基于非正交波形的MIMO雷达DOA估算方法及设备技术

本发明专利技术实施例提供了一种基于非正交波形的MIMO雷达DOA估算方法及设备。其中，所述方法包括：根据接收方向矩阵得到接收信号的互协方差矩阵的估计值，对所述估计值进行特征值分解，得到信号子空间估计值和噪声子空间估计值；根据所述信号子空间估计值，得到DOA的初步估计值，结合所述噪声子空间估计值，获取所述DOA的精确估计值；其中，DOA为MIMO雷达的波达角。本发明专利技术实施例提供的基于非正交波形的MIMO雷达DOA估算方法及设备，可以以较少的计算量获得MIMO雷达的波达角DOA。

【技术实现步骤摘要】
基于非正交波形的MIMO雷达DOA估算方法及设备
本专利技术实施例涉及雷达信号处理
，尤其涉及一种基于非正交波形的MIMO雷达DOA估算方法及设备。
技术介绍
多输入多输出MIMO(Multiple-inputMultiple-output)雷达是未来通信、探测等领域的核心技术之一，也是近年来研究的热点技术之一。在雷达探测领域，MIMO雷达将是最具前景的下一代雷达系统。与现有相控阵雷达系统不同，MIMO雷达采用多发多收的信号处理模式，利用分集增益大大改善目标探测性能。相比传统相控阵雷达系统，MIMO雷达在分辨率、抗衰落性、可辨识性以及抑制噪声等方面具有潜在的优势。MIMO雷达中的角度估计算法有Capon和多重信号分类(MUSIC)算法，借助旋转不变技术估计信号参数算法，传播因子，平行因子分解以及联合对角化方法等等。但是现有绝大多数算法均是在正交发射波形的假设下开发的，这些算法在雷达发射非正交波形时性能会下降甚至严重失效。针对非正交发射波形的应用背景，现有技术主要依赖于波形相关矩阵的精确知识。而波形相关矩阵可能无法精确获得。其他方法不需要波形相关矩阵的精确知识，将角度估计问题转换成一个无噪声协方差矩阵的低秩矩阵补全问题，再利用ESPRIT-Like算法进行DOA估计。但是却存在计算复杂度大，运算速度慢，且其仅适用于接收阵列为均匀线线阵列(ULA)的MIMO雷达。因此，找到一种不需要依赖精确波形，并且运算速度较快的对MIMO雷达(特别是针对单基MIMO雷达)的DOA(directionofarrival，即波达角)估计方法，就成为业界亟待解决的技术问题。
技术实现思路
针对现有技术存在的上述问题，本专利技术实施例提供了一种基于非正交波形的MIMO雷达DOA估算方法及设备。第一方面，本专利技术的实施例提供了一种基于非正交波形的MIMO雷达DOA估算方法，包括：根据接收方向矩阵得到接收信号的互协方差矩阵的估计值，对所述估计值进行特征值分解，得到信号子空间估计值和噪声子空间估计值；根据所述信号子空间估计值，得到DOA的初步估计值，结合所述噪声子空间估计值，获取所述DOA的精确估计值；其中，DOA为MIMO雷达的波达角。进一步地，所述根据接收方向矩阵得到接收信号的互协方差矩阵的估计值，包括：其中，Ar1和Ar2为接收方向矩阵；ar1和ar2为接收导引矢量；θK为第K个目标的DOA；At为发射方向矩阵；τ为脉冲指数；b为目标特性矢量；v1和v2为匹配滤波结果所对应的阵列噪声；为接收信号的互协方差矩阵的估计值；C为波形相关矩阵；L为接收信号样本数。进一步地，所述对所述估计值进行特征值分解，得到信号子空间估计值和噪声子空间估计值，相应地，所述信号子空间估计值，包括：其中，Ar1为接收方向矩阵；At为发射方向矩阵；T为非奇异矩阵；Es为信号子空间估计值。进一步地，所述根据所述信号子空间，得到DOA的初步估计值，包括：对Ψ进行特征值分解，得到：其中，JN1和JN2为选择性矩阵；IM为M行M列的单位矩阵；为DOA的初步估计值；为Ψ的第k个特征值；为的相角。进一步地，所述结合所述噪声子空间，获取所述DOA的精确估计值，包括：e1＝[1,0,...,0]T其中，为DOA的精确估计值；Δθ为DOA的初步估计值的误差范围；I为单位矩阵；En为噪声子空间估计值；θ为确定DOA的精确估计值的全局角度搜索范围；K为目标的个数。第二方面，本专利技术的实施例提供了一种基于非正交波形的MIMO雷达DOA估算装置，包括：信号与噪声子空间获取模块，用于根据接收方向矩阵得到接收信号的互协方差矩阵的估计值，对所述估计值进行特征值分解，得到信号子空间估计值和噪声子空间估计值；DOA精确估计值获取模块，用于根据所述信号子空间估计值，得到DOA的初步估计值，结合所述噪声子空间估计值，获取所述DOA的精确估计值；其中，DOA为MIMO雷达的波达角。第三方面，本专利技术的实施例提供了一种电子设备，包括：至少一个处理器；以及与处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于非正交波形的MIMO雷达DOA估算方法。第四方面，本专利技术的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的基于非正交波形的MIMO雷达DOA估算方法。本专利技术实施例提供的基于非正交波形的MIMO雷达DOA估算方法及设备，通过建立信号模型，并对信号进行空域色噪声抑制得到信号的互协方差矩阵的估计值，最后采用改进的降维MUSIC算法对MIMO雷达的DOA进行初步估计和精确估计，可以在对信号仅仅进行估计的前提下，以较少的计算量获得MIMO雷达的波达角DOA。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的基于非正交波形的MIMO雷达DOA估算方法流程图；图2为本专利技术实施例提供的三种算法DOA估计值对比效果示意图；图3为本专利技术实施例提供的三种算法估计DOA均方根误差效果示意图；图4为本专利技术实施例提供的基于阵元数目的三种算法估计DOA时长效果示意图；图5为本专利技术实施例提供的基于非正交波形的MIMO雷达DOA估算装置结构示意图；图6为本专利技术实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。另外，本专利技术提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。本专利技术实施例提供了一种基于非正交波形的MIMO雷达DOA估算方法，参见图1，该方法包括：101、根据接收方向矩阵得到接收信号的互协方差矩阵的估计值，对所述估计值进行特征值分解，得到信号子空间估计值和噪声子空间估计值；102、根据所述信号子空间估计值，得到DOA的初步估计值，结合所述噪声子空间估计值，获取所述DOA的精确估计值；其中，DOA为MIMO雷达的波达角。在上述实施例的基础上，本专利技术实施例中提供的基于非正交波形的MIMO雷达DOA估算方法，所述根据接收方向矩阵得到接收信号的互协方差矩阵的估计值，包括：其中，Ar1和Ar2为接收方向矩阵；ar1和ar2为接收导引矢量；θK为第K个目标的DOA；At为发射方向矩阵；τ为脉冲指数；b为目标特性矢量；v1和v2为匹配滤波结果所对应的阵列噪声；为接收信号的互协方差矩阵的估计值；C为波形相本文档来自技高网...

【技术保护点】
1.一种基于非正交波形的MIMO雷达DOA估算方法，其特征在于，包括：根据接收方向矩阵得到接收信号的互协方差矩阵的估计值，对所述估计值进行特征值分解，得到信号子空间估计值和噪声子空间估计值；根据所述信号子空间估计值，得到DOA的初步估计值，结合所述噪声子空间估计值，获取所述DOA的精确估计值；其中，DOA为MIMO雷达的波达角。

【技术特征摘要】
1.一种基于非正交波形的MIMO雷达DOA估算方法，其特征在于，包括：根据接收方向矩阵得到接收信号的互协方差矩阵的估计值，对所述估计值进行特征值分解，得到信号子空间估计值和噪声子空间估计值；根据所述信号子空间估计值，得到DOA的初步估计值，结合所述噪声子空间估计值，获取所述DOA的精确估计值；其中，DOA为MIMO雷达的波达角。2.根据权利要求1所述的基于非正交波形的MIMO雷达DOA估算方法，其特征在于，所述根据接收方向矩阵得到接收信号的互协方差矩阵的估计值，包括：其中，Ar1和Ar2为接收方向矩阵；ar1和ar2为接收导引矢量；θK为第K个目标的DOA；At为发射方向矩阵；τ为脉冲指数；b为目标特性矢量；v1和v2为匹配滤波结果所对应的阵列噪声；为接收信号的互协方差矩阵的估计值；C为波形相关矩阵；L为接收的信号样本数。3.根据权利要求2所述的基于非正交波形的MIMO雷达DOA估算方法，其特征在于，所述对所述估计值进行特征值分解，得到信号子空间估计值和噪声子空间估计值，相应地，所述信号子空间估计值，包括：其中，Ar1为接收方向矩阵；At为发射方向矩阵；T为非奇异矩阵；Es为信号子空间估计值。4.根据权利要求3所述的基于非正交波形的MIMO雷达DOA估算方法，其特征在于，所述根据所述信号子空间，得到DOA的初步估计值，包括：对Ψ进行特征值分解，得到：其中，JN1和JN2为选择性矩阵；I...

【专利技术属性】
技术研发人员：李校红，文方青，阮宁君，
申请(专利权)人：长江大学，
类型：发明
国别省市：湖北,42