一种杂波环境中基于稀疏阵列的MIMO雷达宽带DOA计算方法技术

本发明专利技术公开了一种杂波环境中基于稀疏阵列的MIMO雷达宽带DOA计算方法，属于信号处理领域。具体为WCSAB，在该方法中，用Capon波束形成来抑制杂波干扰，然后联合利用不同窄带信号信息，用CS方法估计目标DOA。考虑到DOA估计性能不仅与波束形成权重值有关，还与稀疏阵列结构有关，本发明专利技术提出了波束形成权重值和稀疏阵列的联合优化问题，并给出了一种简单的算法求解这一优化问题。本发明专利技术提出的方法可以提高杂波环境中目标DOA估计的性能，包括高分辨率和低旁瓣，稀疏阵列降低了系统成本和复杂性，以目标DOA估计的贝叶斯均方误差(BMSE)为性能评价指标，通过上述算法设计的稀疏阵列结构与穷举法得到的最优稀疏阵列性能相近，且比嵌套阵和互质阵性能更优。

A wide band DOA calculation method of MIMO Radar Based on sparse array in clutter environment

【技术实现步骤摘要】
一种杂波环境中基于稀疏阵列的MIMO雷达宽带DOA计算方法
本专利技术属于信号处理领域，它特别涉及杂波环境中基于稀疏阵列的MIMO雷达宽带DOA估计问题。
技术介绍
MIMO(MultipleInputMultipleOutput)雷达是利用多个发射天线同步地发射信号，同时使用多个接收天线接收回波信号，并集中处理的一种新型雷达系统。相比于传统的相控阵雷达，MIMO雷达具有明显优势，如更高的分辨率，更好的目标检测、定位和跟踪性能，更好的目标参数估计和识别能力。DOA估计研究是阵列信号处理中的一项重要内容，其应用涉及雷达、通信、声呐、射电天文、勘测、地震以及生物医学等领域。目前已有多种经典的DOA估计方法，如多信号分类(MultipleSignalClassification,MUSIC)，基于旋转不变技术的信号参数估计(EstimationofSignalParametersviaRotationalinvariancetechniques,ESPRIT)等。近年来，压缩感知(CompressiveSensing,CS)理论得到了国内外学者的广泛关注，相对于传统的方法，基于CS的MIMO雷达DOA估计在较少采样数据和低信噪比条件下拥有更好的估计性能。根据传统的阵列信号处理理论，为了保证DOA估计的唯一性，阵列中相邻阵元间距要小于或等于入射信号半波长，满足这一条件的阵列称为满阵。阵列的空间分辨率与阵列孔径有关，提高分辨率需要增大阵列孔径，在满阵中，这意味着需要更多的天线。然而，由于实际中软硬件资源的约束，天线的数目通常是受限的。为了增大阵列孔径，同时不增加天线个数，稀疏阵列引起了广泛的关注。当目标在观测空间是稀疏时，稀疏阵列能够准确的估计出目标DOA。然而，在杂波环境中，目标在观测空间的稀疏性会遭到破坏，从而导致DOA估计性能下降。考虑到宽带信号具有信息量大、抗干扰能力强、分辨率高等优点，比较有代表性的宽带DOA估计方法有非相干信号子空间(ISSM)和相干信号子空间(CSSM)等。ISSM将宽带信号分成频带上的多个窄带信号，然后分别对每个窄带信号进行处理，最后对所有窄带信号处理的结果求平均得到最终的估计结果，这种方法计算量大，且在低信噪比时估计性能差。CSSM是通过聚焦将不同频率窄带信号的协方差矩阵变换到一个参考频率，然后再用窄带估计方法得到最终结果。但是CSSM需要对目标DOA预估，且性能受预估精度的影响很大。
技术实现思路
本专利技术提供了一种杂波环境中基于稀疏阵列的MIMO雷达宽带DOA估计方法，具体为WCSAB(widebandcompressivesensingafterbeamforming)，在该方法中，用Capon波束形成来抑制杂波干扰，然后联合利用不同窄带信号信息，用CS方法估计目标DOA。考虑到DOA估计性能不仅与波束形成权重值有关，还与稀疏阵列结构有关，本专利技术提出了波束形成权重值和稀疏阵列的联合优化问题，并给出了一种简单的算法求解这一优化问题。本专利技术技术方案为一种杂波环境中基于稀疏阵列的MIMO雷达宽带DOA计算方法，该方法包括：步骤1：设发射天线位置确定，放置接收天线的可行域为[0,Dr]，为了简化分析，将可行域以间隔Δr离散化为Nr个格点，且有N个接收天线放置在其中一些格点上，N＜＜Nr；步骤2：建立MIMO雷达回波信号模型，得到回波信号时域采样数据n＝1,...,Nr和p＝1,...,L，其中p表示时域快拍，L为快拍数；步骤3：对接收信号进行L点离散傅里叶变换得到频域数据，即并将Nr个格点的数据表示成矢量形式，即y[l]＝[y1[l],...,yNr[l]]T，其中p＝1,...,L，l＝1,...,L；步骤4：将目标角度观测区域离散化为G个格点θ1,...,θG，K＜＜G，其中K表示目标个数，将信号模型表示成稀疏形式：y[l]＝Φ[l]x+c[l]+u[l]其中这里ar(θ,fl)表示接收导向矢量，at(θ,fl)表示发射导向矢量，s[l]表示频域发射信号，x＝[x1,...,xG]T是K稀疏的，也就是x只有K个非零元素，且非零元素的值和位置为目标反射系数和DOA，c[l]表示杂波，u[l]表示噪声；步骤5：将波束形成权重矢量wg,l作用到y[l]上得到波束形成输出结果：将rg,l(g＝1,...,G，l＝1,...,L)表示成矢量：r＝[r1,1,...,rG,1,...,r1,L,...,rG,L]T＝WrΦx+Wrc+Wru其中权值矩阵Wr＝Diag{W1,...,Wl,...,WL}是一个块对角矩阵；且有Φ＝[ΦT[1],...,ΦT[L]]T，c＝[cT[1],...,cT[L]]T表示杂波，u＝[uT[1],...,uT[L]]T表示噪声；步骤6：基于CS理论，通过基寻踪去燥来重构稀疏向量x；其中η≥0是正则化参数；步骤7：对步骤6得到的解中的元素值按照从大到小排序，排序后各个元素相应的格点表示为{θ(1),...,θ(G)}，那么DOA估计结果可以表示为；步骤8：基于最小化贝叶斯均方误差求解最优Wr，建立以下优化问题s.t.Wr＝Diag{W1,...,WL}||W||0＝NW＝[w1,1,...,w1,L,...,wG,1,...,wG,L]其中，真实目标的DOA矢量θT是随机的，表示对θT求期望，表示θT确定时，DOA估计的均方误差，wg,l表示权重矢量，其中g＝1,...,G，l＝1,...,L；步骤9：优化求解步骤8提出的问题，得到最优的Wr。进一步的，所述步骤9的具体方法为：步骤1：初始化：迭代次数j＝1，根据公式计算波束形成权重值其中Rc(fl)为杂波c[l]的协方差矩阵；在每次迭代过程中，随机产生一组格点选择矢量{z1,...,zα}，对于给定的z；步骤2：重复步骤3到步骤6的迭代过程：步骤3：随机产生一组格点选择矢量{z1,...,zα}；步骤4：根据公式wg,l＝z⊙ξg,l计算并构成根据公式计算rg,l，将rg,l表示成矢量r；将和r代入公式得到x重构结果和目标DOA估计结果根据公式得到BMSE步骤5：基于最小BMSE得到步骤6：根据基于更新中相应的权重值得到并令j＝j+1；其中为Dc[l]的协方差矩阵，步骤7：当时，迭代停止，输出最优天线选择e0为事先设定的阈值。本专利技术提出的方法可以提高杂波环境中目标DOA估计的性能，包括高分辨率和低旁瓣，稀疏阵列降低了系统成本和复杂性，以目标DOA估计的贝叶斯均方误差(BMSE)为性能评价指标，通过上述算法设计的稀疏阵列结构与穷举法得到的最优稀疏阵列性能相近，且比嵌套阵和互质阵性能更优。附图说明图1给出了所有可能稀疏阵列结构下的BMSE以升序排列的结果，为了对比，图1也给出了嵌套阵(nested本文档来自技高网...

【技术保护点】
1.一种杂波环境中基于稀疏阵列的MIMO雷达宽带DOA计算方法，该方法包括：/n步骤1：设发射天线位置确定，放置接收天线的可行域为[0,D

【技术特征摘要】
1.一种杂波环境中基于稀疏阵列的MIMO雷达宽带DOA计算方法，该方法包括：
步骤1：设发射天线位置确定，放置接收天线的可行域为[0,Dr]，为了简化分析，将可行域以间隔Δr离散化为Nr个格点，且有N个接收天线放置在其中一些格点上，N＜＜Nr；
步骤2：建立MIMO雷达回波信号模型，得到回波信号时域采样数据n＝1,...,Nr和p＝1,...,L，其中p表示时域快拍，L为快拍数；
步骤3：对接收信号进行L点离散傅里叶变换得到频域数据，即
并将Nr个格点的数据表示成矢量形式，即其中p＝1,...,L，l＝1,...,L；
步骤4：将目标角度观测区域离散化为G个格点θ1,...,θG，K＜＜G，其中K表示目标个数，将信号模型表示成稀疏形式：
y[l]＝Φ[l]x+c[l]+u[l]
其中这里ar(θ,fl)表示接收导向矢量，at(θ,fl)表示发射导向矢量，s[l]表示频域发射信号，x＝[x1,...,xG]T是K稀疏的，也就是x只有K个非零元素，且非零元素的值和位置为目标反射系数和DOA，c[l]表示杂波，u[l]表示噪声；
步骤5：将波束形成权重矢量wg,l作用到y[l]上得到波束形成输出结果：

将rg,l(g＝1,...,G，l＝1,...,L)表示成矢量：
r＝[r1,1,...,rG,1,...,r1,L,...,rG,L]T
＝WrΦx+Wrc+Wru
其中权值矩阵Wr＝Diag{W1,...,Wl,...,WL}是一个块对角矩阵；
且有Φ＝[ΦT[1],...,ΦT[L]]T，c＝[cT[1],...,cT[L]]T表示杂波，u＝[uT[1],...,uT[L]]T表示噪声；
步骤6：基于CS理论，通过基寻踪去燥来重构稀疏向量x；

<...

【专利技术属性】
技术研发人员：何茜，任刚强，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51