CN114679205A - 合作式mimo雷达和通信一体化系统的联合优化方法 - Google Patents
合作式mimo雷达和通信一体化系统的联合优化方法 Download PDFInfo
- Publication number
- CN114679205A CN114679205A CN202111658157.XA CN202111658157A CN114679205A CN 114679205 A CN114679205 A CN 114679205A CN 202111658157 A CN202111658157 A CN 202111658157A CN 114679205 A CN114679205 A CN 114679205A
- Authority
- CN
- China
- Prior art keywords
- radar
- receiver
- joint
- selection
- mimo
- 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
- 238000004891 communication Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000002068 genetic effect Effects 0.000 claims description 9
- 208000036357 GUCY2D-related recessive retinopathy Diseases 0.000 claims description 7
- 230000021615 conjugation Effects 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000002592 echocardiography Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 2
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/295—Means for transforming co-ordinates or for evaluating data, e.g. using computers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Radio Transmission System (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了合作式MIMO雷达和通信一体化系统的联合优化方法,涉及雷达技术领域,解决了一体化系统中的雷达接收机只能处理有限路发射信号,使得雷达对目标参数估计的性能变差的问题。本发明包括对给定的发射天线选择及接收机位置,计算系统的参数估计性能,通过建立联合发射站选择和接收站布置的J‑TSRP优化问题,求解出一组使得估计性能最优的联合发射站选择和接收站布置的方式。本发明不仅优化天线选择,还优化接收站布置,且发挥了联合MIMO通信一体化系统和MIMO雷达系统的性能。
Description
技术领域
本发明涉及雷达技术领域,具体涉及合作式MIMO雷达和通信一体化系统的联合优化方法。
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(A. M.Haimovich,R.S.Blum and L.J.Cimini,"MIMO Radar with WidelySeparated Antennas,"in IEEE Signal Processing Magazine,vol.25,no.1,pp.116-129),合作式MIMO雷达和MIMO通信一体化系统是近年来十分热门的研究方向(Q.He,Z.Wang,J.Hu and R.S.Blum, "Performance Gains From Cooperative MIMO Radar andMIMO Communication Systems,"in IEEE Signal Processing Letters,vol.26,no.1,pp.194-198,)。但是由于硬件首先的缘故,一体化系统中的雷达接收机只能处理有限路发射信号,这将使得雷达对目标参数估计的性能变差。对此,十分有必要针对合作式一体化系统的资源进行调整,来提高目标参数估计的性能,但目前尚未有相关的工作。
发明内容
本发明所要解决的技术问题是:一体化系统中的雷达接收机只能处理有限路发射信号,使得雷达对目标参数估计的性能变差,本发明提供了解决上述问题的合作式MIMO雷达和通信一体化系统的联合优化方法,关于合作式MIMO雷达和MIMO通信一体化系统的收发天线联合优选问题,适用于合作式系统在接收机收到硬件约束的情况下提高系统对目标参数估计的性能,尤其针对合作式一体化系统提出联合天线选择和接收站布置的优化解决方案实现目标参数估计的性能提升。
本发明通过下述技术方案实现:
建立优化J-TSRP的问题,计算一组最优的联合发射站选择和接收站布置的方式来使得估计性能最优;
详细为:
对给定的发射天线选择及接收机位置,计算系统的参数估计性能,通过建立联合发射站选择和接收站布置的J-TSRP优化问题,求解出一组使得估计性能最优的联合发射站选择和接收站布置的方式。包括合作式一体化系统所采用的MIMO雷达和MIMO通信发射信号,由其基带信号生成基于特定选择策略下多个雷达接收机的接收信号,进一步计算相应选择策略下的表征系统参数估计的加权a,由此可构建发射天线的选择变量与接收机的位置联合优选的J-TSRP问题,采用遗传算法求解得到对应选择的发射天线和接收机位置设置数据。还包括对MIMO雷达系统发射站、MIMO通信系统发射站和雷达接收机进行数据互联,对多个MIMO 雷达和MIMO通信发射站的发射信号建立其与多个雷达接收机的位置之间的联合优选关系。其中,对接收机接收到的回波信号构建成列向量,并加入零均值的复高斯随机噪声,再将列向量数据导入信号模型,所述信号模型用于求解目标位置和速度参数联合估计的似然函数和 CRB,对多个不同量纲的CRB进行归一化得到加权CRB,计算使得加权CRB最小的最优发射机选择变量和接收站位置变量,所述最优方案的求解过程为求解非线性混合整数优化 (MINLP)问题,其中,遗传算法的求解过程如下:
输入二维区域的接收机位置可行域变量,输入加权变量,代入遗传算法,计算收敛的WCRB值和迭代次数。
详细计算过程如下:
本发明依据合作式一体化系统在雷达接收机收到硬件开销限制情况下,只能处理有限路发射信号,导致目标参数估计性能变差。对此,推导出硬件受限情况下估计性能评估的指标 CRB,发现它收到接收机对发射站的选择方式和接收机本身的位置的影响,因此建立优化问题来找到一组最优的联合发射站选择和接收站布置的方式来使得估计性能最优。
为了方便描述,首先进行如下定义:
()T为转置,()H为共轭转置,diag{·}表示对角矩阵,表示求矩阵的迹,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,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。
步骤1:将合作式MIMO雷达和MIMO通信系统的接收信号写为
rn∣dn=DR,n⊙UR,nsR,n+DC,n⊙UC,nsC,n+wn
其中dn为第n个接收机对发射天线的选择变量, sR,n=[(sR,n[1])T,…,(sR,n[K])T]T,sC,n=[(sC,n[1])T,…,(sC,n[K])T]T,wn=[wn[1],…,wn[K]]T,
步骤2:将所有接收机的观测信号构成一个列向量
其中FR=diag{DR,1,…,DR,N},FC=diag{DC,1,…,DC,N},UR=diag{UR,1,…,UR,N}, UC=diag{UC,1,…,UC,N},sR=[(sR,1)T,…,(sR,N)T]T,sC=[(sC,1)T,…,(sC,N)T]T,假设为零均值的复高斯随机向量,其协方差矩阵Q=σ2INK为确定已知的,且ΣR=FR⊙URsR以及ΣC=FC⊙UCsC分别表示来自雷达和来自通信的回波。
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,d)∝-(r-(ΣR+ΣC))HQ-1(r-(ΣR+ΣC))-ln(det(Q))
其中符号det(·)表示求矩阵的行列式,待估参数θ=[x,y,vx,vy]T。
步骤4:根据下式计算得到θ的最大似然估计
步骤6:根据下式得到J(θ)
步骤7:根据下式得到WCRB
步骤8:建立联合发射天线选择和接收站布置的J-TSRP问题
minβ WCRB
s.t.β={dT,xr,1,yr,1,…,xr,N,yr,N},
步骤9:利用基于遗传算法(GA)的算法求解J-TSRP问题。
利用如上步骤可得到合作式系统中接收天线对发射站选择变量和接收站布置的联合优化结。这个优化结果能够让一体化系统的联合参数估计性能达到最优。
本发明具有如下的优点和有益效果:
本发明不仅优化天线选择,还优化接收站布置,且发挥了联合MIMO通信一体化系统和 MIMO雷达系统的性能。
本发明能够让一体化系统的联合参数估计性能达到最优。
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是本发明基于GA的J-TSRP所设计出的合作式系统,与只优化天线选择、只优化接收站布置以及任意决定天线选择和接收站布置所设计出的系统的归一化WCRB之间的对比示意图。
图2是本发明基于J-TSRP的合作式一体化系统和非合作式一体化系统的归一化WCRB 的对比示意图。
图3为本发明的基于GA的J-TSRP求解算法图。
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。
实施例1:
()T为转置,()H为共轭转置,diag{·}表示对角矩阵,表示求矩阵的迹,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,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。
考虑一个合作式MIMO雷达和MIMO通信一体化系统,其中雷达系统具有MR个单天线发射机,通信系统具有MC和发射机。从雷达系统的第mR,mR=1,…,MR个发射天线以及通信系统的第mC,mC=1,…,MC个发射天线所发射的基带信号分别为及其中Ts为采样间隔,k(k=1,…,K)是采样序号,为其发射的能量,所有发射信号均已归一化且MR+MC=M。第 n,n=1,…,N个雷达接收机位于(xr.n,yr,n)。假设目标位于(x,y)其速度为(vx,vy)。令为接收机n对第mR个雷达发射站选择或者不选择的选择变量,同理定义为接收机n对第mC个通信发射站的选择变量。定义和则表达的是第n个接收机的选择策略,假设‖dn‖0=Wn。第n个接收机在第k个采样时刻的等效接收波形为
rn[k]∣dn=(dR,n⊙uR,n)TsR,n[k]+(dC,n⊙uC,n)TsC,n[k]+w[k] (2)
将K个快拍的观测值堆叠后可得到
其中FR=diag{DR,1,…,DR,N},FC=diag{DC,1,…,DC,N},UR=diag{UR,1,…,UR,N}, UC=diag{UC,1,…,UC,N},sR=[(sR,1)T,…,(sR,N)T]T,sC=[(sC,1)T,…,(sC,N)T]T,假设为零均值的复高斯随机向量,其协方差矩阵Q=σ2INK为确定已知的,且ΣR=FR⊙URsR以及ΣC=FC⊙UCsC分别表示来自雷达和来自通信的回波。
假设目标待估参数构成向量θ=[x,y,vx,vy]T,对于给定选择变量d,接收信号的似然函数为
L(r∣θ,d)∝-(r-(ΣR+ΣC))HQ-1(r-(ΣR+ΣC))-ln(det(Q)) (5)
相应的最大似然估计为
相应的费歇尔信息矩阵为
最终,系统参数估计的CRB分别为CRBx=[J-1(θ)]1,1,CRBy=[J-1(θ)]2,2,其中符号[·]p,q表示取矩阵的第p行第q列的元素。为表征系统对所有参数估计性能的统一性能,定义加权CRB为
由于J-TSRP问题的优化变量中带有整数取值和连续取值的部分,且目标函数是关于这些优化变量的非线性函数,因此J-TSRP问题是一个非线性混合整数优化(MINLP)问题。MINLP 属于组合优化中的一种,可以通过遗传算法(GA)来得到求解。基于GA的J-TSRP求解算法如图3所示
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,d)∝-(r-(ΣR+ΣC))HQ-1(r-(ΣR+ΣC))-ln(det(Q)) (14)
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
其中
且
其中各个分块矩阵的表达式由(8)-(11)式给出。
行第j列的元素为
考虑到变量中的分块结构,上式可进一步简化为
同理可以得到
将(25)(26)带入(15)可得到
考虑一个具有MR=2,MC=2的合作式一体化系统。为雷达端采用正弦脉冲信号(Q.He, R.S.Blum,H.Godrich and A.M.Haimovich,"Target Velocity Estimation andAntenna Placement for MIMO Radar With Widely Separated Antennas,"in IEEEJournal of Selected Topics in Signal Processing,vol.4,no.1,pp.79-100),为通信端采用OFDM 信号(C.R.Berger,B.Demissie,J.Heckenbach,P.Willett and S.Zhou,"Signal Processing for Passive Radar UsingOFDM Waveforms,"in IEEE Journal of Selected Topics in Signal Processing,vol.4,no.1,pp.226-238)雷达的两个发射天线分别位于 (-52376,-46440)m及(52376,46440)m,通信的两个发射天线分别位于(0,0)m及 (-23220,26188)m。假设合作式系统的接收机为N=2,接收机可处理的发射机信号限制为 W1=W2=2,而接收机放置的可行区间为且假设目标位于(50.01,30.26)m,其运动速度为(20,20)m/s,目标反射系数为0.6+0.8j,杂噪的协方差为σ2=0.01,信杂噪比定义为SCNR=10log10(ME/σ2),并让
图1是在相同的雷达场景设置下,对比了基于GA的J-TSRP所设计出的系统,与只优化天线选择、只优化接收站布置以及任意决定天线选择和接收站布置所设计出的系统,他们的归一化WCRB之间的对比。可以看到,J-TSRP比只优化天线选择、只优化接收站布置的性能更优,同时,任何优化方案所得到的系统性能都比任意决定天线选择和接收站布置所设计出的系统性能更优。
图2是利用J-TSRP对比了合作式一体化系统和非合作式一体化系统的归一化WCRB。为了比较需要,我们同时考虑了定位与测速联合估计只考虑定位和只考虑测速的情况。可以看到在所有情况中,J-TSRP保持了一体化系统中由合作所带来的估计性能增益。
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 (6)
1.合作式MIMO雷达和通信一体化系统的联合优化方法,其特征在于,对给定的发射天线选择及接收机位置,计算系统的参数估计性能,通过建立联合发射站选择和接收站布置的J-TSRP优化问题,求解出一组使得估计性能最优的联合发射站选择和接收站布置的方式。
2.根据权利要求1所述的合作式MIMO雷达和通信一体化系统的联合优化方法,其特征在于,包括合作式一体化系统所采用的MIMO雷达和MIMO通信发射信号,由其基带信号生成基于特定选择策略下多个雷达接收机的接收信号,进一步计算相应选择策略下的表征系统参数估计的加权CRB,由此可构建发射天线的选择变量与接收机的位置联合优选的J-TSRP问题,采用遗传算法求解得到对应选择的发射天线和接收机位置设置数据。
3.根据权利要求2所述的合作式MIMO雷达和通信一体化系统的联合优化方法,其特征在于,还包括对MIMO雷达系统发射站、MIMO通信系统发射站和雷达接收机进行数据互联,对多个MIMO雷达和MIMO通信发射站的发射信号建立其与多个雷达接收机的位置之间的联合优选关系。
4.根据权利要求3所述的合作式MIMO雷达和通信一体化系统的联合优化方法,其特征在于,对接收机接收到的回波信号构建成列向量,并加入零均值的复高斯随机噪声,再将列向量数据导入信号模型,所述信号模型用于求解目标位置和速度参数联合估计的似然函数和CRB,对多个不同量纲的CRB进行归一化得到加权CRB,计算使得加权CRB最小的最优发射机选择变量和接收站位置变量,所述最优方案的求解过程为求解非线性混合整数优化(MINLP)问题。
5.根据权利要求4所述的合作式MIMO雷达和通信一体化系统的联合优化方法,其特征在于,方法步骤如下:
步骤1:将合作式MIMO雷达和MIMO通信系统的接收信号写为
rn∣dn=DR,ne UR,nsR,n+DC,ne UC,nsC,n+wn
其中dn为第n个接收机对发射天线的选择变量, sR,n=[(sR,n[1])T,...,(sR,n[K])T]T,sC,n=[(sC,n[1])T,...,(sC,n[K])T]T,wn=[wn[1],...,wn[K]]T,
步骤2:将所有接收机的观测信号构成一个列向量
其中FR=dia{gD,R1,..D,R,N,FC=diag{DC,1,...,DC,N},UR=diag{UR,1,...,UR,N},UC=diag{UC,1,...,UC,N},sR=[(sR,1)T,...,(sR,N)T]T,sC=[(sC,1)T,...,(sC,N)T]T,假设为零均值的复高斯随机向量,其协方差矩阵Q=σ2INK为确定已知的,且ΣR=FRe URsR以及ΣC=FCe UCsC分别表示来自雷达和来自通信的回波;
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,d)∝-(r-(ΣR+ΣC))HQ-1(r-(ΣR+ΣC))-ln(det(Q))
其中符号det(g)表示求矩阵的行列式,待估参数θ=[x,y,vx,vy]T;
步骤4:根据下式计算得到θ的最大似然估计
θ$ML=argmaxθL(r∣θ,d)
步骤6:根据下式得到J(θ)
步骤7:根据下式得到WCRB
步骤8:建立联合发射天线选择和接收站布置的J-TSRP问题
minβWCRB
s.t.β={dT,xr,1,yr,1,...,xr,N,yr,N},
步骤9:利用基于遗传算法(GA)的算法求解J-TSRP问题。
6.根据权利要求5所述的合作式MIMO雷达和通信一体化系统的联合优化方法,其特征在于,遗传算法的求解过程如下:
输入二维区域的接收机位置可行域变量,输入加权变量,代入遗传算法,计算收敛的WCRB值和迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111658157.XA CN114679205B (zh) | 2021-12-30 | 2021-12-30 | 合作式mimo雷达和通信一体化系统的联合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111658157.XA CN114679205B (zh) | 2021-12-30 | 2021-12-30 | 合作式mimo雷达和通信一体化系统的联合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114679205A true CN114679205A (zh) | 2022-06-28 |
CN114679205B CN114679205B (zh) | 2023-12-08 |
Family
ID=82070707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111658157.XA Active CN114679205B (zh) | 2021-12-30 | 2021-12-30 | 合作式mimo雷达和通信一体化系统的联合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114679205B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110140949A1 (en) * | 2009-12-16 | 2011-06-16 | Electronics And Telecommunications Research Institute | Mimo radar apparatus and wireless communication method using the same |
CN109507641A (zh) * | 2018-11-07 | 2019-03-22 | 电子科技大学 | 一种合作的mimo雷达和mimo通信系统性能计算方法 |
CN110133635A (zh) * | 2019-04-03 | 2019-08-16 | 电子科技大学 | 一种合作mimo雷达和通信系统计算目标定位和互信息的方法 |
US20190383900A1 (en) * | 2018-06-18 | 2019-12-19 | GM Global Technology Operations LLC | Joint optimization of antenna spacing and target angle estimation in a radar system |
WO2020212569A1 (en) * | 2019-04-17 | 2020-10-22 | Université Du Luxembourg | Method and device for beamforming in a mimo radar system |
CN111999703A (zh) * | 2020-07-16 | 2020-11-27 | 南京航空航天大学 | 频控阵mimo雷达通信一体化系统射频辐射控制方法 |
CN112968722A (zh) * | 2021-03-17 | 2021-06-15 | 南京大学 | 基于fd-mimo的雷达通信一体化信号设计方法 |
CN113777575A (zh) * | 2021-09-14 | 2021-12-10 | 电子科技大学长三角研究院(衢州) | 应用于复杂环境中mimo雷达多目标参数估计评估方法 |
-
2021
- 2021-12-30 CN CN202111658157.XA patent/CN114679205B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110140949A1 (en) * | 2009-12-16 | 2011-06-16 | Electronics And Telecommunications Research Institute | Mimo radar apparatus and wireless communication method using the same |
US20190383900A1 (en) * | 2018-06-18 | 2019-12-19 | GM Global Technology Operations LLC | Joint optimization of antenna spacing and target angle estimation in a radar system |
CN109507641A (zh) * | 2018-11-07 | 2019-03-22 | 电子科技大学 | 一种合作的mimo雷达和mimo通信系统性能计算方法 |
CN110133635A (zh) * | 2019-04-03 | 2019-08-16 | 电子科技大学 | 一种合作mimo雷达和通信系统计算目标定位和互信息的方法 |
WO2020212569A1 (en) * | 2019-04-17 | 2020-10-22 | Université Du Luxembourg | Method and device for beamforming in a mimo radar system |
CN111999703A (zh) * | 2020-07-16 | 2020-11-27 | 南京航空航天大学 | 频控阵mimo雷达通信一体化系统射频辐射控制方法 |
CN112968722A (zh) * | 2021-03-17 | 2021-06-15 | 南京大学 | 基于fd-mimo的雷达通信一体化信号设计方法 |
CN113777575A (zh) * | 2021-09-14 | 2021-12-10 | 电子科技大学长三角研究院(衢州) | 应用于复杂环境中mimo雷达多目标参数估计评估方法 |
Non-Patent Citations (5)
Title |
---|
QIAN HE: "Performance Gains From Cooperative MIMO Radar and MIMO Communication Systems", 《IEEE SIGNAL PROCESSING LETTERS》 * |
王洋;: "雷达通信一体化共享信号技术探讨", 信息通信, no. 07 * |
王玉玺;黄国策;李伟;: "干扰条件下MIMO雷达收发联合方向图优化设计", 电子与信息学报, no. 12 * |
王珍: "合作式MIMO雷达通信一体化系统的检测与互信息增益", 《信号处理》 * |
鲁彦希;何子述;程子扬;刘爽利;: "多目标跟踪分布式MIMO雷达收发站联合选择优化算法", 雷达学报, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN114679205B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110719239B (zh) | 一种数据模型双驱动的联合mimo信道估计和信号检测方法 | |
CN106646410A (zh) | 宽带认知被动雷达架构下的学习‑感知‑决策‑响应方法 | |
Li et al. | Generative adversarial estimation of channel covariance in vehicular millimeter wave systems | |
CN109507641B (zh) | 一种合作的mimo雷达和mimo通信系统性能计算方法 | |
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 | |
CN110430150B (zh) | 一种基于神经网络的蜂窝移动通信系统接收机设计方法 | |
Cheng et al. | Double-phase-shifter based hybrid beamforming for mmWave DFRC in the presence of extended target and clutters | |
Han et al. | THz ISAC: A physical-layer perspective of terahertz integrated sensing and communication | |
Chen et al. | Joint initial access and localization in millimeter wave vehicular networks: a hybrid model/data driven approach | |
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 | |
CN114660564A (zh) | 一种雷达通信频谱共存系统的频谱共享配置方法 | |
CN114679205A (zh) | 合作式mimo雷达和通信一体化系统的联合优化方法 | |
Yang et al. | Deep transfer learning-based adaptive beamforming for realistic communication channels | |
CN113075621B (zh) | 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 | |
Fedosov et al. | Adaptive algorithm for MIMO-system of the wireless access for the receiver of the mobile station | |
EP4334741A1 (en) | Method for two-dimensional and three-dimensional imaging based on collocated multiple-input multiple-output radars | |
Zabolotsky et al. | Distributed detection and imaging in MIMO radar network based on averaging consensus | |
Butler et al. | Multistatic target classification with adaptive waveforms | |
He et al. | Power allocation for OFDM-based RadCom systems | |
CN105656666A (zh) | 协作网络下行链路非完美信道下的总功率联合优化方法 | |
Wang et al. | Target localization and mutual information improvement for cooperative MIMO radar and mimo communication systems | |
Turan et al. | Reproducible evaluation of neural network based channel estimators and predictors using a generic dataset | |
Wang et al. | MIMO radar and jammer power allocation game based on MMSE | |
Zheng et al. | A distributed MIMO radar oriented barrage jamming strategy | |
Zhu et al. | Diversity learning: Introducing the space-time scheme to ensemble learning |
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 |