发射阵导向矢量at(θ)零空间的正交投影算子Πθ。
现有计算导向矢量零空间正交投影算子的算法主要包括两大类:一类是特征值分解或奇异值分解算法;另一类是无特征值分解算法。本发明采用无特征值分解算法,利用Rxy行向量的线性无关性计算发射阵导向矢量at(θ)零空间的正交投影算子。
参照图2,本步骤的具体实现如下:
4a)假定P<M,将发射阵排列数据X与接收阵排列数据Y互相关协方差矩阵Rxy分为两个子阵:
其中和分别是P×2NΓ维子阵和(M-P)×2NΓ维子阵,由于发射阵排列数据X与接收阵排列数据Y互相关协方差矩阵Rxy具有满秩,故Rxy行向量线性无关,存在子阵和子阵之间的线性算子Pθ,其关系式表示为:
进而得到线性算子Pθ为:
其中()-1为求逆算子,H表示共轭转置;
4b)利用线性算子Pθ,构建发射投影矩阵Qθ:
其中,IM-P为(M-P)×(M-P)维单位阵,T表示转置;
4c)根据发射投影矩阵Qθ与发射阵导向矢量at(θ)的正交性,得到如下关系式:
其中,Ο(M-P)×P为(M-P)×P维零矩阵;
4d)根据式〈12〉,利用正交投影公式得到发射阵导向矢量at(θ)零空间的正交投影算子Πθ:
步骤5,利用Ryx行向量的线性无关性计算接收阵导向矢量ar(φ)零空间的正交投影算子Πφ。
现有计算导向矢量零空间正交投影算子的算法主要包括两大类:一类是特征值分解或奇异值分解算法;另一类是无特征值分解算法。本发明采用无特征值分解算法,利用Ryx行向量的线性无关性计算接收阵导向矢量ar(φ)零空间的正交投影算子。
参照图3,本步骤的具体实现如下:
5a)假定P<N,将接收阵排列数据Y与发射阵排列数据X互相关协方差矩阵Ryx分为两个子阵:
其中和分别是P×2MΓ维子阵和(N-P)×2MΓ维子阵,由于接收阵排列数据Y与发射阵排列数据X互相关协方差矩阵Ryx具有满秩,故Ryx行向量线性无关,存在子阵和子阵之间的线性算子Pφ,其关系式表示为:
进而得到线性算子Pφ为:
其中()-1为求逆算子,H表示共轭转置;
5b)利用线性算子Pφ,构建接收投影矩阵Qφ:
其中,IN-P为(N-P)×(N-P)维单位阵,T表示转置。
5c)根据接收投影矩阵Qφ与接收阵导向矢量ar(φ)的正交性,可得如下关系式:
其中,Ο(N-P)×P为(N-P)×P维零矩阵;
5d)根据式〈18〉,利用正交投影公式,得到接收阵导向矢量ar(φ)零空间的正交投影算子Πφ:
步骤6,利用发射阵导向矢量at(θ)零空间的正交投影算子Πθ,以及接收阵导向矢量ar(φ)零空间的正交投影算子Πφ,分别构造发射阵求根多项式f(zt)和接收阵求根多项式f(zr):
步骤8,利用MN×1维发射阵排列数据X的自相关协方差矩阵Rxx行向量的线性无关性,计算合成阵列导向矢量A零空间的正交投影算子Πθ,φ。
现有计算导向矢量零空间正交投影算子的算法主要包括两大类:一类是特征值分解或奇异值分解算法;另一类是无特征值分解算法。本发明采用无特征值分解算法,利用Rxx行向量的线性无关性计算合成阵列导向矢量A零空间的正交投影算子。
参照图4,本步骤的具体实现如下:
8a)利用MN×1维发射阵排列数据X构造自相关协方差矩阵Rxx,Rxx=E{xxH},E为数学期望;
进而得到线性算子Pθ,φ为:
其中()-1为求逆算子,H表示共轭转置;
其中INM-P为(NM-P)×(NM-P)维单位阵;
8d)根据合成阵列投影矩阵Qθ,φ和合成阵列导向矢量A的正交性,得到如下关系式:
其中Ο(NM-P)×P为(NM-P)×P维零矩阵;
8e)根据步骤8d)得到的关系式和正交投影公式,得到合成阵列导向矢量A零空间的正交投影算子Πθ,φ:
步骤9,利用合成阵列导向矢量A零空间的正交投影算子Πθ,φ构造代价函数:
f(θm,φn)=1/bmn HΠθ,φbmn 〈28〉
其中
步骤10,角度配对。
至此完成基于互相关矩阵的双基MIMO雷达角度估计。
本发明的效果通过以下仿真试验进一步说明:
1.仿真条件
仿真参数如下:发射阵及接收阵均为中心频率对应的半波长均匀线阵,两个不相干目标位于(θ1,φ1)=(5°,-5°)和(θ2,φ2)=(15°,5°),快拍数为100,发射阵天线个数M=6,接收阵天线个数N=8。角度估计的均方根误差RMSE采用公式:其中和分别为第i个目标相对于发射阵位置估计值和目标相对于接收阵位置估计值,θi和φi分别为第i个目标相对于发射阵位置和目标相对于接收阵位置,P为目标个数,E为数学期望。
2.仿真内容:
仿真1,采用本发明在信噪比为10dB时对目标角度进行100次角度估计,仿真结果如图5所示。
仿真2,采用本发明和现有ESPRIT方法对仿真条件下的两个目标进行角度估计,仿真目标角度估计均方根误差随信噪比变化,每个信噪比下进行100次蒙特卡洛仿真试验,仿真结果如图6所示。
仿真3,采用本发明和现有ESPRIT方法对仿真条件下的两个目标进行角度估计,仿真目标角度估计所需时间随发射接收阵元数变化,信噪比为10dB时每个阵元数下进行100次蒙特卡洛仿真实验,仿真结果如图7所示。
3.仿真分析
从图5可以看出,本发明能够正确估计目标角度,并正确完成配对。
从图6可以看出,采用本发明估计目标角度的均方误差随信噪比增加而降低,与现有ESPRIT算法相比,采用本发明可以更高的精度实现双基地MIMO雷达对目标的角度的估计。
从图7可以看出,采用本发明估计目标角度所消耗时间随阵元数增加而增加,相比现有ESPRIT算法,当阵元数较小时本发明角度估计所需时间较现有ESPRIT算法长,但随着阵元数的增加,现有ESPRIT算法消耗时间明显增长,即本发明运算量明显小于现有ESPRIT算法。
Claims (7)
1.一种基于互相关矩阵的双基MIMO雷达角度估计方法,包括如下步骤:
1)M个发射天线发射电磁波照射空间P个不相关目标,N个接收天线接收目标散射回波,并对回波信号依次进行混频、低通滤波、通道分离,得到MN×1维发射阵排列数据X=As(t)+n(t)其中A=[b1,b2,…,bi,…,bP],为合成阵列导向矢量,i=1,…,P, 为Kronecker积;ar(φi)和at(θi)分别为第i个目标的接收阵和发射阵导向矢量,θi为第i个目标相对于发射阵位置,φi为第i个目标相对于接收阵位置;s(t)为发射信号矢量,n(t)是复高斯白噪声矢量;M、N为大于零的整数;
2)将MN×1维发射阵排列数据X按照接收阵排列,得到NM×1维接收阵排列数据Y;
3)构造发射阵排列数据X与接收阵排列数据Y互相关协方差矩阵Rxy和接收阵排列数据Y与发射阵排列数据X互相关协方差矩阵Ryx;
3a)用MN×1维发射阵排列数据X中的M个元素和NM×1维接收阵排列数据Y中的N个元素构成第一互相关矩阵Rxykj,k=1,…,N,j=1,…,M;用MN×1维发射阵排列数据X中的M个元素共轭反转和NM×1维接收阵排列数据Y中的N个元素构成第二互相关矩阵将这两个互相关矩阵按照行排列,构成发射阵排列数据X与接收阵排列数据Y互相关协方差矩阵Rxy的一个子阵,该互相关协方差矩阵Rxy的子阵数小于等于M和N中的最小值;
3b)用NM×1维接收阵排列数据Y中的N个元素和MN×1维发射阵排列数据X中的M个元素构成第三互相关矩阵Ryxjk;用NM×1维接收阵排列数据Y中的N个元素共轭反转和MN×1维发射阵排列数据X中的M个元素构成互第四互相关矩阵将这两个互相关矩阵按照行排列,构成接收阵排列数据Y与发射阵排列数据X互相关协方差矩阵Ryx的一个子阵,该互相关协方差矩阵Ryx的子阵数小于等于M和N中的最小值;
4)将所述发射阵排列数据X与接收阵排列数据Y的互相关协方差矩阵Rxy划分为P×2NΓ维子阵和(M-P)×2NΓ维子阵将所述接收阵排列数据Y与发射阵排列数据X互相关协方差矩阵Ryx划分为P×2MΓ维子阵和(N-P)×2MΓ维子阵
5)利用所述Rxy行向量的线性无关性和所述Ryx行向量的线性无关性,计算发射阵导向矢量at(θ)零空间的正交投影算子Πθ,以及接收阵导向矢量ar(φ)零空间的正交投影算子Πφ:
6)利用发射阵导向矢量at(θ)零空间的正交投影算子Πθ,以及接收阵导向矢量ar(φ)零空间的正交投影算子Πφ,分别构造发射阵求根多项式f(zt)和接收阵求根多项式f(zr);
8)利用MN×1维发射阵排列数据X的自相关协方差矩阵Rxx行向量的线性无关性,计算合成阵列导向矢量A零空间的正交投影算子Πθ,φ;
9)利用合成阵列导向矢量A零空间的正交投影算子Πθ,φ构造代价函数f(θm,φn)=1/bmn HΠθ,φbmn,其中
3.根据权利要求1所述的基于互相关矩阵的双基MIMO雷达角度估计方法,其中所述步骤3b)中构造接收阵排列数据Y与发射阵排列数据X互相关协方差矩阵Ryx,其公式如下:
其中,
k=1,…,N,j=1,…,M,x'k=xk1,xk2,…,xkj,…,xkM,xkj为第j个发射天线发射电磁波经目标散射后第k个接收天线接收到的数据, 为第M-j+1个发射天线发射电磁波经目标散射后第k个接收天线接收到数据的共轭,Γ=min(M,N),M、N分别为发射阵和接收阵天线个数,E为数学期望,H为共轭转置,T为转置,*为共轭。
4.根据权利要求1所述的基于互相关矩阵的双基MIMO雷达角度估计方法,其中步骤5)所述的利用所述Rxy行向量的线性无关性和所述Ryx行向量的线性无关性,计算发射阵导向矢量at(θ)零空间的正交投影算子Πθ,以及接收阵导向矢量ar(φ)零空间的正交投影算子Πφ,按如下步骤进行:
5a)利用所述Rxy行向量的线性无关性和所述Ryx行向量的线性无关性得到 这两个关系式,进而得到:
5b)利用步骤5a)得到的两个算子Pθ和Pφ,分别构建发射投影矩阵Qθ和接收投影矩阵Qφ:
其中IM-P为(M-P)×(M-P)维单位阵,IN-P为(N-P)×(N-P)维单位阵,T表示转置;
5c)根据发射投影矩阵Qθ与发射阵导向矢量at(θ)的正交性,以及接收投影矩阵Qφ与接收阵导向矢量ar(φ)的正交性,可得如下关系式:
其中,Ο(N-P)×P为(N-P)×P维零矩阵,Ο(M-P)×P为(M-P)×P维零矩阵;
5d)根据所述步骤5c)的两个关系式得到发射阵导向矢量at(θ)零空间的正交投影算子Πθ,以及接收阵导向矢量ar(φ)零空间的正交投影算子Πφ:
5.根据权利要求1所述的基于互相关矩阵的双基MIMO雷达角度估计方法,其中步骤6)所述的用发射阵导向矢量at(θ)零空间的正交投影算子Πθ,以及接收阵导向矢量ar(φ)零空间的正交投影算子Πφ,分别构造发射阵求根多项式f(zt)和接收阵求根多项式f(zr),其公式如下:
7.根据权利要求1所述的基于互相关矩阵的双基MIMO雷达角度估计方法,其中步骤8)所述的利用MN×1维发射阵排列数据X的自相关协方差矩阵Rxx行向量的线性无关性,计算合成阵列导向矢量A零空间的正交投影算子Πθ,φ,按如下步骤进行:
其中INM-P为(NM-P)×(NM-P)维单位阵;
8e)根据步骤8d)得到的关系式,得到合成阵列导向矢量A零空间的正交投影算子:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410035144.0A CN103760547B (zh) | 2014-01-24 | 2014-01-24 | 基于互相关矩阵的双基mimo雷达角度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410035144.0A CN103760547B (zh) | 2014-01-24 | 2014-01-24 | 基于互相关矩阵的双基mimo雷达角度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103760547A true CN103760547A (zh) | 2014-04-30 |
CN103760547B CN103760547B (zh) | 2016-03-02 |
Family
ID=50527814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410035144.0A Expired - Fee Related CN103760547B (zh) | 2014-01-24 | 2014-01-24 | 基于互相关矩阵的双基mimo雷达角度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103760547B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105306097A (zh) * | 2014-06-18 | 2016-02-03 | 中兴通讯股份有限公司 | 一种随机接入信号的检测方法、装置和系统 |
CN105388450A (zh) * | 2015-10-28 | 2016-03-09 | 江苏大学 | 一种基于目标角度分离的双基地mimo系统dod和doa估计方法 |
CN105403871A (zh) * | 2015-10-28 | 2016-03-16 | 江苏大学 | 一种双基地mimo雷达阵列目标角度估计和互耦误差校准方法 |
CN106443610A (zh) * | 2016-11-16 | 2017-02-22 | 西安电子科技大学 | Mimo雷达收发阵列互耦误差自校正方法 |
CN107015213A (zh) * | 2017-03-31 | 2017-08-04 | 长江大学 | 基于music算法的双基地mimo雷达角度估算方法 |
CN107064926A (zh) * | 2017-01-18 | 2017-08-18 | 长江大学 | 空域色噪声背景下的双基地mimo雷达角度估算方法 |
CN108182474A (zh) * | 2017-12-27 | 2018-06-19 | 中国人民解放军战略支援部队信息工程大学 | 基于未校正阵列和神经网络的多目标直接定位方法 |
CN109412723A (zh) * | 2017-08-16 | 2019-03-01 | 中兴通讯股份有限公司 | 一种mimo信道分析模型、建模方法及计算机可读存储介质 |
CN109490820A (zh) * | 2018-11-13 | 2019-03-19 | 电子科技大学 | 一种基于平行嵌套阵的二维doa估计方法 |
CN109541524A (zh) * | 2018-12-14 | 2019-03-29 | 哈尔滨工业大学 | 一种基于欠采样的信号载频与二维doa联合估计方法 |
CN109655804A (zh) * | 2019-01-24 | 2019-04-19 | 南京航空航天大学 | 一种基于奇异值分解的临近目标相对距离估计方法 |
CN111308438A (zh) * | 2020-03-06 | 2020-06-19 | 中国人民解放军海军航空大学 | 一种回波数据散射特征提取方法及系统 |
CN111551924A (zh) * | 2020-06-10 | 2020-08-18 | 重庆圭研科技有限公司 | 一种数字信号处理方法 |
CN112327244A (zh) * | 2020-10-22 | 2021-02-05 | 中国电子科技集团公司第五十四研究所 | 一种基于l型阵列的二维非相干分布式目标参数估计方法 |
CN114280532A (zh) * | 2021-12-27 | 2022-04-05 | 中山大学 | 一种基于带内共轭点乘的雷达目标角度估计方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102213761A (zh) * | 2011-04-06 | 2011-10-12 | 哈尔滨工程大学 | 双基地共址多输入多输出雷达多目标定位方法 |
CN103217671A (zh) * | 2013-04-10 | 2013-07-24 | 哈尔滨工程大学 | 色噪声环境下的多输入多输出雷达收发角度快速估计方法 |
-
2014
- 2014-01-24 CN CN201410035144.0A patent/CN103760547B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102213761A (zh) * | 2011-04-06 | 2011-10-12 | 哈尔滨工程大学 | 双基地共址多输入多输出雷达多目标定位方法 |
CN103217671A (zh) * | 2013-04-10 | 2013-07-24 | 哈尔滨工程大学 | 色噪声环境下的多输入多输出雷达收发角度快速估计方法 |
Non-Patent Citations (3)
Title |
---|
JINLI CHEN ET AL.: ""A new method for joint DOD and DOA estimation in bistatic MIMO radar"", 《SIGNAL PROCESSING》, vol. 90, no. 2, 28 February 2010 (2010-02-28), pages 714 - 718, XP026652535, DOI: doi:10.1016/j.sigpro.2009.08.003 * |
秦国栋 等: ""双基地多载频MIMO雷达目标运动参数估计"", 《系统工程与电子技术》, vol. 31, no. 4, 30 April 2009 (2009-04-30), pages 799 - 803 * |
陈金立 等: ""双基地MIMO雷达高速运动目标的DOD和DOA联合估计"", 《电子与信息学报》, vol. 35, no. 4, 30 April 2013 (2013-04-30), pages 859 - 864 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105306097A (zh) * | 2014-06-18 | 2016-02-03 | 中兴通讯股份有限公司 | 一种随机接入信号的检测方法、装置和系统 |
CN105403871B (zh) * | 2015-10-28 | 2017-11-17 | 江苏大学 | 一种双基地mimo雷达阵列目标角度估计和互耦误差校准方法 |
CN105388450A (zh) * | 2015-10-28 | 2016-03-09 | 江苏大学 | 一种基于目标角度分离的双基地mimo系统dod和doa估计方法 |
CN105403871A (zh) * | 2015-10-28 | 2016-03-16 | 江苏大学 | 一种双基地mimo雷达阵列目标角度估计和互耦误差校准方法 |
CN106443610B (zh) * | 2016-11-16 | 2018-11-16 | 西安电子科技大学 | Mimo雷达收发阵列互耦误差自校正方法 |
CN106443610A (zh) * | 2016-11-16 | 2017-02-22 | 西安电子科技大学 | Mimo雷达收发阵列互耦误差自校正方法 |
CN107064926A (zh) * | 2017-01-18 | 2017-08-18 | 长江大学 | 空域色噪声背景下的双基地mimo雷达角度估算方法 |
CN107064926B (zh) * | 2017-01-18 | 2020-05-19 | 长江大学 | 空域色噪声背景下的双基地mimo雷达角度估算方法 |
CN107015213A (zh) * | 2017-03-31 | 2017-08-04 | 长江大学 | 基于music算法的双基地mimo雷达角度估算方法 |
CN107015213B (zh) * | 2017-03-31 | 2019-12-03 | 长江大学 | 基于music算法的双基地mimo雷达角度估算方法 |
CN109412723A (zh) * | 2017-08-16 | 2019-03-01 | 中兴通讯股份有限公司 | 一种mimo信道分析模型、建模方法及计算机可读存储介质 |
CN108182474A (zh) * | 2017-12-27 | 2018-06-19 | 中国人民解放军战略支援部队信息工程大学 | 基于未校正阵列和神经网络的多目标直接定位方法 |
CN109490820A (zh) * | 2018-11-13 | 2019-03-19 | 电子科技大学 | 一种基于平行嵌套阵的二维doa估计方法 |
CN109490820B (zh) * | 2018-11-13 | 2021-04-27 | 电子科技大学 | 一种基于平行嵌套阵的二维doa估计方法 |
CN109541524B (zh) * | 2018-12-14 | 2020-07-24 | 哈尔滨工业大学 | 一种基于欠采样的信号载频与二维doa联合估计方法 |
CN109541524A (zh) * | 2018-12-14 | 2019-03-29 | 哈尔滨工业大学 | 一种基于欠采样的信号载频与二维doa联合估计方法 |
CN109655804A (zh) * | 2019-01-24 | 2019-04-19 | 南京航空航天大学 | 一种基于奇异值分解的临近目标相对距离估计方法 |
CN111308438A (zh) * | 2020-03-06 | 2020-06-19 | 中国人民解放军海军航空大学 | 一种回波数据散射特征提取方法及系统 |
CN111308438B (zh) * | 2020-03-06 | 2021-11-02 | 中国人民解放军海军航空大学 | 一种回波数据散射特征提取方法及系统 |
CN111551924A (zh) * | 2020-06-10 | 2020-08-18 | 重庆圭研科技有限公司 | 一种数字信号处理方法 |
CN112327244A (zh) * | 2020-10-22 | 2021-02-05 | 中国电子科技集团公司第五十四研究所 | 一种基于l型阵列的二维非相干分布式目标参数估计方法 |
CN112327244B (zh) * | 2020-10-22 | 2022-06-24 | 中国电子科技集团公司第五十四研究所 | 一种基于l型阵列的二维非相干分布式目标参数估计方法 |
CN114280532A (zh) * | 2021-12-27 | 2022-04-05 | 中山大学 | 一种基于带内共轭点乘的雷达目标角度估计方法及系统 |
CN114280532B (zh) * | 2021-12-27 | 2024-04-19 | 中山大学 | 一种基于带内共轭点乘的雷达目标角度估计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103760547B (zh) | 2016-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103760547B (zh) | 基于互相关矩阵的双基mimo雷达角度估计方法 | |
CN103901417B (zh) | L型阵列mimo雷达低复杂度空间目标二维角度估计方法 | |
CN102707264B (zh) | 基于圆形阵列双基地mimo雷达的波达方向估计方法 | |
CN104155648B (zh) | 基于阵列数据重排的高频地波雷达单次快拍music测向方法 | |
CN103323827B (zh) | 基于快速傅里叶变换的mimo雷达系统角度估计方法 | |
CN103353591B (zh) | 基于mimo的双基地雷达局域化降维杂波抑制方法 | |
CN103353592B (zh) | 基于mimo的双基地雷达多通道联合降维杂波抑制方法 | |
CN104251989A (zh) | 基于压缩空间谱的单基地mimo雷达目标波达方向估计方法 | |
CN103353596A (zh) | 基于压缩感知的波束空间域米波雷达测高方法 | |
CN103744061A (zh) | 基于迭代最小二乘方法的mimo雷达doa估计方法 | |
CN105068068B (zh) | 双基地mimo雷达均匀圆阵角度多普勒频率估计方法 | |
CN103412286B (zh) | 基于mimo雷达的发射极化优化doa估计方法 | |
CN102981152A (zh) | 双基地多输入多输出雷达的多目标收发角度估计方法 | |
CN102135617A (zh) | 双基地多输入多输出雷达多目标定位方法 | |
CN104678372A (zh) | 正交频分复用雷达超分辨距离与角度值联合估计方法 | |
CN105182325B (zh) | 基于秩1约束的米波mimo雷达低仰角目标测高方法 | |
CN105717496A (zh) | 一种基于矩阵填充的频控阵mimo雷达系统的实现方法 | |
CN103023586A (zh) | 一种天波超视距雷达电离层信道模型 | |
CN108008386A (zh) | 一种基于单快拍music算法的距离向处理方法 | |
CN106019234A (zh) | L型天线阵的低计算复杂度二维波达方向估计方法 | |
CN103926573A (zh) | 基于四阶累积量的单基地mimo雷达分布式目标角度估计方法 | |
CN104237843A (zh) | 一种分布式信源二维中心波达角的估计方法 | |
CN103217671B (zh) | 色噪声环境下的多输入多输出雷达收发角度快速估计方法 | |
CN103885049A (zh) | 基于最小冗余线性稀疏子阵的米波雷达低仰角估计方法 | |
CN103245942A (zh) | 一种基于mimo阵列的无失真扇扫成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160302 Termination date: 20210124 |
|
CF01 | Termination of patent right due to non-payment of annual fee |