CN113777575A - 应用于复杂环境中mimo雷达多目标参数估计评估方法 - Google Patents
应用于复杂环境中mimo雷达多目标参数估计评估方法 Download PDFInfo
- Publication number
- CN113777575A CN113777575A CN202111072125.1A CN202111072125A CN113777575A CN 113777575 A CN113777575 A CN 113777575A CN 202111072125 A CN202111072125 A CN 202111072125A CN 113777575 A CN113777575 A CN 113777575A
- Authority
- CN
- China
- Prior art keywords
- target
- mimo radar
- matrix
- estimation
- signals
- 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
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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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
本发明公开了应用于复杂环境中MIMO雷达多目标参数估计评估方法,涉及雷达领域,解决了当外部环境变为非理想时,目前尚未给出相应的多目标参数估计性能评估CRB的问题。本发明包括将MIMO雷达各接收机信号排成本地接收信号列向量,所有本地信号集中转为MIMO雷达系统观测信号列向量,利用观测信号计算目标位置和速度参数联合估计似然函数,计算多目标参数联合估计的CRB,利用MuGCRB评估MIMO雷达系统在复杂环境中对多目标位置和速度联合参数估计数估计的性能。本发明在雷达复杂的应用场景给出复杂环境中多目标参数联合估计的CRB,提供相关系统设计时性能评估参考。
Description
技术领域
本发明涉及雷达技术领域,它特别涉及关于雷达信号处理中的目标参数联合估计性能界克拉美罗界(Cramer-Rao bound,CRB)的计算,适用于复杂环境中分布式MIMO雷达多目标参数联合估计的问题,其中复杂环境指的是目标反射系数具有一定的空间相关性,杂波加噪声也具有一定的空间相关性,发射信号可能是非正交。具体涉及应用于复杂环境中MIMO雷达多目标参数估计评估方法。
背景技术
分布式多输入多输出(Multiple Input Multiple Out,MIMO)雷达能提升参数估计的性能。如今雷达的应用场景越来越复杂:战场中敌我双方在进行电子对抗时各种武器装备所释放的高密度、高强度、多频谱的电磁波形成了十分复杂的电磁环境;在民用领域,雷达传感器网络通常需要工作在各式电磁设备辐射所产生的复杂电磁环境中。这些复杂环境从数学建模上可以体现在电磁辐射源信号本身的统计特性、目标反射系数的统计特性以及杂波、噪声和干扰的统计特性等方面。传统MIMO雷达的研究工作对这些参数的统计特性通常做了理想化的假设,没有考虑复杂环境中相关参数的数学模型已变得非理想的情况。对此,文献1(Q.He,J.Hu,R.S.Blum and Y.Wu,"Generalized Cramér–Rao Bound forJoint Estimation of Target Position and Velocity for Active and Passive RadarNetworks,"in IEEE Transactions on Signal Processing,vol.64,no.8,pp.2078-2089,2016.)把复杂环境建模为发射信号非正交、目标反射系数空间相关以及杂波加噪声空间相关的形式,并给出了在复杂环境中单目标参数联合估计的广义克拉美罗界(GeneralizedCramer-Rao bound,GCRB),由于CRB是任意无偏估计均方误差(MSE)的下限,由此可评价系统在单目标估计任务时的性能。
多目标参数估计是雷达的常规需求,但目前基于分布式MIMO雷达多目标参数估计的研究大都基于理想假设条件,当外部环境变为非理想时,目前尚未给出相应的多目标参数估计性能评估CRB。考虑到当今雷达应用场景越来越复杂,十分有必要给出复杂环境中多目标参数联合估计的CRB,以便未来相关系统设计时能够提供性能评估的参考。
发明内容
本发明所要解决的技术问题是:基于分布式MIMO雷达多目标参数估计的研究大都基于理想假设条件,当外部环境变为非理想时,目前尚未给出相应的多目标参数估计性能评估CRB。本发明提供了解决上述问题的应用于复杂环境中MIMO雷达多目标参数估计评估方法。
本发明通过下述技术方案实现:
步骤1:将MIMO雷达第n个接收机接收到的信号排成一列,构成接收信号矢量rn,其中n=1,…,N,N表示接收机总数,
rn=[rn[1],rn[2],...rn[K]]T=Unζn+wn
其中rn[k]为kTs时刻的接收信号,
第m个发射机在kTs时刻的采样值为Em是其发射能量,Ts为采样间隔,k是采样序号,k=1,…,K,K为总的样本数目,为连接第m个接收机、第q个目标和第n个接收机的目标反射系数;表示为连接第m个接收机、第q个目标和第n个接收机的时延;表示为连接第m个接收机、第q个目标和第n个接收机的多普勒频移;wn[k]是第n个接收机的杂波加噪声; (·)T表示转置;wn=[wn(Ts),...,wn(KTs)];矩阵Un为
步骤2:将所有接收机的观测信号构成一个列向量
步骤3:将信号模型代入接收信号对目标参数联合估计的似然函数
L(r|θ)=-rHC-1r-ln[det(C)]-KNln(π)
步骤4:根据下式计算得到θ的最大似然估计
Y=RSHC-1
步骤7:根据下式得到J(θ)
步骤8:根据下式得多目标参数联合估计的CRB(Mutiple-target generalizedCRB,MuGCRB),其中第q,q=1,...,Q,个目标的MuGCRB
符号(·)-1表示矩阵求逆运算,步骤8同步骤3.1,这样使得步骤3.1计算所得的MuGCRB能够在非正交发射信号、空间相关目标反射系数以及具有相关性的杂波加噪声的复杂环境中,对雷达系统在多目标位置和速度联合估计的性能进行定量分析。
利用如上步骤计算得到的MuGCRB能够用于评估分布式MIMO雷达多目标联合参数估计数估计的性能,并且MuGCRB的信号模型中,允许发射信号为非正交,目标反射系数允许具有空间相关性,杂波加噪声也允许具有相关性,因此MuGCRB能够在这些非理想假设条件所构成的复杂环境中对MIMO雷达多目标联合参数估计性能性能评估,辅助工程上雷达系统的设计。
本发明具有如下的优点和有益效果:
本发明在雷达复杂的应用场景给出复杂环境中多目标参数联合估计的CRB,提供相关系统设计时性能评估参考。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明的正交和非正交GMSK信号对比图。
图2为本发明的非正交GMSK信号在不同程度的目标反射系数空间相关性对比图。
图3为本发明的非正交GMSK信号在空间独立的目标反射系数和不同程度的杂波加噪声空间相关性对比图。
具体实施方式
在对本发明的任意实施例进行详细的描述之前,应该理解本发明的应用不局限于下面的说明或附图中所示的结构的细节。本发明可采用其它的实施例,并且可以以各种方式被实施或被执行。基于本发明中的实施例,本领域普通技术人员在没有做出创造性改进前提下所获得的所有其它实施例,均属于本发明保护的范围。
()T为转置,()H为共轭转置,表示数学期望,diag{·}表示对角矩阵,det(·)表示求矩阵的行列式,(·)-1表示矩阵求逆,表示取一个复数的实部,Tr{·}表示矩阵求迹,Vec{·}表示矩阵按列排列,表示克罗内克乘积,⊙表示哈达玛乘积,(·)*表示复共轭,en为一个N×1的列向量,其中第n个元素为1其他元素为0。
考虑一个有M个单天线发射机和N个单天线接收机的分布式MIMO雷达系统,在笛卡尔坐标系中,第m(m=1,…,M)个发射站和第n(n=1,…,N)个接收站分别位于和在kTs时刻,第m个发射机的采样值为其中Ts为采样间隔,k(k=1,…,K)是采样序号,Em为其发射的能量。假设雷达探测区域内检测到Q个慢速运动目标,其中第q,q=1,...,Q,个目标的位置和速度分别为(xq,yq)与第n个接收机在kTs时刻所接收到的信号为,
其中c表示光速。
将rn[k]在K个快拍的观测值堆叠成一个向量
将所有接收机的观测信号构成一个列向量
r=[r1 T,...,rN T]T=Sζ+w (6)
由上述信号模型即可得到接收信号对目标参数联合估计的似然函数
L(r|θ)=-rHC-1r-ln[det(C)]-KNln(π) (7)
其中接收信号的协方差矩阵为
C=SRSH+Q (8)
因此θ的最大似然估计为
其中
由矩阵
其中的矩阵为
Y=RSHC-1 (17)
它们分别由以下列向量所构成
对FIM求逆并将相应的对角线元素取出,即可得到MuGCRB,对于第q,q=1,...,Q,个目标,其MuGCRB为
本发明的工作原理
根据信号模型(1),由于wn[k]为零均值的复高斯变量,因此接收信号矢量rn仍为复高斯分布,且所有接收机的观测量r依然为复高斯分布
其中协方差矩阵C=SRSH+Q,而R,Q分别为目标反射系数和杂波加噪声的协方差矩阵。假设信号模型(1)中除了目标位置θ其他参数都是已知的,则r的对数似然函数为
L(r|θ)=-rHC-1r-ln[det(C)]-KNln(π) (27)
根据(27)式,可以得到θ的最大似然估计值为
为了评价θ估计的性能,根据文献2(S.Kay,“Fundamentals of StatisticalSignal Processing:Estimation Theory,”Prentice-Hall.Englewood Cli_s,NJ,1993.)由链式法则可知θ估计的FIM为
定义
使得Jττ=Jτ HJτ,因此Jτ的(MQ×(n-1)+Q×(m-1)+q)列为
其中的求导项可以展开为
为描述方便,进行如下的矩阵列划分
S=[s1,...,sMNQ] (40)
R=[z1,...,zMNQ]=RH (41)
因此可以看出
因此可以重新改写
因此把i和j按矩阵元素展开后可以得到
Jττ=YSτ⊙(YSτ)T+(Sτ)HC-1Sτ⊙(YSR)T (47)
其中
Y=RSHC-1 (48)
用相同的推导方式可以得到
Jfτ=(YSf)T⊙YSτ+(Sf)TC-1(Sτ)*⊙YSR (50)
Jτf=YSf⊙(YSτ)T+(Sτ)HC-1Sf⊙(YSR)T (51)
Jff=YSf⊙(YSf)T+(Sf)HC-1Sf⊙(YSR)T (52)
其中
按(54)式可得到每个目标的MuGCRB,以MuGCRB为标准可以衡量MIMO雷达多目标参数估计在复杂环境系统中的具体性能,并对系统的多目标参数联合估计最大似然估计进行200次蒙特卡罗实验,得到仿真结果如图1,图2,图a)3所示。
实施例:
考虑两个目标分别位于(-10.01,20.02)km和(10.03,-20.01)km,它们都以(50,30)m/s得速度运动。假设有M=2个发射机位和N=4个接收机放置于离远点50km的位置,M个发射机和N个接收机均匀分布在[0,2π)角度上。
仿真中采用GSM系统中的GMSK信号,根据文献3(Tan,D.K.P.;Sun,H.;Lu,Y.;Lesturgie,M.;Chan,H.L.:'Passive radar using Global System for Mobilecommunication signal:theory,implementation and measurements',IEE Proceedings-Radar,Sonar and Navigation,2005,152,(3),p.116-123.)其基带波形为其中cmi∈{-1,1}是第i,i=1,...,Nc个数据比特,Nc是观测时间的的比特位数,是归一化系数,Δf是不同发射机之间的频率偏移,其中Tp是比特宽度,B是GMSK解调器中所用的高斯预滤波的3dB带宽。令Tp=577μs,BTp=0.3577s并让正交信号取Δf=3000而非正交信号取Δf=300。为简化起见,假设E1=...=EM=1,R=σ2IMN,将系统的新杂噪比(signal to clutter-plus-noise ratio,SCNR)定义为
图1对比了正交(红色)和非正交(蓝色)GMSK信号在不同SCNR下对于x1(圆圈标记的曲线),y1(星号标记的曲线),(方框标记的曲线),(三角标记的曲线)和x2,y2,(q=2的子图)的开根均方误差(root mean square error,RMSE,在图中用实线)以及开根MuGCRB(RMuGCRB,在图中用虚线)。首先看正交信号的情况,两个目标的的RMSEs位置估计和速度估计在超过20dB的阈值后都渐近趋近于RMuGCRB,这就验证了所推导的MuGCRB的正确性,用同样的方法也可从非正交信号中验证MuGCRB的正确性。接着关注在MuGCRB,可以看到对于两个目标,正交信号的MuGCRB总是低于非正交信号,由此可以说明在复杂环境中,正交信号能够给目标参数联合估计带来一定的性能增益
图2是非正交GMSK信号在不同程度的目标反射系数空间相关性下x1,y1,和x2,y2,的RMuGCRB(曲线标记与图1相同)随SCNR变化。这里采用了文献1中所提出的空间相关的目标反射系数模型,其空间相关性排序为γ=∞<γ=0.00001<γ=0.000005。可以看到,对于两个目标而言,不同路径的目标反射系数之间如果呈现出更大的空间相关性能够带来更好的联合参数估计性能。
图3是非正交GMSK信号在空间独立的目标反射系数和不同程度的杂波加噪声空间相关性下x1,y1,和x2,y2,的RMuGCRB(曲线标记与图1相同)随SCNR变化。这里采用了文献1中所提出的空间相关的杂波加噪声的模型,其空间相关性排序为ω=0.01<γ=0.1<γ=∞。可以看到,对于两个目标而言,不同接收机的杂波加噪声之间如果呈现出更大的空间相关性能够带来更好的联合参数估计性能。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.应用于复杂环境中MIMO雷达多目标参数估计评估方法,其特征在于,包括以下步骤
步骤1:分别将MIMO雷达各接收机信号排成本地接收信号列向量;
步骤2:统一将所有本地信号集中转为MIMO雷达系统观测信号列向量;
步骤3:利用观测信号计算目标位置和速度参数联合估计似然函数;
步骤3.1:计算多目标参数联合估计的CRB(Mutiple-target generalized CRB,MuGCRB),利用MuGCRB评估MIMO雷达系统在复杂环境中对多目标位置和速度联合参数估计数估计的性能。
2.根据权利要求1所述的应用于复杂环境中MIMO雷达多目标参数估计评估方法,其特征在于,详细步骤如下:
步骤1:将MIMO雷达第n个接收机接收到的信号排成一列,构成接收信号矢量rn,
rn=[rn[1],rn[2],…rn[K]]T=Unζn+wn
其中n=1,…,N,N表示接收机总数,(·)T为转置,矩阵Un为
其中,rn[k]为kTs时刻的接收信号,第m个发射机在kTs时刻的采样值为Em是其发射能量,Ts为采样间隔,k是采样序号,k=1,…,K,K为总的样本数目,为连接第m个接收机、第q个目标和第n个接收机的目标反射系数,表示为连接第m个接收机、第q个目标和第n个接收机的时延,表示为连接第m个接收机、第q个目标和第n个接收机的多普勒频移,wn[k]是第n个接收机的杂波加噪声, wn=[wn(Ts),...,wn(KTs)];
步骤2:将所有接收机的观测信号构成一个列向量
步骤3:似然函数:
L(r|θ)=-rHG-1r-ln[det(C)]-KNln(π)
其中(·)-1表示矩阵求逆,
步骤3.1:通过下列公式计算多目标参数联合估计的CRB(Mutiple-targetgeneralized CRB,MuGCRB),其中第q,q=1,...,Q,个目标的MuGCRB为
其中⊙表示哈达玛乘积,(·)*表示复共轭,Y,Sτ,Sf分别为
Y=RSHC-1
3.根据权利要求1所述的应用于复杂环境中MIMO雷达多目标参数估计评估方法,其特征在于,步骤1中雷达系统接收信号模型允许发射信号非正交、允许目标反射系数具有一定的空间相关性、允许杂波加噪声具有相关性。
4.根据权利要求2所述的应用于复杂环境中MIMO雷达多目标参数估计评估方法,其特征在于,在步骤3中MuGCRB的计算过程设计的矩阵Anm、Bnm、J(9)的计算方式,以及MuGCRB的具体计算方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111072125.1A CN113777575B (zh) | 2021-09-14 | 2021-09-14 | 应用于复杂环境中mimo雷达多目标参数估计评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111072125.1A CN113777575B (zh) | 2021-09-14 | 2021-09-14 | 应用于复杂环境中mimo雷达多目标参数估计评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113777575A true CN113777575A (zh) | 2021-12-10 |
CN113777575B CN113777575B (zh) | 2023-08-25 |
Family
ID=78843457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111072125.1A Active CN113777575B (zh) | 2021-09-14 | 2021-09-14 | 应用于复杂环境中mimo雷达多目标参数估计评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113777575B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113238219A (zh) * | 2021-05-18 | 2021-08-10 | 电子科技大学 | 一种适用于rsn在目标跟踪任务中的波形优化方法 |
CN114666219A (zh) * | 2022-03-15 | 2022-06-24 | 南京航空航天大学 | 非理想检测下多雷达网络功率与带宽联合优化分配方法 |
CN114679205A (zh) * | 2021-12-30 | 2022-06-28 | 电子科技大学长三角研究院(衢州) | 合作式mimo雷达和通信一体化系统的联合优化方法 |
CN114910877A (zh) * | 2022-07-18 | 2022-08-16 | 南京隼眼电子科技有限公司 | 雷达性能评估方法、装置及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140347211A1 (en) * | 2013-05-24 | 2014-11-27 | Robert Bosch Gmbh | Method for operating a mimo radar |
US20150042503A1 (en) * | 2012-03-02 | 2015-02-12 | The University Of Melbourne | Method of target detection |
CN105068049A (zh) * | 2015-07-27 | 2015-11-18 | 电子科技大学 | 一种分置天线mimo雷达的克拉美罗界计算方法 |
CN105974391A (zh) * | 2016-04-28 | 2016-09-28 | 大连大学 | 非确知目标先验知识条件下mimo雷达稳健波形设计 |
US20200011968A1 (en) * | 2017-03-03 | 2020-01-09 | Iee International Electronics & Engineering S.A. | Method and system for obtaining an adaptive angle-doppler ambiguity function in mimo radars |
CN113075621A (zh) * | 2021-03-30 | 2021-07-06 | 电子科技大学 | 针对分布式网络化雷达的信号级定位算法精度界计算方法 |
CN113359095A (zh) * | 2021-04-27 | 2021-09-07 | 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 |
-
2021
- 2021-09-14 CN CN202111072125.1A patent/CN113777575B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150042503A1 (en) * | 2012-03-02 | 2015-02-12 | The University Of Melbourne | Method of target detection |
US20140347211A1 (en) * | 2013-05-24 | 2014-11-27 | Robert Bosch Gmbh | Method for operating a mimo radar |
CN105068049A (zh) * | 2015-07-27 | 2015-11-18 | 电子科技大学 | 一种分置天线mimo雷达的克拉美罗界计算方法 |
CN105974391A (zh) * | 2016-04-28 | 2016-09-28 | 大连大学 | 非确知目标先验知识条件下mimo雷达稳健波形设计 |
US20200011968A1 (en) * | 2017-03-03 | 2020-01-09 | Iee International Electronics & Engineering S.A. | Method and system for obtaining an adaptive angle-doppler ambiguity function in mimo radars |
CN113075621A (zh) * | 2021-03-30 | 2021-07-06 | 电子科技大学 | 针对分布式网络化雷达的信号级定位算法精度界计算方法 |
CN113359095A (zh) * | 2021-04-27 | 2021-09-07 | 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 |
Non-Patent Citations (3)
Title |
---|
QIAN HE等: "Generalized Cramér–Rao Bound for Joint Estimation of Target Position and Velocity for Active and Passive Radar Networks", IEEE TRANSACTIONS ON SIGNAL PROCESSING, vol. 64, no. 8, pages 2078 - 2082 * |
何茜: "MIMO雷达检测与估计理论研究", 博士电子期刊, no. 12, pages 109 * |
马鹏;何伟;张剑云;李小波;: "基于非线性最小二乘的统计MIMO雷达动目标参数估计算法", 现代雷达, no. 09 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113238219A (zh) * | 2021-05-18 | 2021-08-10 | 电子科技大学 | 一种适用于rsn在目标跟踪任务中的波形优化方法 |
CN114679205A (zh) * | 2021-12-30 | 2022-06-28 | 电子科技大学长三角研究院(衢州) | 合作式mimo雷达和通信一体化系统的联合优化方法 |
CN114679205B (zh) * | 2021-12-30 | 2023-12-08 | 电子科技大学长三角研究院(衢州) | 合作式mimo雷达和通信一体化系统的联合优化方法 |
CN114666219A (zh) * | 2022-03-15 | 2022-06-24 | 南京航空航天大学 | 非理想检测下多雷达网络功率与带宽联合优化分配方法 |
CN114910877A (zh) * | 2022-07-18 | 2022-08-16 | 南京隼眼电子科技有限公司 | 雷达性能评估方法、装置及存储介质 |
CN114910877B (zh) * | 2022-07-18 | 2022-10-21 | 南京隼眼电子科技有限公司 | 雷达性能评估方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113777575B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113777575A (zh) | 应用于复杂环境中mimo雷达多目标参数估计评估方法 | |
Shu et al. | Low-complexity and high-resolution DOA estimation for hybrid analog and digital massive MIMO receive array | |
Garcia et al. | Resource allocation in MIMO radar with multiple targets for non-coherent localization | |
CN107290730B (zh) | 互耦条件下双基地mimo雷达角度估算方法 | |
Witrisal et al. | High-accuracy localization for assisted living: 5G systems will turn multipath channels from foe to friend | |
Dvorecki et al. | A machine learning approach for Wi-Fi RTT ranging | |
JP4339801B2 (ja) | 固有値分解を利用しない信号到来方向推定手法および受信ビーム形成装置 | |
CN109738856B (zh) | 一种基于时间反演的噪声抑制Capon有源目标DOA估算方法 | |
Cai et al. | Trajectory-aided maximum-likelihood algorithm for channel parameter estimation in ultrawideband large-scale arrays | |
Naseri et al. | Machine learning-based angle of arrival estimation for ultra-wide band radios | |
CN113360841B (zh) | 一种基于监督学习的分布式mimo雷达目标定位性能计算方法 | |
Slezak et al. | 60 ghz blockage study using phased arrays | |
Hong et al. | Joint channel parameter estimation and scatterers localization | |
CN114286307B (zh) | 一种基于矩阵束的信道状态信息参数估计方法 | |
Navarro et al. | TOA and DOA estimation for positioning and tracking in IR-UWB | |
Grebien et al. | Range estimation and performance limits for UHF-RFID backscatter channels | |
Liyanaarachchi et al. | Range–angle processing for target detection in joint MIMO-OFDM communications and sensing | |
Wang et al. | Joint estimation of TOA and DOA in IR-UWB system using a successive MUSIC algorithm | |
Li et al. | Joint localization and environment sensing of rigid body with 5G millimeter wave MIMO | |
Sun et al. | Distributed airborne MIMO radar detection in compound-Gaussian clutter without training data | |
Leitinger et al. | Performance bounds for multipath-assisted indoor localization on backscatter channels | |
Sit et al. | Neural network based direction of arrival estimation for a MIMO OFDM radar | |
CN113359095B (zh) | 一种相干被动mimo雷达克拉美罗界的计算方法 | |
Jin et al. | Mutrack: Multiparameter based indoor passive tracking system using commodity wifi | |
Tang et al. | The estimation method of sensing parameters based on OTFS |
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 |