一种基于贝叶斯学习的OTFS雷达目标参数估计方法技术

本发明专利技术公开了一种基于贝叶斯学习的OTFS雷达目标参数估计方法，包括以下步骤，获取时延‑多普勒域下接收符号的矩阵Y；对矩阵Y按行展开，得到其列矢量形式y；根据先验信息计算出有效时延单元M

【技术实现步骤摘要】
一种基于贝叶斯学习的OTFS雷达目标参数估计方法
本专利技术涉及数字信号处理的
，尤其涉及一种基于贝叶斯学习的OTFS雷达目标参数估计方法。
技术介绍
为了提升自动驾驶汽车在复杂环境下的定位精度和安全性能，需要在汽车上集成雷达感知和无线通信两者的功能，即雷达通信一体化系统。雷达通信一体化系统能够解决当前频谱资源短缺的问题，而且由于该一体化系统仅需要一套硬件设备，故整个系统的尺寸会大大减小，价格也会有所降低。近年来，雷达通信一体化系统设计引起了广泛关注。总体上讲，现有的一体化设计方案主要分为两大类。第一类主要采取资源共享策略，将时间、频率或者空间资源分别分配给雷达或者通信模块使用。由于该类方法不能充分利用现有的资源，故雷达和通信性能不能同时达到最优。另一类主要是设计一体化波形，即雷达和通信系统共用一种波形。该类方法不需要妥协雷达和通信性能，因此大多数文献都是从这个角度设计雷达通信一体化方案。由于OFDM调制具有频谱效率高和克服符号间干扰等特点，故而经常用在数字通信中。而且作为车载雷达波形，与线性调频连续波信号相比，OFDM调制信号不存在距离-多普勒耦合问题。因此，现有的很多文献中都是把OFDM调制信号作为雷达通信一体化系统的共用波形。然而，OFDM调制信号本身对多普勒频移比较敏感，因此在快时变的信道中，一体化系统的通信性能会严重恶化。为了解决上述OFDM调制中存在的问题，有文献提出了一种新型的二维调制技术，即正交时频空(Orthogonaltimefrequencyspace,OTFS)调制。很多学者从通信的角度，设计了许多基于OTFS调制的低复杂度符号检测算法，并且仿真验证了其较优的误码率性能。但是，在基于OTFS调制的雷达目标检测和参数估计方面，相应的研究成果还很少，目前主要有两种方法。一种是利用最大似然估计的思想，逐个搜索目标所有可能的距离、速度组合，并找出使某个代价函数值最小的那个组合，该方法不仅复杂度极高，而且只适用于单目标情况。另一种是利用匹配滤波的方法，将目标参数估计转化为矢量估计问题，并对接收信号矢量乘上已知的矩阵，来抵消发射的通信符号对参数估计的影响。该方法虽然能够同时估计出多个目标，但复杂度仍然较高，尤其是当OTFS调制的子载波数和符号数较大时，其计算复杂度也较大。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种基于贝叶斯学习的OTFS雷达目标参数估计方法，该专利技术能够降低雷达目标参数估计的复杂度。技术方案：为了实现上述专利技术目的，本专利技术提供了一种基于贝叶斯学习的OTFS雷达目标参数估计方法，包括以下步骤，步骤1：获取时延-多普勒域下接收符号的矩阵Y；步骤2：对矩阵Y按行展开，得到其列矢量形式y；步骤3：根据先验信息计算出有效时延单元Meff和有效多普勒单元Neff，得到简化的估计模型；步骤4：从矢量y中随机选取S行，并计算获取相同行索引下的测量矩阵A；步骤5：利用CPCSBL-GAMP算法得到稀疏雷达信道矢量hest；步骤6：将雷达信道矢量hest重新恢复成矩阵形式Hest，并找出其非零元所在的位置；步骤7：得到目标距离和相对速度的估计值。进一步的，在本专利技术中：所述矩阵Y的获取还包括，步骤1-1：建立时延-多普勒域下的离散雷达信道模型H(τ,ν)：其中，M和N分别表示时延-多普勒域平面中的时延单元数和多普勒单元数，τ和ν分别表示往返时延和多普勒频移，Δf为子载波频率间隔，T为一个符号的时间，H[k′,l′]表示在多普勒抽头为k′、时延抽头为l′的目标复增益，若该位置没有目标则H[k′,l′]的值为0，δ(·)为狄利克雷函数；步骤1-2：在时延-多普勒域下，OFDM调制系统的发射符号X[k,l]和接收符号Y[k,l]可以表示为：其中，<·>N和<·>M分别表示模N和模M运算，k和l分别表示时延-多普勒域平面中接收符号Y[k,l]的行、列索引，l′和k′分别表示目标时延抽头长度和多普勒频移抽头长度，w[k,l]为时延-多普勒域下方差为σ2的复高斯白噪声，相位偏移因子αk,l[k′,l′]的表达式为：其中，L表示循环前缀的长度。进一步的，在本专利技术中：所述列矢量形式y为：其中，h为雷达信达矢量，其第k′M+l′个元素为h[k′,l′]，y为接收符号矢量，是接收符号矩阵Y[k,l]按行展开所得，w为噪声矢量，矩阵的第(p,q)个元素为：进一步的，在本专利技术中：所述先验信息包括实际目标的最大距离Rmax和最大相对速度Vmax，在此条件下对应的有效时延单元Meff和有效多普勒单元Neff分别为：其中，表示向上取整，c0为光速，B为调制信号的带宽，fc为载波的中心频率。进一步的，在本专利技术中：所述测量矩阵A的获取包括，随机选取接收符号矢量y的S行，得到一个低维度的观测向量根据矢量选取的行索引，计算11出相应的矩阵并将得到的结果记为测量矩阵A，则基于压缩感知的信号估计模型为：其中，为该压缩感知信号估计模型下的噪声矢量，在观测向量和测量矩阵A为已知的情况下，通过所述信号估计模型能够估计出稀疏矢量hest。进一步的，在本专利技术中：所述目标距离和相对速度分别为：其中，Rest为目标距离，Vest为相对速度。有益效果：本专利技术与现有技术相比，其有益效果是：本专利技术提出的方法利用了复模式耦合稀疏贝叶斯学习算法，并结合广义近似消息传递算法，可以大大降低计算复杂度，提高算法的恢复性能，具有良好的鲁棒性。附图说明图1为本专利技术提出的基于贝叶斯学习的OTFS雷达目标参数估计方法的整体流程示意图；图2为本专利技术中基于OTFS调制的雷达系统结构框图；图3为基于本专利技术所述方法与传统匹配滤波方案下估计目标距离轮廓图的对比示意图；图4为基于本专利技术所述方法与传统匹配滤波方案下估计目标相对速度轮廓图的对比示意图；图5为本在不同信噪比及不同速度下本专利技术所述方法与传统匹配滤波方案的峰值副瓣比示意图。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：本专利技术可以用许多不同的形式实现，而不应当认为限于这里所述的实施例。相反，提供这些实施例以便使本公开透彻且完整，并且将向本领域技术人员充分表达本专利技术的范围。如图1所示，为本专利技术提出的一种基于贝叶斯学习的OTFS雷达目标参数估计方法的整体流程示意图，该方法具体包括以下步骤，步骤1：获取时延-多普勒域下接收符号的矩阵Y；具体的，在OFDM调制系统中，所有传输的信息符号都分布在时间-频率平面Λ＝{(nT,mΔf),n＝0,…,N-1,m＝0,…,M-1}，其中N和M分别表示一帧信号内的OFDM符号数和子载波数，T为一个OFDM符号的持续时间，Δf为相邻子载波之间的频率间隔，且Δ本文档来自技高网...

【技术保护点】
1.一种基于贝叶斯学习的OTFS雷达目标参数估计方法，其特征在于：包括以下步骤，/n步骤1：获取时延-多普勒域下接收符号的矩阵Y；/n步骤2：对矩阵Y按行展开，得到其列矢量形式y；/n步骤3：根据先验信息计算出有效时延单元M

【技术特征摘要】
1.一种基于贝叶斯学习的OTFS雷达目标参数估计方法，其特征在于：包括以下步骤，
步骤1：获取时延-多普勒域下接收符号的矩阵Y；
步骤2：对矩阵Y按行展开，得到其列矢量形式y；
步骤3：根据先验信息计算出有效时延单元Meff和有效多普勒单元Neff，得到简化的估计模型；
步骤4：从矢量y中随机选取S行，并计算获取相同行索引下的测量矩阵A；
步骤5：利用CPCSBL-GAMP算法得到稀疏雷达信道矢量hest；
步骤6：将雷达信道矢量hest重新恢复成矩阵形式Hest，并找出矩阵Hest[k′,l′]非零元的位置(k′est,l′est)；
步骤7：得到目标距离和相对速度的估计值。


2.如权利要求1所述的基于贝叶斯学习的OTFS雷达目标参数估计方法，其特征在于：所述矩阵Y的获取还包括，
步骤1-1：建立时延-多普勒域下的离散雷达信道模型H(τ,ν)：



其中，M和N分别表示时延-多普勒域平面中的时延单元数和多普勒单元数，τ和ν分别表示往返时延和多普勒频移，Δf为子载波频率间隔，T为一个符号的时间，H[k′,l′]表示在多普勒抽头为k′、时延抽头为l′的目标复增益，若该位置没有目标则H[k′,l′]的值为0，τ(·)为狄利克雷函数；
步骤1-2：在时延-多普勒域下，OFDM调制系统的发射符号X[k,l]和接收符号Y[k,l]可以表示为：



其中，<·>N和<·>M分别表示模N和模M运算，k和l分别表示时延-多普勒域平面中接收符号Y[k,l]的行、列索引，l′和k′分别表示目标时延抽头长度和多普勒频移抽头长度，w[k,l]为时延-多普勒域下方差为σ2的...

【专利技术属性】
技术研发人员：刘升恒，黄永明，刘晨文，巩智含，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32