CN112596036A - 一种冲击噪声下mimo雷达阵列的诊断方法 - Google Patents

一种冲击噪声下mimo雷达阵列的诊断方法 Download PDF

Info

Publication number
CN112596036A
CN112596036A CN202011021525.5A CN202011021525A CN112596036A CN 112596036 A CN112596036 A CN 112596036A CN 202011021525 A CN202011021525 A CN 202011021525A CN 112596036 A CN112596036 A CN 112596036A
Authority
CN
China
Prior art keywords
array
receiving
mimo radar
array element
mutual information
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
CN202011021525.5A
Other languages
English (en)
Other versions
CN112596036B (zh
Inventor
陈金立
王亚鹏
李家强
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 Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
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 Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202011021525.5A priority Critical patent/CN112596036B/zh
Publication of CN112596036A publication Critical patent/CN112596036A/zh
Application granted granted Critical
Publication of CN112596036B publication Critical patent/CN112596036B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G01S7/4008—Means for monitoring or calibrating of parts of a radar system of transmitters
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G01S7/4021—Means for monitoring or calibrating of parts of a radar system of receivers

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种冲击噪声下MIMO雷达阵列的诊断方法，包括以下步骤：(1)在MIMO雷达接收阵列端获取存在故障阵元时接收数据矩阵；(2)利用无穷范数归一化加权系数对存在故障阵元的MIMO雷达接收数据矩阵进行预处理；(3)通过匹配滤波得到虚拟阵列在多个脉冲周期内的输出信号；(4)对虚拟阵列输出信号矩阵取模、量化处理，再将数据矩阵分割成多个图像块；(5)计算各个接收与发射阵元对应的互信息值均值，构成接收与发射阵列的互信息值矢量；(6)对接收和发射阵列互信息值矢量门限检测以确定故障阵元位置。本发明所述方法可在冲击噪声环境下准确诊断出MIMO雷达故障阵元位置，从而有效解决MIMO雷达在冲击噪声环境下故障阵元诊断问题。

Description

一种冲击噪声下MIMO雷达阵列的诊断方法
技术领域
本发明涉及多输入多输出(MIMO)雷达阵列诊断方法，具体涉及一种冲击 噪声下MIMO雷达阵列的诊断方法。
背景技术
MIMO(Multiple-Input Multiple-Output)雷达的诞生得益于MIMO技术在无 线通信中发展与延伸。相比于传统相控阵雷达，MIMO雷达根据波形分集思想， 由发射端发射正交波形，在接收端对接收信号进行匹配滤波处理，形成大孔径的 虚拟阵列，以提高目标探测精度和参数估计能力。天线阵列作为雷达的重要组成 部分，能实现自适应波束形成、空间谱估计和信源分离等功能，但受恶劣的天气、 元器件腐蚀磨损、性能老化等因素的影响，使得雷达阵列中的收发组件出现故障， 导致MIMO雷达接收阵元无法准确接收目标信号，进而导致MIMO雷达探测性 能明显下降。由于对MIMO雷达阵列中故障阵元进行维修的前提是需要确定其 位置，因此，研究有效的雷达阵列诊断方法来确定故障阵元在阵列中的位置具有 重要理论意义和实际应用价值。
针对于故障阵元位置诊断的问题，Jiang等人在论文“ImpairedArray Diagnosisand Mitigation With Khatri–Rao Processing”(IEEE Antennas and WirelessPropagation Letters,2018,17(12):2354-2358)中提出一种对接收数据进行差分处理 的均匀线性阵列诊断方法，利用故障阵元接收的数据与无故障阵元接收信号的相 关性计算协方差矩阵，并向量化以构成虚拟阵列并经差分处理，利用处理后的数 据诊断出故障阵元位置。Zhuo等人在论文“Array diagnosis and angle estimation in bistatic MIMOradar under array antenna failures”(IEEE Radar,Sonar&Navigation, 2019,13(7):1180-1188)中提出了一种基于图像熵的MIMO雷达故障接收阵元诊 断方法，该方法根据故障阵元和正常阵元对应的输出信号所包含信息量的不同， 计算出各接收阵元对应的图像熵值，根据故障阵元与无故障阵元所对应图像块 熵值的差异特性，以诊断出接收阵列中故障阵元的位置。Zhang等人在论文“Array diagnosis using signal subspace clusteringin MIMO radar”(IEEE Electronics Letters, 2020,56(2):99-102)中提出一种基于子空间聚类的MIMO雷达故障阵元诊断方 法，该方法先将虚拟阵列协方差矩阵经特征值分解以获得信号子空间，根据信号 子空间各数据点的密度分布与距离特性采用密度峰值聚类算法，选取聚类中心， 并划分出不同簇类，再确定异常簇类，最后，根据异常簇类确定故障阵元的位置。
以上方法对于MIMO雷达的故障阵元诊断问题的研究大多数是以高斯噪声 为假设前提。而雷达实际工作环境中，所遇到的噪声通常具有一定的冲击性，例 如，环境噪声、大气噪声、雷达杂波、同信道射频干扰、低压电力线内部噪声以 及系统电路上的瞬间尖峰等。冲击噪声(impulsive noise)具有尖峰或厚重拖尾， 通常用α稳定分布来表示，由于α稳定分布具有脉冲尖峰以及不具备二阶统计特 性，导致现有基于二阶统计特性的Jiang方法、Zhang方法以及计算图像熵的Zhuo 方法性能下降甚至失效。
发明内容
发明目的：本发明的目的在于提供一种能够准确诊断出MIMO雷达故障阵 元的位置的冲击噪声下MIMO雷达阵列的诊断方法。
技术方案：本发明的冲击噪声下MIMO雷达阵列的诊断方法，包括以下步 骤：
(1)当MIMO雷达阵列中存在故障阵元时，在MIMO雷达接收阵列端获 取接收数据矩阵；
(2)利用无穷范数归一化加权系数对存在故障阵元的MIMO雷达接收信号 进行预处理，得到加权处理后的MIMO雷达接收阵列输出数据矩阵；
(3)对预处理后的MIMO雷达接收信号进行匹配滤波，得到虚拟阵列在多 个脉冲周期内的输出信号；
(4)对虚拟阵列输出信号矩阵进行取模处理，获得取模后的数据矩阵，并 对取模后的数据矩阵量化处理得到数据矩阵，再将数据矩阵按序分割成多个图像 块；
(5)对数据矩阵进行分析，依次计算各个接收与发射阵元对应的互信息值 的均值，并构成接收阵列与发射阵列的互信息值矢量；
(6)选取合适的门限值对接收阵列互信息值矢量和发射阵列互信息值矢量 分别进行门限检测，得到在矢量中低于门限值的元素及其在矢量中位置，根据得 到的位置分别来确定接收和发射阵列中故障阵元的位置。
步骤(1)中，所述MIMO雷达阵列接收的数据矩阵
Figure BDA0002700765770000021
的计算公式为：
Figure BDA0002700765770000022
式中，
Figure BDA0002700765770000023
Figure BDA0002700765770000024
表示N个接收阵元在第k个 脉冲周期内的第p个采样数据；βl表示第l个目标的反射系数；B表示各发射阵 元发射同频且相互正交的周期性编码信号矩阵；
Figure BDA0002700765770000025
表示含故障阵元的接收阵 列导向矢量；
Figure BDA0002700765770000026
表示故障阵元的发射阵列导向矢量；
Figure BDA0002700765770000027
表示冲击噪声 矩阵。
步骤(2)中，所述无穷范数归一化加权系数的计算公式为：
Figure BDA0002700765770000031
式中，||·||∞表示无穷范数；
Figure BDA0002700765770000032
表示矩阵
Figure BDA0002700765770000033
的第n行第p列元素；|·|表 示求模运算。
步骤(3)中，对预处理后的MIMO雷达接收信号进行匹配滤波，获得M×N 个虚拟阵元在K个脉冲周期的输出信号矩阵。
所述虚拟阵元输出信号矩阵
Figure BDA0002700765770000034
的计算公式为：
Figure BDA0002700765770000035
式中，
Figure BDA0002700765770000036
表示虚拟阵列输出信号矩阵；
Figure BDA0002700765770000037
和
Figure BDA0002700765770000038
分别表示含 故障阵元的发射和接收阵列流型矩阵；S表示目标系数矩阵；
Figure BDA0002700765770000039
表示噪声 矩阵；
Figure BDA00027007657700000310
表示Khatri-Rao积。
步骤(4)中，所述将数据矩阵按序分割成多个图像块具体为，将数据矩阵 自上而下每M行分成一个子图像块，共形成N个子图像块矩阵；再将数据矩阵 重排成新的数据矩阵，将自上而下每N行分成一个图像块，共构成M个图像块。
步骤(5)中，计算第n0个接收阵元图像块
Figure BDA00027007657700000311
与其余接收阵元图像块的互 信息值并取均值
Figure BDA00027007657700000312
所述接收阵元对应的互信息值的均值
Figure BDA00027007657700000313
计算公式为：
Figure BDA00027007657700000314
式中，
Figure BDA00027007657700000315
表示第n0(n0＝1,2,...,N)个接收阵元图像块
Figure BDA00027007657700000316
与第 n1(n1＝1,2,...,N,n1≠n0)个接收阵元图像块
Figure BDA00027007657700000317
的互信息值。
步骤(5)中，计算第m0个发射阵元图像块
Figure BDA00027007657700000318
与其余发射阵元图像块的互 信息值并取均值
Figure BDA00027007657700000319
步骤(5)中，所述发射阵元对应的互信息值的均值
Figure BDA00027007657700000320
计算公式为：
Figure BDA00027007657700000321
式中，
Figure BDA0002700765770000041
表示第m0(m0＝1,2,...,M)个接收阵元图像块
Figure BDA0002700765770000042
与第 m1(m1＝1,2,...,N,m1≠m0)个接收阵元图像块
Figure BDA0002700765770000043
的互信息值。
有益效果：本发明与现有技术相比，其有益效果在于：(1)利用了MIMO 雷达各阵元图像数据间相互包含的信息度量，充分挖掘各阵元图像数据之间的统 计相关特性，从而诊断出MIMO雷达阵列中正常阵元与故障阵元。相比于现有 计算熵值的阵列诊断方法，本发明方法在低信噪比下的故障阵元诊断正确率更 高，而且在较大范围的故障阵元数目下诊断性能具有较好的稳健性；(2)无需借 助额外的测量设备来获取阵列远场或者近场方向图，仅需MIMO雷达的接收数 据即可完成发射和接收阵列中故障阵元位置的诊断，使得雷达具备故障阵元的自 诊断能力，具有较好的实用性；(3)能够冲击噪声环境下准确诊断出MIMO雷 达故障阵元的位置，在低信噪比的冲击噪声环境下仍能保持较好的性能，从而有 效解决了在MIMO雷达在冲击噪声环境下故障阵元诊断问题。
附图说明
图1为本发明的流程示意图；
图2为本发明中双基地MIMO雷达的结构图；
图3为本发明中无穷范数处理后的正常阵元和故障阵元的熵值和互信息值 计算结果图；
图4为本发明中当MIMO雷达阵列中含有2个位置随机出现的故障发射阵 元和4个随机的故障接收阵元时故障阵元诊断成功概率随信噪比变化关系图；
图5为本发明中故障阵元诊断成功概率随故障阵元数的变化关系图。
具体实施方式
下面结合具体实施方式和说明书附图对本发明做进一步详细介绍。
如图1所示，本发明的冲击噪声下MIMO雷达阵列的诊断方法，当MIMO 雷达阵列中存在故障阵元时，故障阵元对应的图像数据中无目标信息，即故障阵 元对应的图像数据中不包含与正常阵元图像数据中相似的目标信息，然而，正常 阵元图像数据中包含与其余正常阵元图像数据相似的目标信息，因此，本发明采 用各阵元对应的图像数据之间的互信息值来衡量各阵元所包含目标信息的差异 程度，来进行故障阵元位置的诊断。具体包括以下步骤：
(1)当MIMO雷达阵列中存在故障阵元时，MIMO雷达接收阵列获取在第 k个脉冲周期内的P个采样数据矩阵：
Figure BDA0002700765770000044
式中，
Figure BDA0002700765770000051
Figure BDA0002700765770000052
表示N个接收阵元在第 k个脉冲周期内的第p个采样数据；βl表示第l个目标的反射系数；B表示各发 射阵元发射同频且相互正交的周期性编码信号矩阵；
Figure BDA0002700765770000053
表示含故障阵元的接 收阵列导向矢量；
Figure BDA0002700765770000054
表示故障阵元的发射阵列导向矢量；
Figure BDA0002700765770000055
表示冲击 噪声矩阵；其中，
Figure BDA0002700765770000056
QT为故障发射阵元位置集合， [at(φl)]m表示发射阵列导向矢量的第m(m＝1,2,…,M)个元素；
Figure BDA0002700765770000057
[ar(θl)]n表示接收阵列导向矢量第n(n＝1,2,…,N)个 元素，M和N分别为发射阵元和接收阵元数。
假设双基地MIMO雷达系统有M个发射阵元和N个接收阵元，其收发阵列 的阵元间距分别为dt和dr，且均为均匀线阵。在空间远场空间中有L个非相干 观测目标，则第l(l＝1,...,L)个目标相对于发射阵列和接收阵列的波离方向角(DOD) 和波达方向角(DOA)分别为(φl,θl)。各发射阵元发射同频且相互正交的周期性编 码信号
Figure BDA0002700765770000058
其中，bp＝[bp(1),…,bp(M)]T，bp(m)为第m(m＝1,2,…,M) 个发射阵元所发射的编码信号在第p(p＝1,2,…,P)个采样值，P为每个脉冲信号的 采样个数，(·)T表示转置。则MIMO雷达接收阵列在第k个脉冲周期内的P个采 样的输出信号为
Figure BDA0002700765770000059
式中，
Figure BDA00027007657700000510
其中，Dk(:,p)表示接收信号第k个脉冲 周期内第p个采样数据；βl为第l个目标的反射系数；
Figure BDA00027007657700000511
为接收阵列导向矢量；
Figure BDA00027007657700000512
为发射阵列导向矢量，其中，λ 表示发射信号波长；
Figure BDA00027007657700000513
表示冲击噪声矩阵。
在实际工作环境中，MIMO雷达天线阵列受恶劣环境以及阵列组件老化等因 素的影响，会出现不同程度故障的阵元。当发射阵列中第qt(qt∈QT)个阵元出现 故障时，则发射阵列导向矢量at(φl)中第qt个元素为零，即阵元故障发射阵列导 向矢量的表达式为
Figure BDA0002700765770000061
式中，[at(φl)]m表示发射阵列导向矢量的第m个元素，QT表示故障发射阵 元位置集合。同样，当接收阵列中第qr(qr∈QR)个阵元出现故障，接收阵列导向 矢量ar(θl)中的第qr个元素为零，则阵元故障接收阵列导向矢量的表达式为，
Figure BDA0002700765770000062
式中，[ar(θl)]n表示接收阵列导向矢量第n个元素，QR表示故障接收阵元 位置集合。则存在故障阵元时的MIMO雷达在第k个脉冲周期内接收信号可表示 为
Figure BDA0002700765770000063
(2)为了抑制冲击噪声的影响，利用无穷范数归一化加权系数对存在故障 阵元的MIMO雷达接收信号进行预处理，得到加权处理后的MIMO雷达接收阵 列输出信号矩阵，具体步骤如下：
对雷达接收数据用无穷范数进行归一化加权预处理，其归一化加权系数表达 式为
Figure BDA0002700765770000064
式中，||·||∞表示无穷范数；
Figure BDA0002700765770000065
表示矩阵
Figure BDA0002700765770000066
的第n行第p列元素；|·|表示求模运算。第k个脉冲周期内p次采样的MIMO雷达接收信号经过wk(p)加权处 理后，可表示为
Figure BDA0002700765770000067
式中，
Figure BDA0002700765770000068
为第l个目标的反射系数；
Figure BDA0002700765770000069
为无穷 范数归一化后的噪声数据。将式(6)所表示的P个采样值
Figure BDA00027007657700000610
写成 矩阵形式，即为
Figure BDA0002700765770000071
式中，
Figure BDA0002700765770000072
为取第l个目标的反射系数构建对角矩阵，
Figure BDA0002700765770000073
为 零均值有限方差的噪声矩阵。
(3)对预处理后的MIMO雷达接收信号进行匹配滤波获得M×N个虚拟阵元在 K个脉冲周期的输出信号矩阵，具体步骤如下：
根据发射阵列各波形的正交性，用发射信号矩阵B对接收阵列信号
Figure BDA0002700765770000074
进行 匹配滤波可得虚拟阵列输出信号，即
Figure BDA0002700765770000075
式中，
Figure BDA0002700765770000076
将
Figure BDA0002700765770000077
按列写成MN×1维列矢量，即
Figure BDA0002700765770000078
式中，
Figure BDA0002700765770000079
gk＝vec(Gk)，vec(·)表示将矩阵向量化；
Figure BDA00027007657700000710
表示Khatri-Rao积；
Figure BDA00027007657700000711
和
Figure BDA00027007657700000712
分别表示 含故障阵元的发射和接收阵列流型矩阵；
Figure BDA00027007657700000713
为一个 N×L维矩阵,由L个接收阵列导向向量组成；
Figure BDA00027007657700000714
为一 个M×L维矩阵，由L个发射阵列导向向量组成；
Figure BDA00027007657700000715
为第k 个快拍的目标系数向量。虚拟阵列在K个快拍下的输出信号矩阵为
Figure BDA00027007657700000716
式中，
Figure BDA00027007657700000717
为虚拟阵列输出信号矩阵；
Figure BDA00027007657700000718
表示目标 反射系数矩阵；G＝[g1,…,gK]，
Figure BDA00027007657700000719
表示噪声矩阵。
(4)对虚拟阵列输出信号矩阵进行取模处理，获得取模后的数据矩阵，并 对取模后的数据矩阵量化处理得到数据矩阵，再将数据矩阵按序分割成多个图像 块；具体计算过程如下：
对虚拟阵列输出信号矩阵
Figure BDA00027007657700000720
进行取模处理，获得求模后的数据矩阵
Figure BDA00027007657700000721
即
Figure BDA00027007657700000722
Figure BDA00027007657700000723
等效于灰度值为非整数连续量的灰度图像数据矩阵，对其进行量化 处理，将其灰度值映射到0～255之间，得到离散的灰度图像数据：
Figure BDA0002700765770000081
式中，Y表示离散的灰度图像数据矩阵；round(·)表示四舍五入运算。
当阵列中存在故障阵元时，一组故障阵元图像数据中包含的关于另一组阵元 图像数据的信息度量较小，故可利用互信息值来衡量图像块之间相互包含的信息 度量差异。为了进行接收阵列中故障阵元位置的诊断，将处理后的数据矩阵Y自 上而下每M行分成一个子图像块，共构成N个接收阵元图像块yn(n＝1,2,…,N)， 即
Figure BDA0002700765770000082
同样,为了进行发射阵列中故障阵元位置的诊断，将数据矩阵Y重排 成新的数据矩阵YT，即
YT＝[Y1,YM+1,…,Y(N-1)M+1,Y2,YM+2,…,Y(N-1)M+2,…,YM,Y2M,…,YNM]T (12)
式中，Yi为矩阵Y中第i(i＝1,2,…,MN)个行矢量。将YT并自上而下每N行 分成一个图像块，共构成M个图像块，即
Figure BDA0002700765770000083
(5)对数据矩阵进行分析，依次计算各个接收与发射阵元对应的互信息值 的均值，并构成接收阵列与发射阵列的互信息矢量；具体计算过程如下：
依次计算接收阵元图像块yn(n＝1,2,…,N)的熵值，即第n(n＝1,2,...,N)个接收阵元图像块yn的熵值为
Figure BDA0002700765770000084
式中，
Figure BDA0002700765770000085
表示灰度值a∈[0,255]在图像块yn中出现的概率；fa表示 灰度值a出现的次数。第n0(n0＝1,2,...,N)个接收阵元图像块
Figure BDA0002700765770000086
与第 n1(n1＝1,2,...,N,n1≠n0)个接收阵元图像块
Figure BDA0002700765770000087
的互信息
Figure BDA0002700765770000088
为
Figure BDA0002700765770000089
式中，
Figure BDA00027007657700000810
表示第n0(n0＝1,2,...,N)个接收阵元图像块
Figure BDA00027007657700000811
的熵值，
Figure BDA00027007657700000812
表 示第n1(n1＝1,2,...,N)个接收阵元图像块
Figure BDA00027007657700000813
的熵值；
Figure BDA00027007657700000814
则表示第n0(n0＝1,2,...,N)个接收阵元图像块
Figure BDA0002700765770000091
与第n1(n1＝1,2,...,N,n1≠n0)个接收阵元图像 块
Figure BDA0002700765770000092
的联合熵，其表达式为
Figure BDA0002700765770000093
式中,pa,b为图像块
Figure BDA0002700765770000094
中灰度值为a∈[0,255]和图像块
Figure BDA0002700765770000095
中同名灰度值为 b∈[0,255]时的联合概率，且满足
Figure BDA0002700765770000096
为了准确诊断出故障接收阵元的位 置，将第n0(n0＝1,...,N)个接收阵元图像块
Figure BDA0002700765770000097
与其余接收阵元图像块的互信息值 取均值，可表示为
Figure BDA0002700765770000098
同理，对数据矩阵YT进行分析，计算第m0(m0＝1,2,...,M)个发射阵元图像块
Figure BDA0002700765770000099
与其余发射阵元图像块
Figure BDA00027007657700000910
的互信息值并取均值，即
Figure BDA00027007657700000911
同样，将第m0(m0＝1,2,...,M)个发射阵元图像块
Figure BDA00027007657700000912
与其余发射阵元图像块
Figure BDA00027007657700000913
的互信息值取均值，即为
Figure BDA00027007657700000914
式中，
Figure BDA00027007657700000915
表示第m0(m0＝1,2,...,M)个接收阵元图像块
Figure BDA00027007657700000916
与第 m1(m1＝1,2,...,N,m1≠m0)个接收阵元图像块
Figure BDA00027007657700000917
的互信息值。
当接收阵列中第n0(n0∈QR)个接收阵元为故障阵元时，该阵元对应图像块
Figure BDA00027007657700000918
与其余阵元图像块的互信息均值
Figure BDA00027007657700000919
较小，当接收阵列中第
Figure BDA00027007657700000920
个接收 阵元为正常阵元时，其图像块
Figure BDA00027007657700000921
与其余阵元图像块的互信息均值
Figure BDA00027007657700000922
较大。同理 当发射阵列中第m0(m0∈QT)个发射阵元位出现故障时，其发射阵元图像块
Figure BDA00027007657700000923
对 应的互信息均值
Figure BDA00027007657700000924
较小，而当发射阵列中第
Figure BDA00027007657700000925
个发射阵元为正常阵元 时，其图像块
Figure BDA00027007657700000926
对应的互信息均值
Figure BDA00027007657700000927
较大。
接着，将得到的接收阵列与发射阵列中各阵元对应的互信息均值
Figure BDA00027007657700000928
和
Figure BDA00027007657700000929
构 成互信息值矢量V＝[v1,v2,…,vN]和U＝[u1,u2,…,uM]。
(6)选取合适的门限值对接收阵列互信息值矢量V和发射阵列互信息值矢 量U分别进行门限检测，得到在矢量V和U中低于门限值的元素及其在矢量中位 置，根据该位置来确定接收和发射阵列中故障阵元的位置。
将接收阵列与发射阵列中各阵元图像块的互信息均值
Figure BDA0002700765770000101
和
Figure BDA0002700765770000102
分别组成接收阵列的互信息矢量V＝[v1,v2,…,vN]和发射阵列的 互信息值矢量U＝[u1,u2,…,uM]。由于故障接收阵元对应的互信息均值要小于正常 接收阵元对应的互信息均值，因此，设置合适的门限值vr＝β·mean(V)对矢量V进 行门限检测，其中，β表示调节因子，mean(·)表示取均值。当矢量V中的值小于 阈值vr时，则该值对应的下标为故障接收阵元在接收阵列中的位置。同理可知， 矢量U中小于门限值ut＝β·mean(U)的值对应的下标即为故障发射阵元在发射阵 列中的位置。最后可获得故障接收阵元和故障发射阵元的位置集合估计值
Figure BDA0002700765770000103
和
Figure BDA0002700765770000104
最终实现MIMO雷达发射和接收阵列中故障阵元位置的诊断。
本发明的技术效果可以通过以下仿真结果进一步说明。为了验证本发明在冲 击噪声下的故障阵元诊断的性能，设计了熵值方法、子空间聚类算法、差分处理 方法以及无穷范数熵值方法与无穷范数互信息方法的对比实验。如图2所示，假 设双基地MIMO雷达发射阵元数M＝10，接收阵元数N＝20，目标个数L＝3，各 发射阵列的发射角φ＝{20°，-25°,30°},各接收阵列的接收角θ＝{-13°，-5°,-15°}，每 个周期内采样个数为P＝256，无穷范数互信息方法中用于门限检测的调节因子 β＝0.98。仿真实验中的噪声属于冲击噪声，冲击噪声的分布特性是由特征指数α 和分散系数γ确定，当α＜2时，其方差是无穷大的，因此，可以用广义信噪比 (GSNR)来代替一般信噪比(SNR)，即信号平均功率与分散系数γ的比值，其 表达式如下：
Figure BDA0002700765770000105
式中，||·||F表示Frobenius范数。定义故障阵元的诊断准确率为
Figure BDA0002700765770000106
式中，Ct为故障发射阵元诊断成功的次数；Ct为故障接收阵元诊断成功的 次数；T为蒙特卡洛实验次数。
仿真实验1：如图3所示，假设接收阵列中位置{3,6,9,12,17}的阵元为故障 阵元，广义信噪比GSNR＝10dB，脉冲周期数K＝200，特征指数α＝1.6。当故障阵 元对应的图像数据中包含冲击噪声的脉冲尖峰时，其信息量的不确定性增大，导 致该故障阵元所包含的信息度量变大，致使熵值方法和互信息方法无法利用信息 度量来正确区分正常阵元和故障阵元，因此，需要对MIMO雷达接收数据进行 无穷范数处理以抑制冲击噪声。由图3可知，位置{3,6,9,12,17}的故障接收阵元 图像数据的熵值和互信息值分别低于其他正常接收阵元图像数据的熵值和互信 息值，值得注意的是，采用互信息对各阵元图像数据进行信息度量时，故障阵元 与正常阵元的特征区分度明显大于熵值度量方法。这是由于熵值方法仅仅计算了 各阵元图像数据的信息度量，而互信息方法计算了各阵元图像数据间相互包含的信息度量，即分析了各阵元图像数据之间的统计相关程度。因此，相比于熵值方 法，互信息方法更利于进行故障阵元位置的诊断。
仿真实验2：如图4所示，假设MIMO雷达阵列中含有2个位置随机出现的 故障发射阵元和4个随机的故障接收阵元，广义信噪比GSNR的变化范围为 0～20dB，蒙特卡洛实验次数T＝100，脉冲周期数K＝200。图4(a)中，冲击噪 声特征指数α＝1.6，图4(b)中，冲击噪声特征指数α＝1.2。由图4可知，由于 冲击噪声不具备二阶统计量的特性，导致差分处理方法和子空间聚类算法在不同 强度的冲击噪声下对故障阵元诊断均失效。对于熵值方法，当冲击噪声特征指数 α＝1.6时，在信噪比低于11dB时，该方法的诊断准确率会逐渐下降，当冲击噪 声特征指数α＝1.6变为α＝1.2时，即冲击噪声的脉冲尖峰幅度增大，使得故障阵 元所包含的信息度量变大，从而导致熵值方法诊断失效。在不同的α值下，随着 信噪比的不断增加，无穷范数互信息方法和无穷范数熵值方法的故障阵元诊断正 确率均能不断提高，尤其在低信噪比的冲击噪声环境下，无穷范数互信息方法的 诊断性能要优于无穷范数熵值方法。
仿真实验3：为了进一步验证无穷范数互信息方法在不同故障阵元数时的诊 断稳健性，假设接收阵元中位置随机的故障阵元个数由1～12依次增加，广义信 噪比GSNR＝7dB，冲击噪声特征指数α＝1.6，其余参数与实验2一致。如图5所 示，熵值方法、子空间聚类算法及差分处理方法在不同故障阵元数下完全失效。 无穷范数熵值方法当故障阵元数超过8个时，诊断性能急剧恶化直至失效，但是 无穷范数互信息方法在故障阵元数达到11个时仍能保持100％的诊断准确率，因 此无穷范数互信息方法具有良好的稳健性。

Claims (10)

1.一种冲击噪声下MIMO雷达阵列的诊断方法，其特征在于，包括以下步骤：
(1)当MIMO雷达阵列中存在故障阵元时，在MIMO雷达接收阵列端获取接收数据矩阵；
(2)利用无穷范数归一化加权系数对存在故障阵元的MIMO雷达接收信号进行预处理，得到加权处理后的MIMO雷达接收阵列输出数据矩阵；
(3)对预处理后的MIMO雷达接收信号进行匹配滤波，得到虚拟阵列在多个脉冲周期内的输出信号；
(4)对虚拟阵列输出信号矩阵进行取模处理，获得取模后的数据矩阵，并对取模后的数据矩阵量化处理得到数据矩阵，再将数据矩阵按序分割成多个图像块；
(5)对数据矩阵进行分析，依次计算各个接收与发射阵元对应的互信息值的均值，并构成接收阵列与发射阵列的互信息值矢量；
(6)选取合适的门限值对接收阵列互信息值矢量和发射阵列互信息值矢量分别进行门限检测，得到在矢量中低于门限值的元素及其在矢量中位置，根据得到的位置分别来确定接收和发射阵列中故障阵元的位置。
2.根据权利要求1所述冲击噪声下MIMO雷达阵列的诊断方法，其特征在于，步骤(1)中，所述MIMO雷达阵列接收的数据矩阵
Figure FDA0002700765760000011
的计算公式为：
Figure FDA0002700765760000012
式中，
Figure FDA0002700765760000013
表示N个接收阵元在第k个脉冲周期内的第p个采样数据；βl表示第l个目标的反射系数；B表示各发射阵元发射同频且相互正交的周期性编码信号矩阵；
Figure FDA0002700765760000014
表示含故障阵元的接收阵列导向矢量；
Figure FDA0002700765760000015
表示故障阵元的发射阵列导向矢量；
Figure FDA0002700765760000016
表示冲击噪声矩阵。
3.根据权利要求1所述冲击噪声下MIMO雷达阵列的诊断方法，其特征在于，步骤(2)中，所述无穷范数归一化加权系数的计算公式为：
Figure FDA0002700765760000017
式中，||·||∞表示无穷范数；
Figure FDA0002700765760000018
表示矩阵
Figure FDA0002700765760000019
的第n行第p列元素；|·|表示求模运算。
4.根据权利要求1所述冲击噪声下MIMO雷达阵列的诊断方法，其特征在于，步骤(3)中，对预处理后的MIMO雷达接收信号进行匹配滤波，获得M×N个虚拟阵元在K个脉冲周期的输出信号矩阵。
5.根据权利要求4所述冲击噪声下MIMO雷达阵列的诊断方法，其特征在于，所述虚拟阵元输出信号矩阵
Figure FDA0002700765760000021
的计算公式为：
Figure FDA0002700765760000022
式中，
Figure FDA0002700765760000023
表示虚拟阵列输出信号矩阵；
Figure FDA0002700765760000024
和
Figure FDA0002700765760000025
分别表示含故障阵元的发射和接收阵列流型矩阵；S表示目标系数矩阵；
Figure FDA0002700765760000026
表示噪声矩阵；
Figure FDA0002700765760000027
表示Khatri-Rao积。
6.根据权利要求1所述冲击噪声下MIMO雷达阵列的诊断方法，其特征在于，步骤(4)中，所述将数据矩阵按序分割成多个图像块具体为，将数据矩阵自上而下每M行分成一个子图像块，共形成N个子图像块矩阵；再将数据矩阵重排成新的数据矩阵，将自上而下每N行分成一个图像块，共构成M个图像块。
7.根据权利要求1所述冲击噪声下MIMO雷达阵列的诊断方法，其特征在于，步骤(5)中，计算第n0个接收阵元图像块
Figure FDA0002700765760000028
与其余接收阵元图像块的互信息值并取均值
Figure FDA0002700765760000029
8.根据权利要求7所述冲击噪声下MIMO雷达阵列的诊断方法，其特征在于，所述接收阵元对应的互信息值的均值
Figure FDA00027007657600000210
计算公式为：
Figure FDA00027007657600000211
式中，
Figure FDA00027007657600000212
表示第n0(n0＝1,2,...,N)个接收阵元图像块
Figure FDA00027007657600000213
与第n1(n1＝1,2,...,N,n1≠n0)个接收阵元图像块
Figure FDA00027007657600000214
的互信息值。
9.根据权利要求1所述冲击噪声下MIMO雷达阵列的诊断方法，其特征在于，步骤(5)中，计算第m0个发射阵元图像块
Figure FDA00027007657600000215
与其余发射阵元图像块的互信息值并取均值
Figure FDA00027007657600000216
10.根据权利要求9所述冲击噪声下MIMO雷达阵列的诊断方法，其特征在于，所述发射阵元对应的互信息值的均值
Figure FDA00027007657600000217
计算公式为：
Figure FDA00027007657600000218
式中，
Figure FDA0002700765760000031
表示第m0(m0＝1,2,...,M)个接收阵元图像块
Figure FDA0002700765760000032
与第m1(m1＝1,2,...,N,m1≠m0)个接收阵元图像块
Figure FDA0002700765760000033
的互信息值。
CN202011021525.5A 2020-09-25 2020-09-25 一种冲击噪声下mimo雷达阵列的诊断方法 Active CN112596036B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011021525.5A CN112596036B (zh) 2020-09-25 2020-09-25 一种冲击噪声下mimo雷达阵列的诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011021525.5A CN112596036B (zh) 2020-09-25 2020-09-25 一种冲击噪声下mimo雷达阵列的诊断方法

Publications (2)

Publication Number Publication Date
CN112596036A true CN112596036A (zh) 2021-04-02
CN112596036B CN112596036B (zh) 2023-09-22

Family

ID=75180710

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011021525.5A Active CN112596036B (zh) 2020-09-25 2020-09-25 一种冲击噪声下mimo雷达阵列的诊断方法

Country Status (1)

Country Link
CN (1) CN112596036B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105954731A (zh) * 2016-04-26 2016-09-21 哈尔滨工程大学 冲击噪声下基于免疫布谷鸟搜索的双基地mimo雷达测向方法
US20160356895A1 (en) * 2015-06-04 2016-12-08 Toshiba Medical Systems Corporation Scintallator array test method, apparatus, and system
CN106556832A (zh) * 2016-11-01 2017-04-05 中国科学院国家空间科学中心 一种基于综合孔径辐射计的分布式数字干涉系统
WO2017121857A1 (en) * 2016-01-14 2017-07-20 Iee International Electronics & Engineering S.A. Narrowband leaky wave antenna for sensing objects in relation to a vehicle
CN107390218A (zh) * 2017-08-28 2017-11-24 西安电子科技大学 基于最小无穷范数的二维相位解缠绕方法
CN107576953A (zh) * 2017-09-12 2018-01-12 成都理工大学 基于互质mimo阵列的相干与非相干混合目标doa估计方法
CN109782239A (zh) * 2018-12-26 2019-05-21 南京信息工程大学 一种基于波形相似度的双基地mimo雷达故障阵元诊断方法
WO2019170878A1 (en) * 2018-03-08 2019-09-12 Iee International Electronics & Engineering S.A. Method and system for target detection using mimo radar
CN110531330A (zh) * 2019-07-30 2019-12-03 南京信息工程大学 一种基于子空间聚类的双基地mimo雷达阵列诊断方法
CN110940949A (zh) * 2019-12-11 2020-03-31 哈尔滨工程大学 强冲击噪声环境下基于量子企鹅搜索机制的互质阵列doa估计方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160356895A1 (en) * 2015-06-04 2016-12-08 Toshiba Medical Systems Corporation Scintallator array test method, apparatus, and system
WO2017121857A1 (en) * 2016-01-14 2017-07-20 Iee International Electronics & Engineering S.A. Narrowband leaky wave antenna for sensing objects in relation to a vehicle
CN105954731A (zh) * 2016-04-26 2016-09-21 哈尔滨工程大学 冲击噪声下基于免疫布谷鸟搜索的双基地mimo雷达测向方法
CN106556832A (zh) * 2016-11-01 2017-04-05 中国科学院国家空间科学中心 一种基于综合孔径辐射计的分布式数字干涉系统
CN107390218A (zh) * 2017-08-28 2017-11-24 西安电子科技大学 基于最小无穷范数的二维相位解缠绕方法
CN107576953A (zh) * 2017-09-12 2018-01-12 成都理工大学 基于互质mimo阵列的相干与非相干混合目标doa估计方法
WO2019170878A1 (en) * 2018-03-08 2019-09-12 Iee International Electronics & Engineering S.A. Method and system for target detection using mimo radar
CN109782239A (zh) * 2018-12-26 2019-05-21 南京信息工程大学 一种基于波形相似度的双基地mimo雷达故障阵元诊断方法
CN110531330A (zh) * 2019-07-30 2019-12-03 南京信息工程大学 一种基于子空间聚类的双基地mimo雷达阵列诊断方法
CN110940949A (zh) * 2019-12-11 2020-03-31 哈尔滨工程大学 强冲击噪声环境下基于量子企鹅搜索机制的互质阵列doa估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIN HE 等: ""Snapshot-instantaneous ||. ||infin normalization against heavy-tail noise"", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 *
JINLI CHEN 等: ""Joint Sensor Failure Detection and Corrupted Covariance Matrix Recovery in Bistatic MIMO Radar With Impaired Arrays"", 《IEEE SENSORS JOURNAL》 *

Also Published As

Publication number Publication date
CN112596036B (zh) 2023-09-22

Similar Documents

Publication Publication Date Title
CN108732549B (zh) 一种基于协方差矩阵重构的阵元缺损mimo雷达doa估计方法
CN109471082B (zh) 基于信号子空间重构的阵元缺损mimo雷达角度估计方法
US6567034B1 (en) Digital beamforming radar system and method with super-resolution multiple jammer location
CN109782243B (zh) 基于块Hankel矩阵填充的阵元故障MIMO雷达角度估计方法
CN109782239B (zh) 一种基于波形相似度的双基地mimo雷达故障阵元诊断方法
CN111239678B (zh) 一种基于l型阵列的二维doa估计方法
CN112612005B (zh) 基于深度学习的雷达抗主瓣干扰方法
Aboutanios et al. A STAP algorithm for radar target detection in heterogeneous environments
CN111693975A (zh) 一种基于深度神经网络的mimo雷达稀疏阵列设计方法
CN109245814B (zh) 基于极大似然重采样的自适应波束形成方法
CN107290732B (zh) 一种量子大爆炸的单基地mimo雷达测向方法
CN110531330B (zh) 一种基于子空间聚类的双基地mimo雷达阵列诊断方法
CN110596687A (zh) 一种基于黎曼流形的单基地mimo雷达目标检测方法
CN103293517B (zh) 基于脊参数估计的对角加载稳健自适应雷达波束形成方法
CN110579737B (zh) 一种杂波环境中基于稀疏阵列的mimo雷达宽带doa计算方法
CN108828586B (zh) 一种基于波束域的双基地mimo雷达测角优化方法
CN109471078B (zh) 一种基于图像熵的双基地mimo雷达阵元缺损诊断方法
CN113064126B (zh) 冲击噪声下基于张量分解和K-means聚类的MIMO雷达阵列诊断方法
CN112596036B (zh) 一种冲击噪声下mimo雷达阵列的诊断方法
Colone Spectral slope-based approach for mitigating bistatic space-time adaptive processing clutter dispersion
CN108594165B (zh) 一种基于期望最大化算法的窄带信号波达方向估计方法
CN114265004B (zh) 一种基于子空间对消的干扰下的目标角度估计方法
CN113381793B (zh) 一种面向相干信源估计的无网格波达方向估计方法
CN109270509B (zh) 数据损失情况下基于矩阵填充的doa估计方法及系统
CN115236598B (zh) 一种基于极化雷达的子空间距离扩展目标检测方法

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