分布式MIMO雷达系统多目标位置估计的资源联合优化方法技术方案

本发明专利技术涉及一种分布式MIMO雷达系统多目标位置估计的资源联合优化方法，包含：指定目标，以最小化多目标位置估计误差的最大值为目标函数；在发射与接收阵元总数有限，发射功率给定的条件下，建立收发阵元选取与功率分配联合的资源优化模型；结合启发式搜索算法和连续参数凸近似算法，提出基于循环最小化的资源联合分配算法对该混合布尔型联合优化问题进行求解，得到资源联合分配的结果。本发明专利技术定量分析系统资源与跟踪能力的数量关系；相比于阵元个数，发射功率对系统性能的影响更加显著，显示系统资源对目标跟踪的精度和个数的影响，能够在降低系统计算量的同时实现更好的系统性能，有效提高多目标整体速度跟踪精度，具有较好的实际应用价值。

【技术实现步骤摘要】
分布式MIMO雷达系统多目标位置估计的资源联合优化方法
本专利技术属于MIMO雷达
，特别涉及一种分布式MIMO雷达系统多目标位置估计的资源联合优化方法。
技术介绍
分布式MIMO雷达采用宽分布的天线布局结构，其空间多通道的特点使其具有强大的目标探测和识别能力，成为雷达领域的研究热点。雷达资源管理问题是军事资源管理的重要组成部分，也是充分发挥MIMO雷达系统优势的关键所在。因此，分布式MIMO雷达的资源优化问题值得研究。雷达系统资源的联合优化有利于获得更好的系统性能，因此，本文从提高分布式MIMO雷达对多目标跟踪的位置估计精度的角度，对雷达资源进行联合优化。对雷达系统结构与发射参数的联合优化问题，现有研究没有考虑对接收阵元的优化。实际上，接收阵元数量对系统计算复杂度有直接影响，同时，现有研究缺乏对系统整体性能的全面定量分析，从而导致研究结果对实际应用的参考价值十分有限。因此，为降低系统处理复杂度和评估系统性能，研究包含接收阵元选取在内的资源联合优化问题，并给出资源与系统的定量分析结果，具有重要的研究价值。
技术实现思路
针对现有技术中的不足，本专利技术提供一种分布式MIMO雷达系统多目标位置估计的资源联合优化方法，充分地调度雷达系统资源，有效提高多目标整体速度跟踪精度。按照本专利技术所提供的设计方案，一种分布式MIMO雷达系统多目标位置估计的资源联合优化方法，包含如下步骤：步骤1、以贝叶斯克拉美罗界作为目标位置估计误差度量准则，并以多目标位置估计误差的最大值作为目标位置估计精度，确定多目标位置估计精度函数；步骤2、根据多目标位置估计精度函数，建立资源联合优化模型；步骤3、设定当前发射阵元子集个数初始值K1；根据资源联合优化模型，采用采用启发式贪婪搜索算法分别对发射阵元、接收阵元进行阵元选取，采用连续参数凸近似SPCA算法进行功率分配，并通过循环最小化算法迭代求解，得到最大发射阵元子集个数为初始值时的最优资源分配结果；步骤4、依据步骤3，及取值区间1≤K1≤min(M,K-1)，遍历K1取值，依据目标定位精度选取定位精度最高的资源分配结果作为分布式MIMO雷达系统资源联合优化结果，其中，M为分布式MIMO雷达系统中发射阵元个数。上述的，步骤1中：以贝叶斯克拉美罗界作为目标位置估计误差的度量准则，得到分布式MIMO雷达系统第k次观测时第q个目标位置估计误差的贝叶斯克拉美罗界以多目标位置估计误差最大值为目标位置估计精度，得到多目标位置估计精度函数为其中，及pk分别代表发射阵元tx的选取向量，接收阵元rx的选取向量，及发射功率；Q为运动目标个数。上述的，步骤2包含如下内容：根据分布式MIMO雷达系统总发射功率Ptotal和总发射阵元个数K的有限约束，依据多目标位置估计精度函数，以最小化目标位置估计误差为目标函数，建立包含发射阵元、接收阵元及发射功率三个优化变量的资源联合优化模型。上述的，资源联合优化模型表示为：其中，pk分别表示分布式MIMO雷达系统当前第k次观测时的发射阵元、接收阵元、发射功率，表示对应的多目标位置估计精度函数，K为当前选取阵元子集大小，N为分布式MIMO雷达系统中接收阵元个数，1为全1列向量。优选的，步骤3包含如下内容：步骤301、设定分布式MIMO雷达系统第k次观测时发射阵元个数K1，发射阵元tx的选取向量发射功率pk＝Ptotal/K1·1，1为全1列向量；步骤302、固定接收阵元rx的选取向量和发射功率pk，采用启发式贪婪搜索算法进行发射阵元选取，求解得到最优发射阵元；步骤303、根据步骤302中得到的最优发射阵元，固定发射阵元tx的选取向量和发射功率pk，采用启发式贪婪搜索算法进行接收阵元选取，求解得到最优接收阵元；步骤304、根据步骤302和303得到的求解结果，固定发射阵元tx的选取向量和接收阵元rx的选取向量采用连续参数凸近似SPCA算法对发射功率进行分配，得到当前最优发射功率；步骤305、根据当前资源分配结果pk，通过循环最小化方法返回步骤301迭代执行，直到多目标位置估计精度函数不再提高，得到资源分配结果为即为最大发射阵元子集为K1时的最优资源分配结果，对应的发射与接收阵元个数为目标位置估计精度为优选的，步骤302中，根据接收阵元选取向量和发射功率pk的取值，采用启发式贪婪搜索算法，进行发射阵元选取，包含如下内容：每次从未选取的发射阵元中选取一个阵元，使该阵元为未选取的发射阵元中定位精度最优的阵元，同时使选取后的目标位置估计精度相比选取前得到提高；如此循环，直到选取的发射阵元个数达到K1或不再优化时，发射阵元选取停止；此时，得到发射阵元选取结果为阵元个数为Ntx。优选的，步骤303中，以步骤302中得到的为发射有效集，令K2＝K-Ntx，采用启发式贪婪搜索算法，进行接收阵元选取，包含如下内容：每次从未选取的接收阵元中选取一个阵元，使该阵元为未选取的接收阵元中定位精度最优的阵元，同时使选取后的目标位置估计精度相比选取前得到提高；如此循环，直到选取的接收阵元个数达到K2或不再优化时停止；此时，得到接收阵元选取结果为阵元个数为Nrx。优选的，步骤304中，根据步骤302和步骤303得到的和采用连续参数凸近似SPCA算法对发射功率进行分配，得到当前最优发射功率，包含如下内容：当发射与接收阵元选取向量分别为和时，得到以发射功率pk为优化变量的资源优化模型；将当前迭代的功率分配结果p′(l)，k作为l+1次迭代的线性化起点，循环迭代，直到结果收敛到局部最优解，得到当前状态下的功率分配结果。进一步地，以发射功率pk为优化变量的资源优化模型表示为：其中，λ为信号波长，为功率谱密度，和分别表示分解的正定矩阵和非正定矩阵，为与雷达和目标位置关系相关参数，表示以p′(l),k为线性化起点凹函数在p′(l),k处泰勒展开，Q为运动目标个数。上述的，步骤4包含：遍历分布式MIMO雷达系统所有发射阵元子集大小，即根据1≤K1≤min(M,K-1)遍历K1取值，若则得到资源联合分配的最优解本专利技术的有益效果：本专利技术以最小化多目标位置估计误差的最大值为目标函数，在系统发射功率和允许选取的接收阵元个数有限的条件下，建立收发阵元选取与功率分配联合的资源优化模型；然后，结合启发式搜索算法和连续参数凸近似算法，通过基于循环最小化的资源联合分配算法对该混合布尔型联合优化问题进行求解，其中，启发式算法用于阵元选取，连续参数凸近似算法可以进行功率分配，通过循环最小化算法得到资源优化分配结果；能够在降低计算处理复杂度的同时，提高系统资源利用率，并定量分析系统资源与跟踪能力的数量关系；与其它算法相比，对于给定的雷达布阵场景，受系统发射功率的约束，选取的阵元个数达到一定数量时，系统性能不再提高，本专利技术中分布式MIMO雷达系统需要的发射阵元个数要明显少于接收阵元的个数，相比于阵元个数，发射功率对系统性能的影响更加显著，且进一步证明了增加发射功率可以提高目标跟踪精度并增加目标个数，但目标跟踪精度要求与个数之间不是线性关系，当目标跟踪精度要求降低时，跟踪的目标个数急剧增加；本专利技术为雷达系统的设计和应用提供重要的理论支撑和技术参考，能够充分地调度雷达系统资源，有效提高多目标整体速度跟踪精度，具有较好的实际应用价值。附图说明：图1本文档来自技高网...

【技术保护点】
一种分布式MIMO雷达系统多目标位置估计的资源联合优化方法，其特征在于，包含如下步骤：步骤1、以贝叶斯克拉美罗界作为目标位置估计误差度量准则，并以多目标位置估计误差的最大值作为目标位置估计精度，确定多目标位置估计精度函数；步骤2、根据多目标位置估计精度函数，建立资源联合优化模型；步骤3、设定当前发射阵元子集个数初始值K1；根据资源联合优化模型，采用采用启发式贪婪搜索算法分别对发射阵元、接收阵元进行阵元选取，采用连续参数凸近似SPCA算法进行功率分配，并通过循环最小化算法迭代求解，得到最大发射阵元子集个数为初始值时的最优资源分配结果；步骤4、依据步骤3，及取值区间1≤K1≤min(M,K‑1)，遍历K1取值，依据目标定位精度选取定位精度最高的资源分配结果作为分布式MIMO雷达系统资源联合优化结果，其中，M为分布式MIMO雷达系统中发射阵元个数。

【技术特征摘要】
1.一种分布式MIMO雷达系统多目标位置估计的资源联合优化方法，其特征在于，包含如下步骤：步骤1、以贝叶斯克拉美罗界作为目标位置估计误差度量准则，并以多目标位置估计误差的最大值作为目标位置估计精度，确定多目标位置估计精度函数；步骤2、根据多目标位置估计精度函数，建立资源联合优化模型；步骤3、设定当前发射阵元子集个数初始值K1；根据资源联合优化模型，采用采用启发式贪婪搜索算法分别对发射阵元、接收阵元进行阵元选取，采用连续参数凸近似SPCA算法进行功率分配，并通过循环最小化算法迭代求解，得到最大发射阵元子集个数为初始值时的最优资源分配结果；步骤4、依据步骤3，及取值区间1≤K1≤min(M,K-1)，遍历K1取值，依据目标定位精度选取定位精度最高的资源分配结果作为分布式MIMO雷达系统资源联合优化结果，其中，M为分布式MIMO雷达系统中发射阵元个数。2.根据权利要求1所述的分布式MIMO雷达系统多目标位置估计的资源联合优化方法，其特征在于，步骤1中：以贝叶斯克拉美罗界作为目标位置估计误差的度量准则，得到分布式MIMO雷达系统第k次观测时第q个目标位置估计误差的贝叶斯克拉美罗界以多目标位置估计误差最大值为目标位置估计精度，得到多目标位置估计精度函数为其中，及pk分别代表发射阵元tx的选取向量，接收阵元rx的选取向量，及发射功率；Q为运动目标个数。3.根据权利要求2所述的分布式MIMO雷达系统多目标位置估计的资源联合优化方法，其特征在于，步骤2包含如下内容：根据分布式MIMO雷达系统总发射功率Ptotal和总发射阵元个数K的有限约束，依据多目标位置估计精度函数，以最小化目标位置估计误差为目标函数，建立包含发射阵元、接收阵元及发射功率三个优化变量的资源联合优化模型。4.根据权利要求3所述的分布式MIMO雷达系统多目标位置估计的资源联合优化方法，其特征在于，资源联合优化模型表示为：其中，pk分别表示分布式MIMO雷达系统当前第k次观测时的发射阵元、接收阵元、发射功率，表示对应的多目标位置估计精度函数，K为当前选取阵元子集大小，N为分布式MIMO雷达系统中接收阵元个数，1为全1列向量。5.根据权利要求1～4任一项所述的分布式MIMO雷达系统多目标位置估计的资源联合优化方法，其特征在于，步骤3包含如下内容：步骤301、设定分布式MIMO雷达系统第k次观测时发射阵元个数K1，发射阵元tx的选取向量发射功率pk＝Ptotal/K1·1，1为全1列向量；步骤302、固定接收阵元的rx选取向量和发射功率pk，采用启发式贪婪搜索算法进行发射阵元选取，求解得到最优发射阵元；步骤303、根据步骤302中得到的最优发射阵元，固定发射阵元tx的选取向量和发射功率pk，采用启发式贪婪搜索算法进行接收阵元选取，求解得到最优接收阵元；步骤304、根据步骤...

【专利技术属性】
技术研发人员：陈松，宋喜玉，郑娜娥，任修坤，李海文，张靖志，高留洋，
申请(专利权)人：中国人民解放军信息工程大学，
类型：发明
国别省市：河南,41