CN107863997B - 分布式mimo雷达系统多目标位置估计的功率优化方法 - Google Patents

分布式mimo雷达系统多目标位置估计的功率优化方法 Download PDF

Info

Publication number
CN107863997B
CN107863997B CN201711008796.5A CN201711008796A CN107863997B CN 107863997 B CN107863997 B CN 107863997B CN 201711008796 A CN201711008796 A CN 201711008796A CN 107863997 B CN107863997 B CN 107863997B
Authority
CN
China
Prior art keywords
power
position estimation
target
radar system
distributed mimo
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.)
Active
Application number
CN201711008796.5A
Other languages
English (en)
Other versions
CN107863997A (zh
Inventor
任修坤
宋喜玉
吕品品
郑娜娥
田英华
张龙
柏婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PLA Information Engineering University
Original Assignee
PLA Information Engineering University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by PLA Information Engineering University filed Critical PLA Information Engineering University
Priority to CN201711008796.5A priority Critical patent/CN107863997B/zh
Publication of CN107863997A publication Critical patent/CN107863997A/zh
Application granted granted Critical
Publication of CN107863997B publication Critical patent/CN107863997B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0426—Power distribution
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/42—Diversity systems specially adapted for radar
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明涉及一种分布式MIMO雷达系统多目标位置估计的功率优化方法，包含：以最小化雷达系统发射功率为目标函数，在多目标不同位置估计精度要求和雷达发射功率上限的约束下，建立发射功率优化模型；将功率分配的非凸优化问题通过SPCA算法松弛为凸优化问题，求解功率分配的近似解；采用启发式搜索算法对功率分配结果进一步优化，得到最优的功率分配结果。本发明能够在满足多目标不同位置估计要求的条件下，最大化资源利用率，消耗最少的功率资源；本发明能够使用更少的系统总功率，在提高资源利用率的同时，降低系统计算量；通过控制目标个数和位置估计精度要求，目标跟踪精度要求越高，本发明性能越稳定，个数越多，优势越明显，具有较好的应用价值。

Description

分布式MIMO雷达系统多目标位置估计的功率优化方法
技术领域
本发明属于MIMO雷达技术领域，特别涉及一种分布式MIMO雷达系统多目标位置估计的功率优化方法。
背景技术
分布式MIMO空间分集优势，提高了雷达系统的目标探测和跟踪性能，受到诸多学者的广泛关注。MIMO雷达强大性能的背后也会产生系统代价，包括更多的发射功率和系统处理复杂度，以及更大的通信负担。然而这些问题在实际系统中并不容易解决。当雷达系统出于多任务工作模式下，需要将有限的系统资源在不同任务之间协调配置。此时雷达系统用于跟踪任务的功率资源是有限的，当系统工作时间较长或资源供给条件有限时，雷达的功率分配对发挥系统效能的影响格外明显。为协调任务模式下的资源配置提高雷达系统整体性能，可以研究给定位置估计精度要求下的最少功率分配问题，以保留更多资源用于其他重要任务的处理。根据目标任务性质的差异，雷达系统需要对不同性质目标区别对待。
发明内容
针对现有技术中的不足，本发明提供一种分布式MIMO雷达系统多目标位置估计的功率优化方法，结合目标任务性质，对多目标提出不同的位置估计精度要求，在保证跟踪任务要求的前提下，提高功率资源利用率，以预留更多资源用于系统其他任务处理。
按照本发明所提供的设计方案，一种分布式MIMO雷达系统多目标位置估计的功率优化方法，包含如下步骤：
步骤1、根据分布式MIMO雷达系统中发射阵元和接收阵元信号，推导目标位置估计精度表达式；
步骤2、基于目标位置估计精度表达式，结合多目标位置估计要求，以最小化系统发射功率为目标函数，建立功率优化模型；
步骤3、根据功率优化模型，将功率分配的非凸优化问题，通过连续参数凸近似SPCA算法松弛为凸优化问题的求解，得到初步功率分配结果；
步骤4、通过启发式搜索算法对初步功率分配结果进行优化，得到功率分配最优解。
上述的，步骤1包含：根据分布式MIMO雷达系统中发射阵元和接收阵元信号，以贝叶斯克拉美罗界作为目标位置估计误差的度量准则，得到k时刻第q个目标位置估计误差的贝叶斯克拉美罗界，并确定目标位置估计精度函数。
上述的，目标位置估计精度函数表示为：
Figure BDA0001445040560000011
，其中，
Figure BDA0001445040560000012
Figure BDA0001445040560000013
Figure BDA0001445040560000014
pk为k时刻发射功率向量，
Figure BDA0001445040560000015
Figure BDA0001445040560000016
为与雷达和目标位置关系相关参数，
Figure BDA0001445040560000017
为功率谱密度。
上述的，步骤2中以最小化系统发射功率为目标函数建立的功率优化模型表示为：
Figure BDA0001445040560000018
Figure BDA0001445040560000019
，其中，
Figure BDA0001445040560000021
为k时刻目标q的速度估计精度；pmax为分配给单部雷达发射功率的上限pk表示k时刻雷达发射功率向量，
Figure BDA0001445040560000022
为k时刻第q个目标的位置估计精度要求，Q为分布式MIMO雷达系统存在的运动目标个数，M为分布式MIMO雷达系统含有的发射阵元个数。
优选的，步骤3包含如下内容：以目标位置估计精度表达式
Figure BDA0001445040560000023
作为定位精度函数；给定位置估计精度下的约束问题为
Figure BDA0001445040560000024
，采用连续参数凸近似SPCA算法对其求解，得到初步功率分配结果，其中，
Figure BDA0001445040560000025
为k时刻第q个目标的位置估计精度要求，Q为分布式MIMO雷达系统存在的运动目标个数。
优选的，采用连续参数凸近似SPCA算法对其求解，包含：对给定位置估计精度下的约束问题中的凹函数项在p(l),k处进行二阶泰勒展开，得到约束模型，该约束模型表示为
Figure BDA0001445040560000026
；进而得到位置估计要求为
Figure BDA0001445040560000027
的前提下的功率分配结果p′k,P0,k＝1Tp′k，分配总功率为P0,k＝1Tp′k，1表示全1列向量。
优选的，步骤4中的采用启发式搜索算法对初步功率分配结果进行优化，包含：每次选取一个阵元，为其增加发射功率Vp，以优先满足跟踪精度最高目标的位置估计要求，直到所有目标均满足位置估计要求，得到分布式MIMO雷达系统功率分配最优解popt,k。
优选的，步骤4中启发式搜索算法执行过程如下：首先，确定目标位置估计精度的收敛误差ε和功率增加步长Vp；然后，根据目标定位精度需求，划分目标的优先级顺序，优先满足高精度目标的定位需求；最后，采用贪婪搜索方法，将功率增加步长Vp每次分配给一个阵元，使其目标定位精度最高，如此循环，直到所有目标均满足位置估计要求，得到分布式MIMO雷达系统功率分配最优解popt,k。
本发明的有益效果：
本发明以最小化系统发射功率为目标函数，在多目标位置估计要求给定的条件下，建立了发射功率的优化模型，将功率分配的非凸优化问题，采用SPCA算法松弛为凸问题求解，得到初步功率优化结果，进一步通过启发式搜索算法优化功率分配，得到最优的功率优化结果；能够在满足多目标不同位置估计要求的条件下，最大化资源利用率，消耗最少的功率资源；与其它分配算法相比，本发明能够使用更少的系统总功率，在提高资源利用率的同时，降低系统计算量；通过控制目标个数和位置估计精度要求，目标跟踪精度要求越高，本发明性能越稳定，个数越多，优势越明显，具有较好的实际应用价值。
附图说明：
图1为本发明的方法流程图；
图2为实施例中功率分配算法流程示意图；
图3为实施例中雷达与目标的位置关系图；
图4为实施例中MSEk＝(52 62)m2时的功率分配结果；
图5为实施例中MSEk＝(52 62 72 82)m2时的功率分配结果；
图6为实施例中MSEk＝(52 62 32 42)m2时的功率分配结果。
具体实施方式：
下面结合附图和技术方案对本发明作进一步清楚、完整的说明，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
为适应雷达多任务工作模式下的资源抢占问题，考虑到多目标不同特性优先级的问题。针对这一问题，根据多目标不同性质，设定不同位置估计精度要求，提出分布式MIMO雷达多目标位置估计的功率优化方法，以提高功率资源利用率，本发明实施例一，参见图1所示，提供一种分布式MIMO雷达系统多目标位置估计的功率优化方法，包含如下步骤：
101、根据分布式MIMO雷达系统中发射阵元和接收阵元信号，推导目标位置估计精度表达式；
102、基于目标位置估计精度表达式，结合多目标位置估计要求，以最小化系统发射功率为目标函数，建立功率优化模型；
103、根据功率优化模型，将功率分配的非凸优化问题，通过连续参数凸近似SPCA算法松弛为凸优化问题的求解，得到初步功率分配结果；
104、通过启发式搜索算法对初步功率分配结果进行优化，得到功率分配最优解。
以最小化系统发射功率为目标函数，在多目标不同位置估计要求下，建立了最少发射功率的优化模型，将该非凸优化问题采用SPCA算法松弛为凸问题，得到初始功率分配结果p′k，然后，采用启发式搜索方式对功率分配结果进一步优化，得到功率分配的最优结果popt,k；能够使用更少的系统总功率，在提高资源利用率的同时，降低系统计算量。
实施例二，一种分布式MIMO雷达系统多目标位置估计的功率分配方法，具体包括以下步骤：
步骤1：推导目标位置估计精度表达式。
分布式MIMO雷达系统含有M部发射雷达，N部接收雷达，雷达间隔足够大。笛卡尔二维坐标系中，发射雷达坐标为..，接收雷达坐标为
Figure BDA0001445040560000031
雷达发射正交信号的低通等效式为..，满足
Figure BDA0001445040560000032
Tm是第m部雷达发射信号的持续时间。雷达发射信号的时宽为t＝[t1,t2,L,tM]T，带宽为β＝[β1,β2,L,βM]T，功率为p＝[p1,p2,L,pM]T。存在Q个运动目标，第q个目标的状态向量为
Figure BDA0001445040560000033
定义第m部发射雷达经第q个目标到第n部雷达的整个路径为路径mqn。
k时刻，第n部接收雷达接收到的信号表示为
Figure BDA0001445040560000034
，其中，
Figure BDA0001445040560000035
表示信号在路径mqn上的衰减，fc为载频，
Figure BDA0001445040560000036
分别表示第m部发射雷达和第n部接收雷达到第q个目标的欧式距离。ξmqn,k表示路径mqn对应的目标复散射系数。
Figure BDA0001445040560000041
表示信号在路径mqn上传播的时延，c为光速。
Figure BDA0001445040560000042
表示目标运动产生的多普勒频移，λ为信号波长，
Figure BDA0001445040560000043
分别表示第m部发射雷达和第n部接收雷达对第q个目标的观测角度。wn,k(t)表示自相关函数为
Figure BDA0001445040560000044
的高斯白噪声。定义目标状态观测量为
Figure BDA0001445040560000045
其中，
Figure BDA0001445040560000046
Figure BDA0001445040560000047
满足
Figure BDA0001445040560000048
根据现有研究，贝叶斯克拉美罗界(Bayesian Cramer-Rao Bound，BCRB)为运动目标的状态估计量提供估计误差的下界。k时刻，目标状态估计向量
Figure BDA0001445040560000049
的贝叶斯信息矩阵(Bayesian Information Matrix,BIM)的计算方法为
Figure BDA00014450405600000410
，其中，
Figure BDA00014450405600000411
表示估计向量的费舍尔信息矩阵(FisherInformation Matrix,FIM)，E{·}表示求期望过程，
Figure BDA00014450405600000412
为雅克比矩阵，
Figure BDA00014450405600000413
Figure BDA00014450405600000414
fr为脉冲重复频率。通过对BIM求逆，可以得到BCRB矩阵
Figure BDA00014450405600000415
为4×4矩阵，对角线元素为
Figure BDA00014450405600000416
各分量估计方差的下界，满足
Figure BDA00014450405600000417
因此，可以得到基于功率分配的位置估计精度函数为
Figure BDA00014450405600000418
，其中，pk＝[p1,k,p2,k,L,pM,k]T为k时刻发射功率向量。
Figure BDA00014450405600000419
体现了k时刻第q个运动目标的位置跟踪精度。
实际上k时刻，
Figure BDA00014450405600000420
的第一项为与上一时刻有关的常数，因此，现有研究认为可以将其忽略，以
Figure BDA00014450405600000421
来近似
Figure BDA00014450405600000422
从而可以得到近似位置估计精度表达式为
Figure BDA00014450405600000423
，其中，
Figure BDA00014450405600000424
定义如下：
Figure BDA00014450405600000425
Figure BDA0001445040560000051
步骤2：结合多目标位置估计要求，以最小化系统发射功率为目标函数，建立功率优化模型。
为提高MIMO雷达在多任务模式下资源利用率，运动多目标不同位置估计精度要求下的最少功率优化问题可以描述为
Figure BDA0001445040560000052
Figure BDA0001445040560000053
，其中，pk表示k时刻雷达发射功率向量。
Figure BDA0001445040560000054
为k时刻第q个目标的位置估计精度要求。
步骤3：采用SPCA算法对优化问题进行松弛，得到粗略功率分配结果。
优化模型中目标函数和第二个约束条件是线性的，但是第一个约束条件是二阶非凸函数，可以采用SPCA算法对其求解。现采用SPCA算法对凹函数项在p(l),k处进行二阶泰勒展开后的优化模型为
Figure BDA0001445040560000055
Figure BDA0001445040560000056
对该模型采用凸优化方法，得到在位置估计要求为
Figure BDA0001445040560000057
的前提下的功率分配结果p′k,P0,k＝1Tp′k。
步骤4：采用启发式搜索算法进一步地完善功率，得到功率分配的最优解。
上述结果采用了近似的位置估计精度函数
Figure BDA0001445040560000061
所以功率分配结果p′k并不一定能够完全满足多个目标的位置估计需求。现以实际的位置估计函数为准则，采用启发式算法对现有的分配结果p′k进一步分配。启发式搜索优化方式包含如下内容：首先，确定目标位置估计精度的收敛误差ε和功率增加步长Vp。然后，根据目标定位精度需求，划分目标的优先级顺序，优先满足高精度目标的定位需求。最后，采用贪婪搜索的方式，将功率单元Vp每次分配给一个阵元，使其目标定位精度最高，如此循环，直到所有目标均达到各自定位精度需求。假设k时刻以优化第i个目标的定位精度
Figure BDA0001445040560000062
为准则时，功率增加单元Vp由目标当前位置精度和预定位置精度的差值确定
Figure BDA0001445040560000063
Figure BDA0001445040560000067
表示向上取整函数。当前位置精度
Figure BDA0001445040560000064
与预定位置精度
Figure BDA0001445040560000065
差值较大时，Vp以较大步长分配功率，加快分配速度，反之，以较小步长调整到最优功率结果，避免了资源的浪费。具体贪婪搜索流程如表1所示。
表1启发式功率分配算法流程
Figure BDA0001445040560000066
以最小化雷达系统发射功率为目标函数，在多目标不同位置估计精度要求和雷达发射功率上限的约束下，建立发射功率优化模型；首先，将功率分配的非凸优化问题通过SPCA算法松弛为凸优化问题，求解功率分配的近似解；然后，采用启发式搜索算法对功率分配结果进一步优化，得到最优的功率分配结果；本发明能够使用比其他方法更少的系统总功率，在提高资源利用率的同时，降低系统计算量；此外，目标跟踪精度要求越高，本发明性能越稳定，目标个数越多，本发明优势越明显。
基于上述实施例，为进一步验证本发明的有效性，参见图3～6所示，下面通过具体实例对本发明做进一步解释说明：
仿真条件：
参见图3，设定分布式MIMO雷达的发射阵元数为M＝6，接收阵元数为N＝4。运动目标个数Q＝4，以150m/s的速度匀速靠近指挥部(7000,0)m，。假设雷达发射信号满足正交条件，脉冲重复频率为fr＝5300Hz，发射信号波长为0.3m，有效时宽为0.1ms、有效带宽为2MHz，雷达发射功率上限为3kw。为排除目标散射特性对分配结果的影响，现采用的目标RCS模型为|h|2＝[1…1；…；1…1]。假设共有18帧数据用于本次仿真，观测时间间隔为T0＝3s。实验采用启发式算法、均匀分配算法和本文提出的MSPCA算法，其中启发式和均匀分配算法对单个阵元的功率增量分别为Vp和Vp/M。为更好地评估所提MSPCA算法的性能，实验将从分配总功率和计算复杂度两个方面分析讨论。实验取num＝500次蒙特卡洛结果的平均值。
1)仿真实验：
参见图4，首先考虑了两个目标的跟踪情形。系统对目标1和目标2的位置估计精度要求为MSEk＝(52 62)m2。图4给出了不同算法下消耗的系统总功率和计算时间，图4中：(a)表示功率分配结果示意图，(b)表示计算量结果示意图；(a)中，尽管所提MSPCA算法和启发式算法比均匀分配算法消耗更少的系统功率，但是这两种算法均不能够完全达到全局最优解，因为启发式算法和MSPCA算法的功率增量Vp可能引入计算误差，可以看出，大部分时刻下，MSPCA算法的功率分配结果优于启发式算法，但是在第9帧和第10帧时差于启发式算法；(b)显示MSPCA算法的计算量明显少于启发式算法。因此，从整体上看，MSPCA算法的性能要优于启发式算法，但是MSPCA算法的性能受目标与雷达之间的相对位置关系影响，导致相邻时刻计算时间出现差异。
参见图5，为分析目标个数对算法性能的影响，图5给出了4个目标在MSEk＝(52 6272 82)m2时的实验结果，图5中：(a)表示功率分配结果示意图，(b)表示计算量结果示意图。由图5可以看出，随着目标个数的增加MSPCA算法可以消耗最少的系统功率，在计算复杂度高的时，比启发式算法计算的更快。由此说明，目标个数的增加能够提升所提算法的稳定性。
参见图6，考虑到目标定位精度对算法性能的影响，进一步给出了MSEk＝(52 62 3242)m2时的实验结果，图6中：(a)表示功率分配结果示意图，(b)表示计算量结果示意图。与图4和图5的结果比较，图6的实验结果说明了目标位置估计精度要求越高，MSPCA算法和启发式算法消耗的总功率越多，并且两者的功率分配结果也更加接近，同时MSPCA算法依然可以保持其在计算时间上的优势。
本发明可以对多目标设定不同视为位置估计精度要求，结合目标任务性质，对多目标提出不同的位置估计精度要求，在保证跟踪任务要求的前提下，提高功率资源利用率，以预留更多资源用于系统其他任务处理。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种分布式MIMO雷达系统多目标位置估计的功率优化方法，其特征在于，包含如下步骤：
步骤1、根据分布式MIMO雷达系统中发射阵元和接收阵元信号，推导目标位置估计精度表达式；
步骤2、基于目标位置估计精度表达式，结合多目标位置估计要求，以最小化系统发射功率为目标函数，建立功率优化模型；
步骤3、根据功率优化模型，将功率分配的非凸优化问题，通过连续参数凸近似SPCA算法松弛为凸优化问题的求解，得到初步功率分配结果；
步骤4、通过启发式搜索算法对初步功率分配结果进行优化，得到功率分配最优解；
步骤4中的采用启发式搜索算法对初步功率分配结果进行优化，包含：每次选取一个阵元，为其增加发射功率Δp，以优先满足跟踪精度最高目标的位置估计要求，直到所有目标均满足位置估计要求，得到分布式MIMO雷达系统功率分配最优解popt,k。
2.根据权利要求1所述的分布式MIMO雷达系统多目标位置估计的功率优化方法，其特征在于，步骤1包含：根据分布式MIMO雷达系统中发射阵元和接收阵元信号，以贝叶斯克拉美罗界作为目标位置估计误差的度量准则，得到k时刻第q个目标位置估计误差的贝叶斯克拉美罗界，并确定目标位置估计精度函数。
3.根据权利要求2所述的分布式MIMO雷达系统多目标位置估计的功率优化方法，其特征在于，目标位置估计精度函数表示为：
Figure FDA0002301822970000011
，其中，
Figure FDA0002301822970000012
pk为k时刻发射功率向量，
Figure FDA0002301822970000013
Figure FDA0002301822970000014
为与雷达和目标位置关系相关参数，
Figure FDA0002301822970000015
为功率谱密度。
4.根据权利要求1所述的分布式MIMO雷达系统多目标位置估计的功率优化方法，其特征在于，步骤2中以最小化系统发射功率为目标函数建立的功率优化模型表示为：
Figure FDA0002301822970000016
Figure FDA0002301822970000017
，其中，
Figure FDA0002301822970000018
为k时刻目标q的速度估计精度；pmax为分配给单部雷达发射功率的上限；pk表示k时刻雷达发射功率向量，
Figure FDA0002301822970000019
为k时刻第q个目标的位置估计精度要求，Q为分布式MIMO雷达系统存在的运动目标个数，M为分布式MIMO雷达系统含有的发射阵元个数。
5.根据权利要求3所述的分布式MIMO雷达系统多目标位置估计的功率优化方法，其特征在于，步骤3包含如下内容：以目标位置估计精度表达式
Figure FDA00023018229700000110
作为定位精度函数；给定位置估计精度下的约束问题为
Figure FDA0002301822970000021
，采用连续参数凸近似SPCA算法对其求解，得到初步功率分配结果，其中，
Figure FDA0002301822970000022
为k时刻第q个目标的位置估计精度要求，Q为分布式MIMO雷达系统存在的运动目标个数。
6.根据权利要求5所述的分布式MIMO雷达系统多目标位置估计的功率优化方法，其特征在于，采用连续参数凸近似SPCA算法对其求解，包含：对给定位置估计精度下的约束问题中的凹函数项在p(l),k处进行二阶泰勒展开，得到约束模型，该约束模型表示为
Figure FDA0002301822970000023
；进而得到位置估计要求为
Figure FDA0002301822970000024
的前提下的功率分配结果p′k，分配总功率P0,k＝1Tp′k，1表示全1列向量。
7.根据权利要求1所述的分布式MIMO雷达系统多目标位置估计的功率优化方法，其特征在于，步骤4中启发式搜索算法执行过程如下：首先，确定目标位置估计精度的收敛误差ε和功率增加步长Δp；然后，根据目标定位精度需求，划分目标的优先级顺序，优先满足高精度目标的定位需求；最后，采用贪婪搜索方法，将功率增加步长Δp每次分配给一个阵元，使其目标定位精度最高，如此循环，直到所有目标均满足位置估计要求，得到分布式MIMO雷达系统功率分配最优解popt,k。
CN201711008796.5A 2017-10-25 2017-10-25 分布式mimo雷达系统多目标位置估计的功率优化方法 Active CN107863997B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711008796.5A CN107863997B (zh) 2017-10-25 2017-10-25 分布式mimo雷达系统多目标位置估计的功率优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711008796.5A CN107863997B (zh) 2017-10-25 2017-10-25 分布式mimo雷达系统多目标位置估计的功率优化方法

Publications (2)

Publication Number Publication Date
CN107863997A CN107863997A (zh) 2018-03-30
CN107863997B true CN107863997B (zh) 2020-05-05

Family

ID=61696783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711008796.5A Active CN107863997B (zh) 2017-10-25 2017-10-25 分布式mimo雷达系统多目标位置估计的功率优化方法

Country Status (1)

Country Link
CN (1) CN107863997B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108562894B (zh) * 2018-04-19 2020-06-26 电子科技大学 雷达波束指向与发射功率的分配方法
CN109743084B (zh) * 2019-01-31 2021-06-15 南京航空航天大学 频谱共存下基于lpi的分布式组网雷达功率分配方法
CN110426687A (zh) * 2019-08-08 2019-11-08 南京航空航天大学 双基地雷达射频隐身波形优化设计方法
CN111458704B (zh) * 2020-04-10 2022-03-01 中国人民解放军战略支援部队信息工程大学 多任务下突出重点目标跟踪的分布式mimo雷达阵元选取方法
CN112034448B (zh) * 2020-08-10 2022-11-04 西安电子科技大学 基于跟踪精度和资源限制下的组网雷达资源分配优化方法
CN113709771B (zh) * 2021-08-20 2023-03-10 中国科学院数学与系统科学研究院 调整信号发射功率的方法、装置、设备和可读介质
CN113655474B (zh) * 2021-08-23 2023-07-21 江苏科技大学 针对组网雷达目标跟踪的功率带宽联合分配方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760556A (zh) * 2014-01-23 2014-04-30 西安电子科技大学 基于集中式mimo雷达的多目标认知跟踪方法
CN106199579A (zh) * 2016-06-22 2016-12-07 中国人民解放军信息工程大学 分布式mimo雷达目标跟踪精度联合资源优化方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10425134B2 (en) * 2004-04-02 2019-09-24 Rearden, Llc System and methods for planned evolution and obsolescence of multiuser spectrum
US20120274499A1 (en) * 2011-04-29 2012-11-01 Spatial Digital Systems Radar imaging via spatial spectrum measurement and MIMO waveforms

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760556A (zh) * 2014-01-23 2014-04-30 西安电子科技大学 基于集中式mimo雷达的多目标认知跟踪方法
CN106199579A (zh) * 2016-06-22 2016-12-07 中国人民解放军信息工程大学 分布式mimo雷达目标跟踪精度联合资源优化方法

Also Published As

Publication number Publication date
CN107863997A (zh) 2018-03-30

Similar Documents

Publication Publication Date Title
CN107863997B (zh) 分布式mimo雷达系统多目标位置估计的功率优化方法
CN107192985B (zh) 分布式mimo雷达系统多目标速度估计的资源联合优化方法
CN107728139B (zh) 一种基于多目标跟踪的相控阵雷达组网系统资源管理方法
CN107942310A (zh) 分布式mimo雷达系统多目标位置估计的资源联合优化方法
Yan et al. Cooperative target assignment and dwell allocation for multiple target tracking in phased array radar network
CN106682820B (zh) 一种基于脉冲交错的数字阵列雷达任务优化调度方法
CN106990399B (zh) 用于目标跟踪的组网雷达系统功率和带宽联合分配方法
CN105116381B (zh) 多波束雷达时间功率资源联合分配方法
CN107340515B (zh) 基于分布式组网雷达系统的目标定位资源分配方法
CN111090078B (zh) 一种基于射频隐身的组网雷达驻留时间优化控制方法
CN108562894B (zh) 雷达波束指向与发射功率的分配方法
US9608325B2 (en) Dynamic resource allocation in a multi-role or multi-function system
CN111208505B (zh) 基于多目标跟踪的分布式mimo雷达最少阵元快速提取方法
CN103838623B (zh) 相控阵雷达资源管理中的脉冲交错调度方法
Yuan et al. Joint tracking sequence and dwell time allocation for multi-target tracking with phased array radar
Luo et al. A node depth adjustment method with computation-efficiency based on performance bound for range-only target tracking in UWSNs
CN104156619A (zh) 协同探测中传感器分配方法
CN111198366A (zh) 分布式mimo雷达多任务下的有限阵元快速选取方法
Zhang et al. GPU-based parallel back projection algorithm for the translational variant BiSAR imaging
Zhang et al. Joint aperture and transmit resource allocation strategy for multi-target localization in phased array radar network
Kotthaus et al. Can Flexible Multi-Core Scheduling Help to Execute Machine Learning Algorithms Resource-Efficiently?
GB2593355A (en) Reservoir simulation systems and methods to dynamically improve performance of reservoir simulations
CN112148452B (zh) 单平台雷达综合探测系统任务资源最小熵准则分配方法
CN109375221B (zh) 基于可变调度间隔的isar成像资源自适应调度方法
Qiu et al. Joint dwell time and bandwidth optimization for multiple-target tracking in radar network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant