CN109743084A - 频谱共存下基于lpi的分布式组网雷达功率分配方法 - Google Patents

频谱共存下基于lpi的分布式组网雷达功率分配方法 Download PDF

Info

Publication number
CN109743084A
CN109743084A CN201910098209.9A CN201910098209A CN109743084A CN 109743084 A CN109743084 A CN 109743084A CN 201910098209 A CN201910098209 A CN 201910098209A CN 109743084 A CN109743084 A CN 109743084A
Authority
CN
China
Prior art keywords
radar
formula
matrix
power distribution
distributed
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
Application number
CN201910098209.9A
Other languages
English (en)
Other versions
CN109743084B (zh
Inventor
时晨光
仇伟
汪飞
李海林
周建江
夏伟杰
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910098209.9A priority Critical patent/CN109743084B/zh
Publication of CN109743084A publication Critical patent/CN109743084A/zh
Application granted granted Critical
Publication of CN109743084B publication Critical patent/CN109743084B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

Landscapes

  • Radar Systems Or Details Thereof (AREA)
  • Radio Transmission System (AREA)

Abstract

本发明公开了一种频谱共存下基于LPI的分布式组网雷达功率分配方法，分布式MIMO雷达具有MT个发射天线和MR个接收天线，且分布式MIMO雷达与通信系统发射信号频谱共存；功率分配方法包括以下步骤：S1：获取先验知识；S2：根据给定的目标参数估计性能互信息门限ε，建立频谱共存环境下基于LPI的分布式MIMO雷达功率分配数学模型；S3：通过对分布式MIMO雷达功率分配数学模型进行计算，得到分布式MIMO雷达系统的最优辐射功率分配。本发明能够提升射频隐身性能。

Description

频谱共存下基于LPI的分布式组网雷达功率分配方法
技术领域
本发明涉及雷达功率优化分配技术领域，特别是涉及一种频谱共存下基于LPI的分布式组网雷达功率分配方法。
背景技术
频谱拥塞是一个日益严重的问题。由于无线通信中不断增加的配置和带宽，以及网络中心和无人驾驶系统的使用，频谱越来越多地限制了作战能力，雷达和通信频谱需要更高的灵活性。在这种背景下，雷达与通信频谱共存旨在提高雷达与通信共享频谱的能力，使雷达和通信系统达到共赢。
然而，现有技术中尚未有频谱共存下基于LPI的分布式组网雷达功率分配方法。
发明内容
发明目的：本发明的目的是提供一种频谱共存下基于LPI的分布式组网雷达功率分配方法，能够提升射频隐身性能。
技术方案：为达到此目的，本发明采用以下技术方案：
本发明所述的频谱共存下基于LPI的分布式组网雷达功率分配方法，所述分布式MIMO雷达具有MT个发射天线和MR个接收天线，且分布式MIMO雷达与通信系统发射信号频谱共存；所述功率分配方法包括以下步骤：
S1：获取先验知识；
S2：根据给定的目标参数估计性能互信息门限ε，建立频谱共存环境下基于LPI的分布式MIMO雷达功率分配数学模型；
S3：通过对分布式MIMO雷达功率分配数学模型进行计算，得到分布式MIMO雷达系统的最优辐射功率分配。
进一步，所述步骤S1中的先验知识包括目标相对于雷达系统的散射特性矩阵H、雷达发射信号矩阵S以及雷达接收机处加性高斯白噪声W。
进一步，所述雷达发射信号矩阵其中，第i部天线的发射信号si为K×1维矢量，K为雷达发射信号长度，且满足K≥MT，K≥MR；目标相对于雷达系统的散射特性矩阵服从零均值复高斯随机分布，且满足其中，RH为目标散射特性协方差矩阵；雷达接收机处加性高斯白噪声服从零均值复高斯随机分布，且满足其中，RW为高斯白噪声协方差矩阵。
进一步，所述步骤S2中的分布式MIMO雷达功率分配数学模型根据式(1)得到：
式(1)中，tr(·)表示矩阵的迹，上标(·)H表示矩阵的共轭转置，上标(·)-1表示矩阵的逆，TI表示分布式MIMO雷达对通信系统干扰功率的上限，RH表示目标散射特性协方差矩阵，RW表示高斯白噪声协方差矩阵，RI表示分布式MIMO雷达对通信系统干扰的信号矩阵，I为单位对角矩阵。
进一步，所述步骤S3具体包括以下步骤：
S3.1：采用特征值分解，将式(1)的数学模型转化为：
式(2)中，αs,i为雷达发射信号矩阵S的第i个特征值，αh,i为RH的第i个特征值，αI,i为RI的第i个特征值；
S3.2：引入拉格朗日乘子ψ1和ψ2，构建如下拉格朗日乘子式：
式(3)中，Υ(·)为拉格朗日乘子符号；为雷达发射信号矩阵S的特征值集合，为RH的特征值集合，为RI的特征值集合；
S3.3：对分别关于αs,i、ψ1和ψ2求偏导，得到式(4)：
S3.4：根据式(4)得到非线性最优化求解的卡罗需-库恩-塔克必要条件为：
式(5)中，为αs,i的最优解；为雷达发射信号矩阵S的最优特征值集合，也即分布式MIMO雷达的最优辐射功率集合；为ψ1的最优解，为ψ2的最优解；
S3.5：通过求解式(5)中的卡罗需-库恩-塔克必要条件，获取分布式MIMO雷达的最优辐射功率的表达式为：
将式(6)代入式(7)中，求得和
有益效果：本发明公开了一种频谱共存下基于LPI的分布式组网雷达功率分配方法，在获取目标散射特性矩阵、通信发射信号矩阵与高斯白噪声矩阵的特征值的基础上，以最小化分布式MIMO雷达总辐射功率为优化目标，以给定目标参数估计性能以及对通信系统干扰功率为约束条件，建立频谱共存环境下基于LPI的分布式MIMO雷达功率分配模型，既满足了分布式MIMO雷达的目标参数估计性能，有效控制了雷达系统对通信系统的干扰，还进一步提升了分布式MIMO雷达系统的射频隐身性能。
附图说明
图1为本发明具体实施方式中方法的流程图。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步的介绍。
本具体实施方式公开了一种频谱共存下基于LPI的分布式组网雷达功率分配方法，分布式MIMO雷达具有MT个发射天线和MR个接收天线，且分布式MIMO雷达与通信系统发射信号频谱共存。如图1所示，本功率分配方法包括以下步骤：
S1：获取先验知识；
S2：根据给定的目标参数估计性能互信息门限ε，建立频谱共存环境下基于LPI的分布式MIMO雷达功率分配数学模型；
S3：通过对分布式MIMO雷达功率分配数学模型进行计算，得到分布式MIMO雷达系统的最优辐射功率分配。
步骤S1中的先验知识包括目标相对于雷达系统的散射特性矩阵H、雷达发射信号矩阵S以及雷达接收机处加性高斯白噪声W。
雷达发射信号矩阵其中，第i部天线的发射信号si为K×1维矢量，K为雷达发射信号长度，且满足K≥MT，K≥MR；目标相对于雷达系统的散射特性矩阵服从零均值复高斯随机分布，且满足其中，RH为目标散射特性协方差矩阵；雷达接收机处加性高斯白噪声服从零均值复高斯随机分布，且满足其中，RW为高斯白噪声协方差矩阵。
步骤S2中的分布式MIMO雷达功率分配数学模型根据式(1)得到：
式(1)中，tr(·)表示矩阵的迹，上标(·)H表示矩阵的共轭转置，上标(·)-1表示矩阵的逆，TI表示分布式MIMO雷达对通信系统干扰功率的上限，RH表示目标散射特性协方差矩阵，RW表示高斯白噪声协方差矩阵，RI表示分布式MIMO雷达对通信系统干扰的信号矩阵，I为单位对角矩阵。
步骤S3具体包括以下步骤：
S3.1：采用特征值分解，将式(1)的数学模型转化为：
式(2)中，αs,i为雷达发射信号矩阵S的第i个特征值，αh,i为RH的第i个特征值，αI,i为RI的第i个特征值；
S3.2：引入拉格朗日乘子ψ1和ψ2，构建如下拉格朗日乘子式：
式(3)中，Υ(·)为拉格朗日乘子符号；为雷达发射信号矩阵S的特征值集合，为RH的特征值集合，为RI的特征值集合；
S3.3：对分别关于αs,i、ψ1和ψ2求偏导，得到式(4)：
S3.4：根据式(4)得到非线性最优化求解的卡罗需-库恩-塔克必要条件为：
式(5)中，为αs,i的最优解；为雷达发射信号矩阵S的最优特征值集合，也即分布式MIMO雷达的最优辐射功率集合；为ψ1的最优解，为ψ2的最优解；卡罗需-库恩-塔克必要条件是Karush-Kuhn-Tucker的中文译名，其英文缩写为KKT；
S3.5：通过求解式(5)中的卡罗需-库恩-塔克必要条件，获取分布式MIMO雷达的最优辐射功率的表达式为：
将式(6)代入式(7)中，求得和

Claims (5)

1.频谱共存下基于LPI的分布式组网雷达功率分配方法，其特征在于：所述分布式MIMO雷达具有MT个发射天线和MR个接收天线，且分布式MIMO雷达与通信系统发射信号频谱共存；所述功率分配方法包括以下步骤：
S1：获取先验知识；
S2：根据给定的目标参数估计性能互信息门限ε，建立频谱共存环境下基于LPI的分布式MIMO雷达功率分配数学模型；
S3：通过对分布式MIMO雷达功率分配数学模型进行计算，得到分布式MIMO雷达系统的最优辐射功率分配。
2.根据权利要求1所述的频谱共存下基于LPI的分布式组网雷达功率分配方法，其特征在于：所述步骤S1中的先验知识包括目标相对于雷达系统的散射特性矩阵H、雷达发射信号矩阵S以及雷达接收机处加性高斯白噪声W。
3.根据权利要求2所述的频谱共存下基于LPI的分布式组网雷达功率分配方法，其特征在于：所述雷达发射信号矩阵其中，第i部天线的发射信号si为K×1维矢量，K为雷达发射信号长度，且满足K≥MT，K≥MR；目标相对于雷达系统的散射特性矩阵服从零均值复高斯随机分布，且满足其中，RH为目标散射特性协方差矩阵；雷达接收机处加性高斯白噪声服从零均值复高斯随机分布，且满足其中，RW为高斯白噪声协方差矩阵。
4.根据权利要求1所述的频谱共存下基于LPI的分布式组网雷达功率分配方法，其特征在于：所述步骤S2中的分布式MIMO雷达功率分配数学模型根据式(1)得到：
式(1)中，tr(·)表示矩阵的迹，上标(·)H表示矩阵的共轭转置，上标(·)-1表示矩阵的逆，TI表示分布式MIMO雷达对通信系统干扰功率的上限，RH表示目标散射特性协方差矩阵，RW表示高斯白噪声协方差矩阵，RI表示分布式MIMO雷达对通信系统干扰的信号矩阵，I为单位对角矩阵。
5.根据权利要求4所述的频谱共存下基于LPI的分布式组网雷达功率分配方法，其特征在于：所述步骤S3具体包括以下步骤：
S3.1：采用特征值分解，将式(1)的数学模型转化为：
式(2)中，αs,i为雷达发射信号矩阵S的第i个特征值，αh,i为RH的第i个特征值，αI,i为RI的第i个特征值；
S3.2：引入拉格朗日乘子ψ1和ψ2，构建如下拉格朗日乘子式：
式(3)中，Υ(·)为拉格朗日乘子符号；为雷达发射信号矩阵S的特征值集合，为RH的特征值集合，为RI的特征值集合；
S3.3：对分别关于αs,i、ψ1和ψ2求偏导，得到式(4)：
S3.4：根据式(4)得到非线性最优化求解的卡罗需-库恩-塔克必要条件为：
式(5)中，为αs,i的最优解；为雷达发射信号矩阵S的最优特征值集合，也即分布式MIMO雷达的最优辐射功率集合；为ψ1的最优解，为ψ2的最优解；
S3.5：通过求解式(5)中的卡罗需-库恩-塔克必要条件，获取分布式MIMO雷达的最优辐射功率的表达式为：
将式(6)代入式(7)中，求得和
CN201910098209.9A 2019-01-31 2019-01-31 频谱共存下基于lpi的分布式组网雷达功率分配方法 Active CN109743084B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910098209.9A CN109743084B (zh) 2019-01-31 2019-01-31 频谱共存下基于lpi的分布式组网雷达功率分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910098209.9A CN109743084B (zh) 2019-01-31 2019-01-31 频谱共存下基于lpi的分布式组网雷达功率分配方法

Publications (2)

Publication Number Publication Date
CN109743084A true CN109743084A (zh) 2019-05-10
CN109743084B CN109743084B (zh) 2021-06-15

Family

ID=66367053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910098209.9A Active CN109743084B (zh) 2019-01-31 2019-01-31 频谱共存下基于lpi的分布式组网雷达功率分配方法

Country Status (1)

Country Link
CN (1) CN109743084B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111337885A (zh) * 2020-02-18 2020-06-26 南京航空航天大学 一种雷达与通信联合系统射频隐身性能优化方法
CN112054828A (zh) * 2020-08-12 2020-12-08 南京航空航天大学 面向低截获的分布式mimo雷达通信一体化系统功率分配方法
WO2021012833A1 (zh) * 2019-07-25 2021-01-28 北京邮电大学 基于波束功率分配的雷达通信一体化协同探测方法及装置
CN113253249A (zh) * 2021-04-19 2021-08-13 中国电子科技集团公司第二十九研究所 一种基于深度强化学习的mimo雷达功率分配设计方法
CN115173903A (zh) * 2022-06-30 2022-10-11 重庆邮电大学 一种通感一体化系统功率分配方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105044689A (zh) * 2015-04-14 2015-11-11 电子科技大学 一种基于频控阵的射频隐身方法及设备
CN106680780A (zh) * 2016-12-09 2017-05-17 南京航空航天大学 频谱共享环境下基于射频隐身的雷达最优波形设计方法
JP2017181276A (ja) * 2016-03-30 2017-10-05 マツダ株式会社 障害物検出装置
CN107863997A (zh) * 2017-10-25 2018-03-30 中国人民解放军信息工程大学 分布式mimo雷达系统多目标位置估计的功率优化方法
CN109164418A (zh) * 2018-07-12 2019-01-08 南京航空航天大学 一种频谱共享环境下基于lpi的组网雷达稳健ofdm波形设计方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105044689A (zh) * 2015-04-14 2015-11-11 电子科技大学 一种基于频控阵的射频隐身方法及设备
JP2017181276A (ja) * 2016-03-30 2017-10-05 マツダ株式会社 障害物検出装置
CN106680780A (zh) * 2016-12-09 2017-05-17 南京航空航天大学 频谱共享环境下基于射频隐身的雷达最优波形设计方法
CN107863997A (zh) * 2017-10-25 2018-03-30 中国人民解放军信息工程大学 分布式mimo雷达系统多目标位置估计的功率优化方法
CN109164418A (zh) * 2018-07-12 2019-01-08 南京航空航天大学 一种频谱共享环境下基于lpi的组网雷达稳健ofdm波形设计方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021012833A1 (zh) * 2019-07-25 2021-01-28 北京邮电大学 基于波束功率分配的雷达通信一体化协同探测方法及装置
US11703564B2 (en) 2019-07-25 2023-07-18 Beijing University Of Posts And Telecommunications Radar and communication integrated cooperative detection method and apparatus based on beam power distribution
CN111337885A (zh) * 2020-02-18 2020-06-26 南京航空航天大学 一种雷达与通信联合系统射频隐身性能优化方法
CN112054828A (zh) * 2020-08-12 2020-12-08 南京航空航天大学 面向低截获的分布式mimo雷达通信一体化系统功率分配方法
CN112054828B (zh) * 2020-08-12 2021-07-27 南京航空航天大学 面向低截获的分布式mimo雷达通信一体化系统功率分配方法
CN113253249A (zh) * 2021-04-19 2021-08-13 中国电子科技集团公司第二十九研究所 一种基于深度强化学习的mimo雷达功率分配设计方法
CN113253249B (zh) * 2021-04-19 2023-04-28 中国电子科技集团公司第二十九研究所 一种基于深度强化学习的mimo雷达功率分配设计方法
CN115173903A (zh) * 2022-06-30 2022-10-11 重庆邮电大学 一种通感一体化系统功率分配方法
CN115173903B (zh) * 2022-06-30 2024-03-26 深圳泓越信息科技有限公司 一种通感一体化系统功率分配方法

Also Published As

Publication number Publication date
CN109743084B (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
CN109743084A (zh) 频谱共存下基于lpi的分布式组网雷达功率分配方法
CN106680780B (zh) 频谱共享环境下基于射频隐身的雷达最优波形设计方法
KR100973444B1 (ko) 다중 안테나 송신용 방사 전력 제어
CN103348608B (zh) 经由用户群集在分布式无线系统中协调发射的系统及方法
Obara et al. Joint fixed beamforming and eigenmode precoding for super high bit rate massive MIMO systems using higher frequency bands
Huang et al. Coordinated power control for network integrated sensing and communication
CN106896351B (zh) 一种基于非合作博弈的雷达组网功率控制方法
US10666329B2 (en) Method and device for beam forming
CN109164418B (zh) 一种频谱共享环境下基于lpi的组网雷达稳健ofdm波形设计方法
Suyama et al. Evaluation of 30 Gbps super high bit rate mobile communications using channel data in 11 GHz band 24× 24 MIMO experiment
CN113196866A (zh) 用于处理上行链路信号的分布式基站系统的方法、远程无线电单元和基带单元
CN108667493B (zh) 一种面向大规模mimo中nlos场景下的波束赋形方法
CN107896125B (zh) 一种全维度多天线swipt系统的物理层安全传输方法
Xia et al. A practical SDMA protocol for 60 GHz millimeter wave communications
JP5787455B2 (ja) 無線通信システム
Jeng et al. Coverage probability analysis of IEEE 802.16 system with smart antenna system over stanford university interim fading channels
CN107809795A (zh) D2d异构无线通信网络中基于时间反演的抗干扰方法
CN110034856B (zh) 一种无人机非正交多址接入波束宽度的设计方法
Heath Comparing massive MIMO and mmWave MIMO
Mahesh et al. Design and Performance Analysis of Massive MIMO Modeling with Reflected Intelligent Surface to Enhance the Capacity of 6G Networks
Heggo et al. A cognitive TV white space-broadband power line MIMO system for indoor communication networks
Park et al. Tractable resource management in millimeter-wave overlaid ultra-dense cellular networks
Okuyama et al. Performance evaluation of low complexity digital beamforming algorithms by link-level simulations and outdoor experimental trials for 5G low-SHF-band massive MIMO
Mustari et al. Terahertz Communication with MIMO-OFDM in FANETs for 6G
KR101616636B1 (ko) 듀얼 모드 빔포밍 방법 및 장치

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