CN109743084B - 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 PDFInfo
- Publication number
- CN109743084B CN109743084B CN201910098209.9A CN201910098209A CN109743084B CN 109743084 B CN109743084 B CN 109743084B CN 201910098209 A CN201910098209 A CN 201910098209A CN 109743084 B CN109743084 B CN 109743084B
- Authority
- CN
- China
- Prior art keywords
- radar
- matrix
- power distribution
- distributed mimo
- mimo radar
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000006855 networking Effects 0.000 title claims abstract description 12
- 238000013178 mathematical model Methods 0.000 claims abstract description 17
- 230000005855 radiation Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 47
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 239000011541 reaction mixture Substances 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
Images
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
- Radio Transmission System (AREA)
- Radar Systems Or Details Thereof (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
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:
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:
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:
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;
Claims (3)
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:包括分布式MIMO雷达;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;
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,S为雷达发射信号矩阵,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;
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:
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:
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。
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 CN109743084A (zh) | 2019-05-10 |
CN109743084B true 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) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110261848B (zh) * | 2019-07-25 | 2021-04-30 | 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 |
CN111337885B (zh) * | 2020-02-18 | 2022-05-03 | 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 |
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 |
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 |
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 |
Citations (5)
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 |
-
2019
- 2019-01-31 CN CN201910098209.9A patent/CN109743084B/zh active Active
Patent Citations (5)
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 |
Also Published As
Publication number | Publication date |
---|---|
CN109743084A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109743084B (zh) | 频谱共存下基于lpi的分布式组网雷达功率分配方法 | |
US10411935B2 (en) | System and method for DFT-S-OFDM PAPR reduction | |
CN113285897B (zh) | 车联网环境下ris系统中基于定位信息辅助的信道估计方法及系统 | |
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 | |
CN109617590B (zh) | 多输入单输出无线携能通信系统的物理层安全通信方法 | |
CN110601738A (zh) | 一种基于频谱共享的环境反向散射阵列通信系统速率分析方法 | |
CN108390708B (zh) | 宽带毫米波透镜系统基于时延补偿的单载波传输设计方法 | |
CN105743542B (zh) | 一种基于chirp波形的雷达—通信一体化信号设计方法及装置 | |
CN103647579A (zh) | 一种基于被动消除和数字消除的同频全双工系统实现方法 | |
CN105072607B (zh) | 一种多窃听用户认知网络中基于sdp的物理层安全优化方法 | |
CN110545128B (zh) | 一种环境反向散射阵列通信系统中的协作传输优化方法 | |
CN116388830A (zh) | 基于智能反射面的通信定位一体化系统及方法 | |
CN108039900B (zh) | 一种基于子空间估计的预编码干扰消除方法 | |
CN105636188A (zh) | 认知解码转发中继系统的功率分配方法 | |
CN105376847B (zh) | 一种面向5g车联网物理层安全的车载中继簇功率分配方法 | |
CN112929062B (zh) | 基于组稀疏的mimo干扰信道网络干扰对齐方法 | |
CN110944378B (zh) | 5g移动通信场景下d2d通信的noma功率分配方法 | |
CN112653497B (zh) | 一种降低mimo多通道相位噪声影响的信号收发方法 | |
CN112601286B (zh) | 一种基于信道估计误差的用户调度方法 | |
CN111999703B (zh) | 频控阵mimo雷达通信一体化系统射频辐射控制方法 | |
CN108718205B (zh) | 一种适用于全双工蜂窝网络的协作发射波束成型方法和通信系统 | |
Zeng et al. | Joint design of hybrid transmitter and receiver in multi-user OFDM dual-function radar-communication system | |
CN113238198B (zh) | 基于时分复用的雷达通信一体化系统辐射时间控制方法 | |
US9124478B2 (en) | Method for cancelling inter-subcarrier interference and apparatus for the same | |
CN117318886B (zh) | 空域统计域联合自适应盲源分离抗干扰方法 |
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 |