CN108469601B - 改善mimo-stap最差检测性能的收发联合稳健优化方法 - Google Patents
改善mimo-stap最差检测性能的收发联合稳健优化方法 Download PDFInfo
- Publication number
- CN108469601B CN108469601B CN201810044128.6A CN201810044128A CN108469601B CN 108469601 B CN108469601 B CN 108469601B CN 201810044128 A CN201810044128 A CN 201810044128A CN 108469601 B CN108469601 B CN 108469601B
- Authority
- CN
- China
- Prior art keywords
- clutter
- target
- equation
- mimo
- optimization
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 71
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000001629 suppression Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 81
- 239000011159 matrix material Substances 0.000 claims description 39
- 230000001427 coherent effect Effects 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 13
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明针对多输入多输出(MIMO)雷达空时自适应处理(STAP)检测性能对参数估计误差敏感导致系统检测概率稳健性较差的问题,提出了一种目标先验信息未确知情况下发射波形及接收权值联合稳健优化方法。根据最大化输出信干噪比(SINR)准则,在发射波形恒模特性、旁瓣及杂波抑制等约束下,本专利基于参数估计误差凸集构建了发射波形及接收权联合稳健优化问题。为求解所得复杂非线性问题,本发明提出一种迭代算法,所提算法中每一步都可转化为半定规划问题(SDP),因而可获得高效求解。数值仿真表明,与非稳健算法以及不相关波形相比,所提算法可显著改善MIMO‑STAP雷达的检测稳健性。
Description
技术领域
本发明属于雷达信号处理领域,具体涉及一种在目标先验信息未确知情况 下改善MIMO-STAP最差检测性能的收发联合稳健优化方法。
背景技术
近年来,随着多输入多输出(MIMO)通信的蓬勃发展,以及雷达为突破自 身限制而产生的对新理论、新技术的需求,MIMO雷达概念应运而生。与只能 发射相干波形的传统相控阵雷达相比,MIMO雷达可利用多个发射单元发射几 乎任意波形。按照相邻阵元间距的不同,MIMO雷达可分为分布式MIMO雷达 和集中式MIMO雷达。分布式MIMO雷达相邻阵元间有较大间距,可从不同角 度对目标进行检测,从而可利用空间分集提高目标检测性能。相反地,集中式 MIMO雷达相邻接收阵元之间间距较近,因而只能从某个角度对目标进行观测, 从而可获得更多系统自由度,进而可提高参数辨识能力、估计精度,以及干扰 抑制性能。
基于空时自适应处理(STAP)技术具有同时抑制杂波和干扰的特性,既可 实现与复杂外界环境的有效匹配,又可在一定程度上补偿系统误差造成的影响, 因而可显著改善雷达系统性能。因此,为提高MIMO雷达检测性能,众多STAP 技术的检测算法相继被提出,其中Bliss等人首次将STAP概念引入MIMO雷达 系统,G.Wang等深入研究了MIMO-STAP杂波秩与发射波形的关系,并给出确 定杂波秩的准则,H.Wang等通过设计发射波形以改善MIMO-STAP检测性能, B.Tang等提出一种发射波形及接收权联合优化的迭代方法以改善MIMO-STAP 检测性能。
然而,上述优化问题的求解是建立在关于环境及目标先验信息确知基础上。 而实际应用中,这些先验信息只能通过估计得到,因而不可避免地存在估计误 差。因此,依赖于这些估计值得到的优化波形必然受到估计误差的影响,从而 导致MIMO-STAP雷达系统性能下降。此外,上述检测算法并未考虑旁瓣及杂 波抑制问题,而抑制旁瓣不但可将主要能量集中在主瓣区域以提高目标的检测 能力,还能减少来自旁瓣区的杂波和虚假目标的能量。
发明内容
本发明提出一种目标先验信息未确知情况下发射波形及接收权值联合稳健 优化方法以改善最差条件下MIMO-STAP检测性能。
本发明为解决其技术问题所采用的技术方案为提供一种改善MIMO-STAP 最差检测性能的收发联合稳健优化方法,该方法包括以下步骤:
第一步:建立MIMO-STAP模型
收发阵列为均匀线阵,接收阵元和发射阵元个数分别为N和M,收发间距 分别为dR和dT,且平行分布;雷达平台沿收发阵列方向匀速直线飞行,且脉冲 间隔为T;
基于上述场景分别对目标、杂波及噪声进行建模:
设发射信号矩阵为S=[s1,s2,...sM]T,其中sm∈CK×1表示第m个发射单元的波形采样,K为样本数,则第l个脉冲下目标接收信号表示为:
其中,fD=2(vsinθt+vt)T/λ为目标多普勒频率,v和vt分别表示该雷达站和目 标相对于MIMO雷达的速度;αt和θt分别表示目标信号的复振幅和位置; 为目标接收导向矢量,为目标发射 导向矢量,fs=dRsinθt/λ为目标空间频率,γ=dT/dR,λ为载波波长;
基于式(3),滤波器输出为:
Υ=αtwHXut(θt) (4)
由式(4)可知,目标信号输出功率可表示为:
杂波建模为NC个杂波块的叠加,则L个CPI脉冲条件下杂波表示为:
其中,αc和θc分别表示杂波块的复振幅和位置;为杂波空 时频导向矢量,为杂波接收导向矢量, 为杂波发射导向矢量,fs,c=dRsinθc/λ为杂波空间频率; 为杂波多普勒导向矢量,fD,c=2vTsinθc/λ为杂波多普勒 频率;为杂波延迟矩阵;
同样地,接收端对杂波滤波处理:
由式(7)可知,位于θc的杂波输出功率表示为:
MIMO雷达接收机中噪声建模为高斯白噪声,则CPI周期内噪声表示为:
z=[vecT(Z1),vecT(Z2),...,vecT(ZL)]T (9)
第二步:输出SINR数学表达的推导
基于目标、杂波以及噪声模型,MIMO-STAP输出SINR表示为:
第三步:构建恒模约束、旁瓣及杂波抑制条件下联合优化问题
恒模约束的表达式为:
在恒模约束、旁瓣及杂波抑制条件下,最大化输出SINR以提高MIMO-STAP 检测概率的发射波形及接收权值联合优化问题表示为:
其中,Θc表示杂波范围,Θs为旁瓣范围,μ和σ分别为旁瓣水平和杂波水 平阈值;
第四步:建立目标空时频导向矢量误差模型
真实的目标发射和接收导向矢量以及多普勒导向矢量建模为:
其中,b,a和d分别是假设的目标发射导向矢量、接收导向矢量和多普勒 导向矢量,对其进行归一化处理,即bHb=M,aHa=N,dHd=L;Δu1,Δu2,Δu3分别为发射和接收阵列导向矢量以及多普勒矢量的估计误差;且此估计误差范 数有界,即这些向量分别属于如下不确定集合:
其中||·||表示欧式范数,根据式(13)、式(14),真实目标空时频导向矢量表示为:
基于||A+B||≤||A||+||B||及式(14)得到:
由式(15)、(16)、(17)知,目标空时频导向矢量不确定集表示为:
其中
第五步:构建先验信息未确知条件下恒模约束、旁瓣及杂波抑制条件下联 合优化问题
在恒模约束、旁瓣及杂波抑制条件下,最大化目标空时频导向矢量不确定 凸集(18)上的输出SINR以提高最差条件下MIMO-STAP检测概率的发射波形及 接收权值联合稳健优化问题表示为:
第六步:所提优化算法对优化问题求解
采用迭代算法交替考虑其内外优化问题,以求解复杂非线性联合稳健优化 问题(20):
(1)求解Δu
在发射波形S和接收权值w已知,且αt为常数条件下,将内部优化表示为:
根据矩阵特征值理论以及矩阵迹的性质,将式(21)重新表示为:
其中λmin(·)表示矩阵最小特征值;
将式(22)等价表示为:
其中t为辅助优化变量;
根据Schur补定理,将优化问题(23)转化为如下的SDP问题,即:
式(24)中,A≤B表示B-A为半正定矩阵;
(2)求解w
将式(24)所得的Δu代入式(20),考虑外部优化,即:
式(25)为关于发射波形与接收权值的联合优化问题,且存在恒模约束,需迭 代求解:首先考虑已知S求解w,即:
根据Schur补定理,将上述问题转化为如下SDP问题:
(3)求解S
将由式(28)得到的最优w带入式(24),考虑关于S的优化问题,即:
基于式(31),将式(30)重新表示为:
其中,Λ=vec(IN)vecH(IN),Ξ=vec(ST)vecH(ST);
(4)迭代计算
重复步骤(1)(2)(3)直到系统输出SINR满足迭代终止条 ||SINRi+1-SINRi||≤10-2,其中i表示迭代次数。
本发明根据最大化输出SINR准则,基于目标空时频导向矢量不确定凸集, 在发射波形恒模特性、旁瓣及杂波抑制等约束下构建发射波形及接收权联合优 化问题,以改善MIMO-STAP检测概率对目标空时频导向矢量估计误差的稳健 性。为求解所得复杂非线性问题,本发明提出一种发射波形和接收权值交替优 化的迭代算法,所提算法中每一步都可转化为SDP问题,因而可获得高效求解, 且保证了算法的收敛性。与非稳健算法以及不相关波形相比,所提算法可显著 改善MIMO-STAP的稳健检测性能。
附图说明
图1为本发明实现的流程图;
图2SNR=-10dB、CNR=20dB条件下所提算法所得最优发射方向图;
图3所提算法、非稳健算法及发射不相关波形得到的最差条件下输出SINR 随输入SNR以及CNR的变化曲线图;
图4所提算法、非稳健算法、发射不相关波形及目标先验信息确知条件下 得到的最差条件下平均输出SINR随输入SNR以及CNR变化曲线图;
图5SNR=-10dB、CNR=20dB条件下所提算法得到的最差条件下输出SINR 随迭代次数变化曲线图;
图6SNR=10dB、CNR=20dB条件下所提算法得到的最差条件下输出SINR 随ε变化曲线图。
具体实施方式
以下结合附图和具体的实施方式对本发明作进一步的说明。
如图1所示为本发明实现的流程图。
包括以下步骤:
第一步:建立MIMO-STAP检测模型
收发阵列均是均匀线阵,接收阵元和发射阵元个数分别为N和M,收发间 距分别为dR和dT,且均平行分布。雷达平台沿收发阵列方向匀速直线飞行,且 脉冲间隔为T。
在此场景下,本发明将首先分别对目标、杂波及噪声进行建模:
记发射信号矩阵为S=[s1,s2,...sM]T,其中sm∈CK×1表示第m个发射单元的波形采样,K为样本数,则第l个脉冲下目标接收信号可表示为:
其中,fD=2(v sinθt+vt)T/λ为目标多普勒频率,v和vt分别表示该雷达站和目 标相对于MIMO雷达的速度;αt和θt分别表示目标信号的复振幅和位置。为目标接收导向矢量,为目标发射 导向矢量,fs=dR sinθt/λ为目标空间频率,γ=dT/dR,λ为载波波长。
在接收端需要对接收信号进行滤波处理以得到目标检测充分统计量。基于 式(3),可得滤波器输出为:
Υ=αtwHXut(θt) (4)
由式(4)可知,目标信号输出功率可表示为:
杂波可建模为NC个杂波块的叠加,则L个CPI脉冲条件下杂波可表示为:
其中,αc和θc分别表示杂波块的复振幅和位置。为杂波空 时频导向矢量,为杂波接收导向矢量, 为杂波发射导向矢量,fs,c=dR sinθc/λ为杂波空间频率; 为杂波多普勒导向矢量,fD,c=2vT sinθc/λ为杂波多普勒 频率;为杂波延迟矩阵。
同样地,接收端对杂波滤波处理可得:
由式(7)可知,位于θc的杂波输出功率可表示为:
MIMO雷达接收机中噪声可建模为高斯白噪声,则CPI周期内噪声可表示 为:
z=[vecT(Z1),vecT(Z2),...,vecT(ZL)]T (9)
第二步:输出SINR数学表达的推导
可以证明,高斯噪声条件下最大化检测概率等价于最大化输出SINR。则基 于上述目标、杂波以及噪声模型,MIMO-STAP输出SINR可表示如下:
第三步:构建恒模约束、旁瓣及杂波抑制条件下联合优化问题
实际应用中,雷达射频放大器通常工作在过饱和状态以使得发射波形呈现 恒模特性从而避免非线性效应。因此,本发明在联合优化发射波形及接收权时, 需考虑恒模约束,即:将波形S每个元素模数约束为常数,通常可通过相位编码 实现,即:
此外,为改善系统检测性能,不仅要考虑降低杂波功率,还需考虑旁瓣抑 制问题。若旁瓣较高,会掩盖附近弱小目标,从而造成检测概率下降;其次, 旁瓣容易受到干扰影响,从而造成系统无法正常工作。因此,本发明需要通过 收发联合设计将旁瓣与杂波均限定在给定阈值内。
基于以上所述,在恒模约束、旁瓣及杂波抑制条件下,最大化输出SINR以 提高MIMO-STAP检测概率的发射波形及接收权值联合优化问题可表示如下:
其中,Θc表示杂波范围,Θs为旁瓣范围,μ和σ分别为旁瓣水平和杂波水 平阈值。
第四步:建立目标空时频导向矢量误差模型
对式(12)的求解依赖于某些参数的确切值,比如信号导向矢量、噪声、杂波 协方差矩阵等。然而,实际应用中,这些参数只能通过估计得到,因而不可避 免地存在估计误差,从而导致系统性能下降。针对此问题,本发明仅考虑目标 空时频导向矢量未确知情况下改善MIMO-STAP雷达检测稳健性能的发射波形 与接收权值联合稳健优化问题。
真实的目标发射和接收导向矢量以及多普勒导向矢量可建模为:
其中,b,a和d分别是假设的目标发射导向矢量、接收导向矢量和多普勒 导向矢量,通常需进行归一化,即bHb=M,aHa=N,dHd=L。Δu1,Δu2,Δu3分 别为发射和接收阵列导向矢量以及多普勒矢量的估计误差。且此估计误差范数 有界,即这些向量分别属于如下不确定集合:
其中||·||表示欧式范数,根据式(13)、式(14),真实目标空时频导向矢量可表示为:
基于||A+B||≤||A||+||B||及式(14)可知:
由式(15)、(16)、(17)可知,目标空时频导向矢量不确定集表示为:
其中
第五步:构建先验信息未确知条件下恒模约束、旁瓣及杂波抑制条件下联 合优化问题
在恒模约束、旁瓣及杂波抑制条件下,最大化目标空时频导向矢量不确定 凸集(18)上的输出SINR以提高最差条件下MIMO-STAP检测概率的发射波形及 接收权值联合稳健优化问题可表示如下:
由于发射波形S为恒模约束,因而上述联合稳健优化问题为NP问题。此问 题难以利用诸如凸优化等传统优化方法求解,如若采用基于梯度的方法,则收 敛性不能保证。
第六步:所提优化算法对优化问题求解
为求解复杂非线性联合稳健优化问题(20),本发明将交替考虑其内外优化问 题。即首先考虑内部优化问题得到最优空时频导向矢量误差Δu,其次考虑外部 优化问题获得最优接收权w,最后求解最优发射波形S。
(1)求解Δu
在发射波形S和接收权值w已知,且αt为常数条件下,可将内部优化表示如 下:
由矩阵迹的性质及式(18)可知,问题(21)中目标函数可重新表示为:
根据矩阵特征值理论,上述优化问题最优值出现在当XHw为矩阵 (ut(θt)+Δu)(ut(θt)+Δu)H最小特征矢量时,即最优值为(ut(θt)+Δu)(ut(θt)+Δu)H最小 特征值,则问题(21)可重新表示为:
其中λmin(·)表示矩阵最小特征值。
式(23)可等价表示为:
其中t为辅助优化变量。
根据Schur补定理,优化问题(24)可转化为如下的SDP问题,即:
式(25)中,A≤B表示B-A为半正定矩阵。
(2)求解w
将式(25)所得的Δu代入式(20),考虑外部优化,即:
问题(26)为关于发射波形与接收权值的联合优化问题,且存在恒模约束,因 而须迭代求解。首先考虑已知S求解w,即:
问题(28)可重新表示如下:
类似地,根据Schur补定理,上述问题可转化为如下SDP问题:
(3)求解S
将由问题(30)得到的最优w带入式(26),考虑关于S的优化问题,即:
基于式(33),式(32)可重新表示为:
其中,Λ=vec(IN)vecH(IN),Ξ=vec(ST)vecH(ST),diag(Ξ)=I,rank(Ξ)=1,Ξ≥0等 效为恒模约束。
基于半正定松弛方法,去掉秩1约束,可将式(35)松弛为如下SDP问题:
SDP问题(25)、(30)、(36)可通过凸优化工具包比如,CVX,实现高效求解。
由上述可知,式(36)只能得到具有恒模约束、旁瓣抑制和杂波抑制的波形相 关矩阵而非最终的可发射波形。为得到发射波形S,可利用随机化方法,即生成 一组独立同分布高斯向量ξk,其中k=1,...,Q为随机化次数,协方 差矩阵⊙表示Hadamard积,
(4)迭代计算
重复步骤(1)(2)(3)直到系统输出SINR变化不大,迭代终止条件设 置为||SINRi +1-SINRi||≤10-2,其中i表示迭代次数。
本发明的有益效果可通过以下仿真进一步说明:
仿真条件:
实验仿真参数设置如下:收发均采用均匀线性阵列,发射接收阵元个数分 别为M=4和N=4,脉冲数L=3,信号编码长度K=16,雷达平台速度v=200m/s, 平台高度h=9km,多普勒频率fD=0.0649,感兴趣距离12.728km,目标速度 vt=100m/s。
为比较不同条件下所提算法有效性,仿真实验采用两种不同配置的MIMO 雷达:MIMO雷达(0.5,0.5),即γ=1;MIMO雷达(1.5,0.5),即γ=3。括号中 的数值分别代表发射阵元和接收阵元之间间距。目标信号位置设为θt=0°,信噪 比其取值范围为[-10dB,20dB]。假设雷达截面积在CPI内不变,实 验中的杂波可以建模为离散点,离散点从距离环上均匀采样得到,采样个数 NC=1000,离散点的雷达截面积服从独立同分布,且服从方差为均值为0的高斯分布,杂波区域为[-60°,60°],杂噪比其取值范围 为[10dB,40dB];感兴趣旁瓣区域为[-60°,-10°]∪[-10°,-60°]。
实验仿真采用正交线性调频波形S0作为参考波形,即:
其中,k=1,...,M,n=1,...,K。
对于参数估计误差,可假设目标角度误差位于区间Δθ=[-2°,2°],多普勒估 计误差位于区间ΔfD=[-0.02,0.02],经过计算,可得,对于MIMO雷达(0.5,0.5) ε=2.4685,而MIMO雷达(1.5,0.5)ε=3.5469。
仿真内容:
仿真1:图2为在SNR=-10dB、CNR=20dB条件下所提算法所得最优发射方 向图。如图,所提算法在目标θt=0°附近放置了一个尖峰,表明所提算法所得可 将发射功率集中于目标估计误差区域内,从而可以提高最差条件下目标检测概 率。此外,在图2(b)中有栅瓣出现,这是由于MIMO雷达(1.5,0.5)发射阵 元稀疏布置引起的。
仿真2:图3为在SNR∈[-10dB,20dB]、CNR∈[10dB,40dB]条件下,所提算法、 非稳健算法以及发射不相关波形所得到的最差条件下输出SINR随SNR以及 CNR的变化曲线。如图,三种方法所得输出SINR均随SNR增加而增加,随 CNR增加而降低,然而,随着SNR以及CNR增加,所提算法所得最差条件下 输出SINR变化比较平稳,而非稳健算法得到的输出SINR存在较大波动。此现 象表明,与非稳健算法相比,所提算法可以改善系统检测的稳健性能。另外, 无论SNR或CNR为何值,所提算法所得输出SINR均优于不相关波形。此外, 由图3(a)和3(b)、3(c)和3(d)可知,雷达(1.5,0.5)输出的SINR略大 于雷达(0.5,0.5),这可归因于雷达(1.5,0.5)所形成之虚拟孔径大于雷达(0.5,0.5), 因此其可获得更大分集增益。
仿真3:图4为在SNR∈[-10dB,20dB]、CNR∈[10dB,40dB]条件下,所提算法、 非稳健算法以及发射不相关波形所得到的最差情况下平均输出SINR随SNR以 及CNR的变化曲线,且以ut(θt)确知条件下联合优化算法为参考基准。如图,所 提算法得到的最差条件下平均输出SINR随SNR或CNR变化比较平稳,而非稳 健算法得到的平均输出SINR随SNR或CNR变化波动较大,这意味着与非稳健 算法相比,所提算法有较好的稳健性能。另外,所提算法得到的最差情况下的 平均输出SINR与目标先验信息确知条件下联合优化算法得到的平均输出SINR 差距较小,说明所提算法可显著改善最差情况下MIMO雷达的检测性能。此外, 由图4(a)和4(b)、4(c)和4(d)可知,雷达(1.5,0.5)输出的SINR略大 于雷达(0.5,0.5)。
仿真4:图5为在SNR=-10dB、CNR=20dB条件下,所提算法得到的最差条 件下输出SINR随迭代次数变化曲线图。如图,随着迭代次数增加,所提算法得 到的输出SINR波动逐渐变小,且无论哪种雷达配置,皆仅需5步左右迭代就趋 于稳定,表明所提算法具有较好的收敛性。此外,由图5(a)和5(b),可得 类似结论,即:雷达(1,5,0.5)的输出SINR略大于雷达(0.5,0.5)。
仿真5:图6为在SNR=10dB、CNR=20dB、ε∈[1,5]条件下,所提算法得到 的最差条件下输出SINR随ε变化曲线图。如图,所提算法得到的最差条件下输 出SINR随ε的增大而不断减小。这表明ε的变化对系统输出SINR有较大的影 响,ε越大,MIMO-STAP雷达系统性能越差。需要注意的是,由图6(a)和6 (b)还可得到与图3,4,5类似结论:雷达(1.5,0.5)得到的输出SINR略高于 雷达(0.5,0.5)。
数值仿真表明,与非稳健算法以及不相关波形相比,所提算法可显著改善 MIMO-STAP的稳健检测性能。
Claims (1)
1.改善MIMO-STAP最差检测性能的收发联合稳健优化方法,其特征在于,该方法包括以下步骤:
第一步:建立MIMO-STAP模型
收发阵列为均匀线阵,接收阵元和发射阵元个数分别为N和M,收发间距分别为dR和dT,且平行分布;雷达平台沿收发阵列方向匀速直线飞行,且脉冲间隔为T;
基于上述场景分别对目标、杂波及噪声进行建模:
设发射信号矩阵为S=[s1,s2,...sM]T,其中sm∈CK×1表示第m个发射单元的波形采样,K为样本数,则第l个脉冲下目标接收信号表示为:
其中,fD=2(v sinθt+vt)T/λ为目标多普勒频率,v和vt分别表示该雷达站和目标相对于MIMO雷达的速度;αt和θt分别表示目标信号的复振幅和位置;为目标接收导向矢量,为目标发射导向矢量,fs=dR sinθt/λ为目标空间频率,γ=dT/dR,λ为载波波长;
基于式(4),滤波器输出为:
Υ=αtwHXut(θt) (5)
由式(5)可知,目标信号输出功率可表示为:
杂波建模为NC个杂波块的叠加,则L个CPI脉冲条件下杂波表示为:
其中,αc和θc分别表示杂波块的复振幅和位置;为杂波空时频导向矢量,为杂波接收导向矢量,为杂波发射导向矢量,fs,c=dR sinθc/λ为杂波空间频率;为杂波多普勒导向矢量,fD,c=2vT sinθc/λ为杂波多普勒频率;为杂波延迟矩阵;
同样地,接收端对杂波滤波处理:
由式(8)可知,位于θc的杂波输出功率表示为:
MIMO雷达接收机中噪声建模为高斯白噪声,则CPI周期内噪声表示为:
z=[vecT(Z1),vecT(Z2),...,vecT(ZL)]T (10)
第二步:输出SINR数学表达的推导
基于目标、杂波以及噪声模型,MIMO-STAP输出SINR表示为:
第三步:构建恒模约束、旁瓣及杂波抑制条件下联合优化问题
恒模约束的表达式为:
在恒模约束、旁瓣及杂波抑制条件下,最大化输出SINR以提高MIMO-STAP检测概率的发射波形及接收权值联合优化问题表示为:
其中,Θc表示杂波范围,Θs为旁瓣范围,μ和σ分别为旁瓣水平和杂波水平阈值;
第四步:建立目标空时频导向矢量误差模型
真实的目标发射和接收导向矢量以及多普勒导向矢量建模为:
其中,b,a和d分别是假设的目标发射导向矢量、接收导向矢量和多普勒导向矢量,对其进行归一化处理,即bHb=M,aHa=N,dHd=L;Δu1,Δu2,Δu3分别为发射和接收阵列导向矢量以及多普勒矢量的估计误差;且此估计误差范数有界,即这些向量分别属于如下不确定集合:
其中||·||表示欧式范数,根据式(14)、式(15),真实目标空时频导向矢量表示为:
基于||A+B||≤||A||+||B||及式(15)得到:
由式(16)、(17)、(18)知,目标空时频导向矢量不确定集表示为:
其中
第五步:构建先验信息未确知条件下恒模约束、旁瓣及杂波抑制条件下联合优化问题
在恒模约束、旁瓣及杂波抑制条件下,最大化目标空时频导向矢量不确定凸集(19)上的输出SINR以提高最差条件下MIMO-STAP检测概率的发射波形及接收权值联合稳健优化问题表示为:
第六步:所提优化算法对优化问题求解
采用迭代算法交替考虑其内外优化问题,以求解复杂非线性联合稳健优化问题(21):
(1)求解Δu
在发射波形S和接收权值w已知,且αt为常数条件下,将内部优化表示为:
根据矩阵特征值理论以及矩阵迹的性质,将式(22)重新表示为:
其中λmin(·)表示矩阵最小特征值;
将式(23)等价表示为:
其中t为辅助优化变量;
根据Schur补定理,将优化问题(24)转化为如下的SDP问题,即:
式(25)中,A≤B表示B-A为半正定矩阵;
(2)求解w
将式(25)所得的Δu代入式(21),考虑外部优化,即:
式(26)为关于发射波形与接收权值的联合优化问题,且存在恒模约束,需迭代求解:首先考虑已知S求解w,即:
根据Schur补定理,将上述问题转化为如下SDP问题:
(3)求解S
将由式(29)得到的最优w带入式(26),考虑关于S的优化问题,即:
基于式(32),将式(31)重新表示为:
其中,Λ=vec(IN)vecH(IN),Ξ=vec(ST)vecH(ST);
(4)迭代计算
重复步骤(1)(2)(3)直到系统输出SINR满足迭代终止条件||SINRi+1-SINRi||≤10-2,其中i表示迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810044128.6A CN108469601B (zh) | 2018-01-17 | 2018-01-17 | 改善mimo-stap最差检测性能的收发联合稳健优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810044128.6A CN108469601B (zh) | 2018-01-17 | 2018-01-17 | 改善mimo-stap最差检测性能的收发联合稳健优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108469601A CN108469601A (zh) | 2018-08-31 |
CN108469601B true CN108469601B (zh) | 2021-11-30 |
Family
ID=63265957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810044128.6A Active CN108469601B (zh) | 2018-01-17 | 2018-01-17 | 改善mimo-stap最差检测性能的收发联合稳健优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108469601B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110412514B (zh) * | 2019-08-02 | 2023-05-23 | 南京慧尔视智能科技有限公司 | 一种mimo体制下的线性调频连续波波形优化方法 |
CN111856410B (zh) * | 2020-07-21 | 2022-08-05 | 中国人民解放军国防科技大学 | 恒模约束下机载mimo雷达的稳健发射接收联合优化方法 |
CN113359095B (zh) * | 2021-04-27 | 2022-10-14 | 电子科技大学 | 一种相干被动mimo雷达克拉美罗界的计算方法 |
CN113534091B (zh) * | 2021-07-21 | 2024-05-10 | 北京航空航天大学 | 一种高分辨雷达发/收联合设计的优化问题解算方法 |
CN113960583B (zh) * | 2021-09-24 | 2024-08-13 | 中国人民解放军国防科技大学 | 基于发射波束域的机载mimo雷达发射接收稳健联合优化方法 |
CN115276726B (zh) * | 2022-05-16 | 2023-06-23 | 广东工业大学 | 一种极大化雷达输出sinr的鲁棒优化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156279A (zh) * | 2011-05-12 | 2011-08-17 | 西安电子科技大学 | 基于mimo的双基地雷达地面动目标检测方法 |
CN103728600A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 机载mimo雷达非自适应空时杂波块滤波方法 |
CN105182313A (zh) * | 2015-04-09 | 2015-12-23 | 大连大学 | 一种基于不完全杂波先验知识的mimo-stap稳健波形设计方法 |
CN105487054A (zh) * | 2015-11-09 | 2016-04-13 | 大连大学 | 提高基于mimo-ofdm雷达stap最差检测性能的稳健波形设计方法 |
US9689967B1 (en) * | 2016-04-07 | 2017-06-27 | Uhnder, Inc. | Adaptive transmission and interference cancellation for MIMO radar |
CN107024681A (zh) * | 2017-05-05 | 2017-08-08 | 大连大学 | 基于杂波知识未确知条件下mimo雷达收发联合优化方法 |
-
2018
- 2018-01-17 CN CN201810044128.6A patent/CN108469601B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156279A (zh) * | 2011-05-12 | 2011-08-17 | 西安电子科技大学 | 基于mimo的双基地雷达地面动目标检测方法 |
CN103728600A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 机载mimo雷达非自适应空时杂波块滤波方法 |
CN105182313A (zh) * | 2015-04-09 | 2015-12-23 | 大连大学 | 一种基于不完全杂波先验知识的mimo-stap稳健波形设计方法 |
CN105487054A (zh) * | 2015-11-09 | 2016-04-13 | 大连大学 | 提高基于mimo-ofdm雷达stap最差检测性能的稳健波形设计方法 |
US9689967B1 (en) * | 2016-04-07 | 2017-06-27 | Uhnder, Inc. | Adaptive transmission and interference cancellation for MIMO radar |
CN107024681A (zh) * | 2017-05-05 | 2017-08-08 | 大连大学 | 基于杂波知识未确知条件下mimo雷达收发联合优化方法 |
Non-Patent Citations (3)
Title |
---|
Design of MIMO radar waveform covariance matrix for Clutter and Jamming suppression based on space time adaptive processing;Bo Tang 等;《Signal Processing》;20151010(第121期);60-69 * |
Robust Waveform Optimization for MIMO Radar to Improve the Worst-Case Detection Performance;Hongyan Wang 等;《2014 IEEE Radar Conference》;IEEE;20140814;1098-1101 * |
基于联合收发权值优化的认知雷达MIMO-STAP;张鑫 等;《计算机应用研究》;20120831;第29卷(第8期);3116-3119+3127 * |
Also Published As
Publication number | Publication date |
---|---|
CN108469601A (zh) | 2018-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108469601B (zh) | 改善mimo-stap最差检测性能的收发联合稳健优化方法 | |
CN107167785B (zh) | 一种稳健的大阵列mimo雷达目标收发角联合估计方法 | |
CN106646394B (zh) | 一种fda‑mimo雷达中基于循环优化的发射波束矩阵设计方法 | |
CN106646387B (zh) | 基于发射波束域的mimo雷达抗有源干扰方法 | |
CN103605122A (zh) | 相干mimo雷达的收发稳健降维自适应波束形成方法 | |
CN106646388B (zh) | 基于嵌套阵列的mimo雷达抗干扰方法 | |
CN111751800B (zh) | 一种频控阵雷达角度-距离参数解耦合方法 | |
CN113325385B (zh) | 一种相控阵-mimo雷达模式收发波束形成抗干扰方法 | |
CN104898113A (zh) | 一种多输入多输出雷达波形设计方法 | |
WO2021258734A1 (zh) | 博弈条件下基于低截获性能的组网雷达最优波形设计方法 | |
CN107024681A (zh) | 基于杂波知识未确知条件下mimo雷达收发联合优化方法 | |
CN109635240A (zh) | 大规模数字阵列零陷展宽自适应波束形成方法 | |
CN107479053B (zh) | 基于stap的舰载mimo雷达稳健发射与接收联合设计方法 | |
CN104833959A (zh) | 基于目标先验信息的mimo雷达波形优化方法 | |
CN106154242B (zh) | 基于分数低阶类相关熵的目标参数联合估计算法 | |
CN105022268A (zh) | 一种线性约束虚拟天线波束形成方法 | |
CN104678362B (zh) | Mimo天波超视距雷达波形优化方法 | |
CN106125039B (zh) | 基于局域联合处理的改进空时自适应单脉冲测角方法 | |
CN108037487B (zh) | 一种基于射频隐身的分布式mimo雷达发射信号优化设计方法 | |
CN110895327B (zh) | 基于直接凸优化建模的鲁棒性自适应波束形成方法 | |
CN110146854B (zh) | 一种fda-mimo雷达稳健抗干扰方法 | |
CN108008364B (zh) | 改善mimo-stap检测性能的发射波形及接收权联合优化方法 | |
CN116760439A (zh) | 一种基于雷达通信一体化系统的鲁棒波束成形方法 | |
CN113376593B (zh) | 基于mpbi分解的stap雷达分布式干扰方法 | |
CN108983209A (zh) | 基于对称协方差矩阵的杂波抑制方法 |
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 |