一种低复杂度单基地MIMO雷达非圆信号角度估计方法技术

本发明专利技术属于雷达技术领域，公开了一种低复杂度单基地MIMO雷达非圆信号角度估计方法，利用降维变换将接收数据降至低维空间，再利用发射信号的非圆特性，构造扩展孔径的接收数据矩阵；采用中心共轭对称的DFT矩阵将接收数据转换到波束空间，同时将复值数据协方差矩阵实值化；在低维波束空间中构造实值信号子空间的旋转不变关系，得到目标的DOA估计。本发明专利技术利用非圆信号的特点，构造虚拟阵元扩展的接收数据来进行DOA估计，且联合使用降维变换和波束空间实值变换，可以获得比常规ESPRIT算法更高的角度估计精度和更高的角度分辨率，同时具有更低的计算复杂度。

【技术实现步骤摘要】
一种低复杂度单基地MIMO雷达非圆信号角度估计方法
本专利技术属于雷达
，尤其涉及一种低复杂度单基地MIMO雷达非圆信号角度估计方法。
技术介绍
多输入多输出(multipleinputmultipleoutput，MIMO)雷达是近年来国际上发展起来的一种新体制雷达。MIMO雷达采用波形分集的思想，利用发射波形的正交性对接收信号进行处理，可以获得一个大孔径的虚拟阵列，具有更高的角度分辨率和更多的自由度。波达方向(directionofarrival,DOA)估计是MIMO雷达参数估计的一个重要内容。目前，关于MIMO雷达空间目标角度估计的算法已多不胜数。旋转不变子空间技术(Estimatesignalparametersviarotationalinvariancetechnique,ESPRIT)是子空间类超分辨DOA估计算法的代表，可以用于MIMO雷达目标角度估计。该算法采用全维接收数据进行DOA估计，需要对全维数据协方差矩阵实施特征值分解，以估计得到信号子空间，其计算复杂度将随MIMO雷达虚拟阵元数的增加呈立方次增长。在低信噪比和低快拍数条件下，由于子空间估计的不准确，会导致其角度估计性能严重恶化甚至估计失败。降复杂度ESPRIT算法(reducedcomplexityESPRIT，RC-ESPRIT，ElectronicsLetters,2011,47(4):283-284)虽然通过降维变换降低了数据运算维度，从而降低估计算法的运算复杂度，但该方法没有充分利用发射信号的特点，其角度估计精度与ESPRIT算法相当，在低信噪比和低快拍数条件下估计性能依然较差。降复杂度共轭ESPRIT算法(reducedcomplexityconjugateESPRIT，RC-ESPRIT，SignalProcessing,2013,93(7):2070-2075)虽然利用了非圆信号的特点，通过构造孔径扩展的接收数据进行DOA估计，提高了角度估计精度，但由于其虚拟阵列孔径比RC-ESPRIT算法扩大了一倍，接收数据矩阵维度是RC-ESPRIT算法的两倍，因此计算复杂度也随之大幅度增加，不利于估计算法的实时实现。综上所述，现有技术存在的问题是：目前基于ESPRIT技术的MIMO雷达空间目标角度估计方法存在计算复杂度高，不利于实时实现，且在低信噪比和低快拍数条件下估计精度低甚至失败的问题。
技术实现思路
针对现有技术存在的问题，本专利技术充分利用发射信号的特点，提供了一种低复杂度单基地MIMO雷达非圆信号角度估计方法。本专利技术是这样实现的，一种低复杂度单基地MIMO雷达非圆信号角度估计方法，所述低复杂度单基地MIMO雷达非圆信号角度估计方法包括利用降维变换将接收数据降至低维空间，再利用发射信号的非圆特性，构造扩展孔径的接收数据矩阵；采用中心共轭对称的离散傅里叶变换(discreteFouriertransform，DFT)矩阵将接收数据转换到波束空间，同时将复值数据协方差矩阵实值化；在低维波束空间中构造实值信号子空间的旋转不变关系，得到目标的DOA估计。进一步，所述低复杂度单基地MIMO雷达非圆信号角度估计方法包括以下步骤：步骤一，MIMO雷达发射阵列发射相互正交的脉冲编码信号，在接收端对接收数据进行匹配滤波，并对滤波后的接收数据进行重排，搜集个L快拍，得到接收数据矩阵X；步骤二，选取降维变换矩阵U，将其左乘接收数据矩阵X，得到降维后的数据矩阵：Y＝UX；步骤三，利用信号的非圆特性，构造新的接收数据矩阵，获得虚拟孔径扩展的接收数据矩阵步骤四，对扩展接收数据进行前后向平均，得到中心共轭对称数据矩阵Z；步骤五，计算数据矩阵Z的自相关矩阵Rz，对其进行特征值分解，估计得到信号子空间Us；步骤六，构造共轭中心对称的DFT矩阵作为波束形成权矩阵；步骤七，利用波束变换矩阵对Rz进行波束空间实值变换，计算波束空间变换后的实值信号子空间Es；步骤八，计算新的实值信号子空间利用最小二乘法或总体最小二乘法求解旋转不变方程计算得到实值矩阵Ψ；步骤九，对Ψ进行特征值分解，得到P个特征值，得到目标的DOA估计。进一步，所述步骤一中接收阵列输出为：其中，为发射阵列导向矢量，θ1,θ2,,θP为P个目标的波达方向，M为发射阵元数；为接收阵列导向矢量，N为接收阵元数；表示Kronecker积；s(t)＝[s1(t),s2(t),,sP(t)]T，且对于非圆信号有sp(t)＝sp*(t)；噪声向量n(t)∈CMN×1为均值为零，方差为σ2的复高斯白噪声向量；假设接收信号在L个快拍下恒定，则由L个快拍数据[x(t1),x(t2),,x(tL)]组成的接收数据矩阵表示为：X＝AS+N；其中，为发射-接收联合导向矩阵，S＝[s(t1),s(t2),,s(tL)]T，N＝[n(t1),n(t2),,n(tL)]T。进一步，所述步骤二中的降维后的数据矩阵为：Y＝UX＝V1/2GS+NT；其中，U＝V-1/2FH为降维变换矩阵，其其中Tm＝[0N×m,IN,0N×(M-m-1)]；diag(·)表示数据对角矩阵化操作；G＝[g(θ1),g(θ2),,g(θP)]，Ne＝M+N-1为有效虚拟阵元个数；NT＝V1/2FHN为降维后的噪声数据矩阵。进一步，所述步骤三中构造的虚拟孔径扩展的接收数据矩阵为：其中，Y2，G2，NT2分别为Y，G，NT的后Ne-1行构成的子矩阵；V2为由V的后Ne-1行，后Ne-1列构成的子矩阵；J1为(Ne-1)×(Ne-1)维的交换矩阵，其反对角线上的元素为1，其它元素为0；*表示取共轭操作；进一步，所述步骤四中前后向平均后的接收数据矩阵为：其中，J2表示Ne×Ne维的交换矩阵；JL表示L×L维的交换矩阵。进一步，所述步骤五中Z的自相关矩阵为Rz＝E{ZZH}，其特征值分解表示为：Rz＝UsΣsUsH+UnΣnUnH；其中，Σs为由Rz的P个大特征值组成的对角矩阵，Σn为剩余(Me-P)个特征值组成的对角矩阵，其中Me＝2Ne-1；Us和Un分别为与其对应的信号子空间和噪声子空间。进一步，所述步骤六中采用如下定义的共轭中心对称的DFT矩阵：其中，进一步，所述步骤七中波束空间实值信号子空间为进一步，所述步骤八中新的信号子空间为其中，旋转不变方程中，选择矩阵T1和T2定义为：其中，ck＝cos(πk/Me)，sk＝sin(πk/Me)；所述步骤九中P个目标的波达方向估计值可由下式估计得到：其中，为P个目标的角度估计值，λ1,λ2,......,λp为实值矩阵Ψ的P个特征值。本专利技术的另一目的在于提供一种应用所述低复杂度单基地MIMO雷达非圆信号角度估计方法的多输入多输出雷达。本专利技术的优点及积极效果为：充分利用发射信号的特点，联合使用降维变换和波束空间实值变换，在降低ESPRIT算法计算复杂度的同时，提高角度估计的精度。本专利技术在降维预处理后采用波束空间实值变换，在进一步降低数据运算维度的同时将数据协方差矩阵实值化，因此具有比常规ESPRIT算法更低的计算复杂度。本专利技术利用非圆信号的特点得到虚拟阵元扩展的接收数据，且在降维变换和实值变换过程中获得了信噪比增益和虚拟样本增益，拥有比常规ESPRIT算法更高的角度估计精度，适用于与低信噪比和低快拍本文档来自技高网...

【技术保护点】
一种低复杂度单基地MIMO雷达非圆信号角度估计方法，其特征在于，所述低复杂度单基地MIMO雷达非圆信号角度估计方法包括利用降维变换将接收数据降至低维空间，再利用发射信号的非圆特性，构造扩展孔径的接收数据矩阵；采用中心共轭对称的DFT矩阵将接收数据转换到波束空间，同时将复值数据协方差矩阵实值化；在低维波束空间中构造实值信号子空间的旋转不变关系，得到目标的DOA估计。

【技术特征摘要】
1.一种低复杂度单基地MIMO雷达非圆信号角度估计方法，其特征在于，所述低复杂度单基地MIMO雷达非圆信号角度估计方法包括利用降维变换将接收数据降至低维空间，再利用发射信号的非圆特性，构造扩展孔径的接收数据矩阵；采用中心共轭对称的DFT矩阵将接收数据转换到波束空间，同时将复值数据协方差矩阵实值化；在低维波束空间中构造实值信号子空间的旋转不变关系，得到目标的DOA估计。2.如权利要求1所述的低复杂度单基地MIMO雷达非圆信号角度估计方法，其特征在于，所述低复杂度单基地MIMO雷达非圆信号角度估计方法包括以下步骤：步骤一，MIMO雷达发射阵列发射相互正交的脉冲编码信号，在接收端对接收数据进行匹配滤波，并对滤波后的接收数据进行重排，搜集L个快拍，得到接收数据矩阵X；步骤二，选取降维变换矩阵U，将其左乘接收数据矩阵X，得到降维后的数据矩阵：Y＝UX；步骤三，利用信号的非圆特性，构造新的接收数据矩阵，获得虚拟孔径扩展的接收数据矩阵步骤四，对扩展接收数据进行前后向平均，得到中心共轭对称数据矩阵Z；步骤五，计算数据矩阵Z的自相关矩阵Rz，对其进行特征值分解，估计得到信号子空间Us；步骤六，构造共轭中心对称的DFT矩阵作为波束形成权矩阵；步骤七，利用波束变换矩阵对Rz进行波束空间实值变换，计算波束空间变换后的实值信号子空间Es；步骤八，计算新的实值信号子空间利用最小二乘法或总体最小二乘法求解旋转不变方程计算得到实值矩阵Ψ；步骤九，对Ψ进行特征值分解，得到P个特征值，计算目标的DOA估计值。3.如权利要求2所述的低复杂度单基地MIMO雷达非圆信号角度估计方法，其特征在于，所述步骤一中接收阵列输出为：其中，为发射阵列导向矢量，θ1,θ2,…,θP为P个目标的波达方向，M为发射阵元数；为接收阵列导向矢量，N为接收阵元数；表示Kronecker积；s(t)＝[s1(t),s2(t),…,sP(t)]T，且对于非圆信号有sp(t)＝sp*(t)；噪声向量n(t)∈CMN×1为均值为零，方差为σ2的复高斯白噪声向量；假设接收信号在L个快拍下恒定，则由L个快拍数据[x(t1),x(t2),…,x(tL)]组成的接收数据矩阵表示为：X＝AS+N；其中，为发射-接收联合导向矩阵，S＝[s(t1),s(t2),…,s(tL)]T，N＝[n(t1),n(t2),…,n(tL)]T。4.如权利要求2所述的低...

【专利技术属性】
技术研发人员：徐丽琴，何晓川，张霞，
申请(专利权)人：西安邮电大学，西安电子科技大学，
类型：发明
国别省市：陕西,61