一种基于平行因子分解的近场极化MIMO雷达参数估计方法技术

本发明专利技术涉及一种基于平行因子分解的近场极化MIMO雷达参数估计方法，通过建立基于交叉偶极子—磁环天线均匀线阵的双基地MIMO雷达的系统模型,发射端由2M+1个交叉偶极子—磁环天线构成的均匀线性发射阵列，接收端由2N+1个交叉偶极子—磁环天线构成的均匀线性接收阵列，发射阵元间距和接收阵元间距分别用dt和dr表示；对K个不相关的近场窄带完全极化目标进行定位，第k个目标的二维发射角和二维接收角分别用θ

【技术实现步骤摘要】
一种基于平行因子分解的近场极化MIMO雷达参数估计方法


[0001]本专利技术涉及雷达信号处理
，尤其是涉及一种基于平行因子分解的近场极化MIMO 雷达参数估计方法。

技术介绍

[0002]MIMO雷达参数估计是当前研究的热点与难点。相比于相控阵雷达，MIMO雷达通过利用相互正交的波形特性可以实现更高的角度分辨率、更大的阵列自由度以及灵活的发射波形设计。近年来，为了实现双基地MIMO雷达中发射角和接收角的联合参数估计，已经有很多优良的算法被提出。尽管目前所提出的各种算法能够实现双基地MIMO雷达在不同背景下的目标参数精确定位，但是所使用的发射阵列和接收阵列均是标量的均匀阵列或非均匀阵列，并且目标源大都是远场源。相比于标量阵列，极化阵列不仅能够提供目标的角度信息，同时能够提供目标的极化信息。因此，极化阵列具有较高的目标分辨率和参数估计等能力。此外，当目标位于MIMO雷达的辐射近场区时，由于信号波前表达式的非线性，若直接应用远场源测向算法，将会产生由模型不匹配带来的巨大估计偏差。在近场场景下，目前还没有提出利用极化信息的MIMO雷达多维参数估计算法。

技术实现思路

[0003]本专利技术所要解决的技术问题是提供一种在交叉偶极子—磁环天线均匀线性阵列的前提下，能够精确地计算得到二维发射角、二维接收角、二维发射极化角、二维接收极化角以及目标位置坐标的基于平行因子分解的近场极化MIMO雷达参数估计方法。
[0004]本专利技术所采用的技术方案是，一种基于平行因子分解的近场极化MIMO雷达参数估计方法，该方法包括下列步骤：
[0005]S1、建立一个基于交叉偶极子—磁环天线均匀线阵的双基地MIMO雷达的系统模型,所述系统模型中，发射端由2M+1个交叉偶极子—磁环天线构成的均匀线性发射阵列，接收端由 2N+1个交叉偶极子—磁环天线构成的均匀线性接收阵列，发射阵元间距和接收阵元间距分别用dt和dr表示，并且满足dt≤λ/2,dr≤λ/2,其中λ为电磁波波长；
[0006]S2、对K个不相关的近场窄带完全极化目标进行定位，第k个目标的二维发射角和二维接收角分别用θ
tk
和θ
rk
表示，其中k＝1,2,...K；
[0007]S3、在第l个快拍期间内，获取接收阵列接收到的数据，其表示为：
[0008]X
l
＝A
r
(θ
rk
,ρ
rk
,r
rk
,η
rk
)diag{b
(l)
}A
tT
(θ
tk
,ρ
tk
,r
tk
,η
tk
)S+Z
(l)
，其中，A
r
(θ
rk
,ρ
rk
,r
rk
,η
rk
)为K个
[0009]接收阵列的导向矢量，A
t
(θ
tk
,ρ
tk
,r
tk
,η
tk
)为K个发射阵列的导向矢量，S为发射波形矩阵；b
(l)
为散射系数，Z
(l)
为噪声矩阵，ρ
rk
为接收阵列到目标的距离，r
rk
为第k个目标的二维接收极化角，η
rk
为第k个目标二维接收相位差，θ
rk
为第k个目标的二维接收角，θ
tk
为第k个目标的二维发射角，ρ
tk
为发射阵列到目标的距离，r
tk
为第k个目标的二维发射极化角，η
tk
为第k个目标二维发射相位差，其中0≤r
tk
,r
rk
≤π/2，0≤η
tk
,η
rk
≤2π；
[0010]S4、考虑在L次快拍下，获取接收端匹配滤波器的输出信号矩阵，其表示为：
[0011]Y＝(Q
t
⊙
V
t
⊙
Q
r
⊙
V
r
)B+N，其中，Q
t
为发射信号导向矢量；Q
r
为接收信号导向矢量； V
t
为发射阵列的空间响应；V
r
是接收阵列的空间响应；B＝[b
(1)
,
…
,b
(L)
]；N＝[n
(1)
,
…
,n
(L)
]，其中是滤波后的噪声矢量；
[0012]S5、将步骤(4)中的接收端匹配滤波器的输出信号矩阵排列成一个五阶PARAFAC张量分解模型，表示为：再将五阶PARAFAC张量分解模型转换为一个三阶PARAFAC张量分解模型，即：
[0013]S6、根据三阶PARAFAC张量分解模型，采用复平行因子分解算法对A
t
,A
r
和B进行估计，得出A
t
,A
r
和B的估计值，分别记为和
[0014]S7、根据表达式来对进行特征分解，得到特征向量 P
t
＝[o
t1
,o
t2
,
…
,o
tK
]和特征值R
t
＝diag{λ
t1
,λ
t2
,
…
λ
tK
}，其中，Ψ
t
为K
×
K维矩阵，Δ1为尺度模糊矩阵，J
t1
＝[Ι
2M
,0
2M
]，J
t2
＝[0
2M
,I
2M
]，I
2M
为2M
×
2M 的单位矩阵，0
2M
为2M
×
2M的零矩阵，Ι2为2
×
2维单位矩阵，A
t
为发射阵列的导向矢量；
[0015]S8、根据得到的特征向量和特征值得到Π的估计值为其中，round{
·
} 是一个四舍五入的函数，Re{P
t
}表示取P
t
的实部；进一步得到V
t
的估计值为：其中，表示由的第2m
‑
1行到第2m行构成的子阵；根据V
t
的估计值得出第k个目标二维发射相位差：第k个目标的二维发射极化角为：其中，表示的第二行第 k列的元素，表示的第一行第k列的元素；
[0016]S9、根据表达式得出w
tk
的估计值为：根据w
tk
的估计值得到第k个目标的二维发射角为：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于平行因子分解的近场极化MIMO雷达参数估计方法，其特征在于：该方法包括下列步骤：S1、建立一个基于交叉偶极子—磁环天线均匀线阵的双基地MIMO雷达的系统模型,所述系统模型中，发射端由2M+1个交叉偶极子—磁环天线构成的均匀线性发射阵列，接收端由2N+1个交叉偶极子—磁环天线构成的均匀线性接收阵列，发射阵元间距和接收阵元间距分别用dt和dr表示，并且满足dt≤λ/2,dr≤λ/2,其中λ为电磁波波长；S2、对K个不相关的近场窄带完全极化目标进行定位，第k个目标的二维发射角和二维接收角分别用θ
tk
和θ
rk
表示，其中k＝1,2,...K；S3、在第l个快拍期间内，获取接收阵元接收到的数据，其表示为：X
l
＝A
r
(θ
rk
,ρ
rk
,r
rk
,η
rk
)diag{b
(l)
}A
tT
(θ
tk
,ρ
tk
,r
tk
,η
tk
)S+Z
(l)
，其中，A
r
(θ
rk
,ρ
rk
,r
rk
,η
rk
)为K个接收阵列的导向矢量，A
t
(θ
tk
,ρ
tk
,r
tk
,η
tk
)为K个发射阵列的导向矢量，S为发射波形矩阵；b
(l)
为散射系数，Z
(l)
为噪声矩阵，ρ
rk
为接收阵列到目标的距离，r
rk
为第k个目标的二维接收极化角，η
rk
为第k个目标二维接收相位差，θ
rk
为第k个目标的二维接收角，θ
tk
为第k个目标的二维发射角，ρ
tk
为发射阵列到目标的距离，r
tk
为第k个目标的二维发射极化角，η
tk
为第k个目标二维发射相位差，其中0≤r
tk
,r
rk
≤π/2，0≤η
tk
,η
rk
≤2π；S4、在L次快拍下，获取接收端匹配滤波器的输出信号矩阵，其表示为：Y＝(Q
t
⊙
V
t
⊙
Q
r
⊙
V
r
)B+N，其中，Q
t
为发射信号导向矢量；Q
r
为接收信号导向矢量；V
t
为发射阵列的空间响应；V
r
是接收阵列的空间响应；B＝[b
(1)
,
…
,b
(L)
]；N＝[n
(1)
,
…
,n
(L)
]，其中是滤波后的噪声矢量；S5、将步骤(4)中的接收端匹配滤波器的输出信号矩阵排列成一个五阶PARAFAC张量分解模型，表示为：再将五阶PARAFAC张量分解模型转换为一个三阶PARAFAC张量分解模型，即：S6、根据三阶PARAFAC张量分解模型，采用复平行因子分解算法对A
t
,A
r
和B进行估计，得出A
t
,A
r
和B的估计值，分别记为和S7、根据表达式来对进行特征分解，得到特征向量P
t
＝[o
t1
,o
t2
,
…
,o
tK
]和特征值R
t
＝diag{λ
t...

【专利技术属性】
技术研发人员：陈华，王威龙，王刚，屈龙，
申请(专利权)人：宁波大学，
类型：发明
国别省市：