【技术实现步骤摘要】
MIMO雷达稀布阵列优化方法
[0001]本专利技术属于雷达信号处理
,具体涉及一种MIMO雷达稀布阵列优化方法。
技术介绍
[0002]雷达通常和国防、军事领域的应用有关,然而近年来,除了国防和空中交通管制,雷达开始在许多其他重要的领域备受关注,得益于CMOS技术和AiP(片内封装天线)技术的发展,高集成度、小型化的毫米波雷达芯片应运而生,并开始广泛应用于越来越丰富的应用场景,例如新兴的雷达应用包括汽车雷达(自动驾驶),智能感知雷达(手势识别、姿态识别、室内定位、监测人们在家里的活动状态),和健康保健领域的雷达(评估生命体征,如呼吸和心跳)等等。
[0003]相关技术中,毫米波雷达传感器对环境的感知能力,即在大视场、多目标场景中还需提高角度分辨率和测角精度,由于角度分辨率不够,毫米雷达可能无法区分远处间隔较近的多目标,也无法得到目标的具体轮廓和形状等细节信息;例如,汽车雷达无法区分远处到底有多少辆车,是大货车还是小汽车,也无法区分室内紧靠的两个人,以及人体的躯干和四肢,对后续的动作分类识别造成阻碍。
[0004]因此,亟需提高毫米波雷达在大视角下的角度分辨率和精度。
技术实现思路
[0005]为了解决现有技术中存在的上述问题,本专利技术提供了一种MIMO雷达稀布阵列优化方法。本专利技术要解决的技术问题通过以下技术方案实现:
[0006]第一方面,本申请提供一种MIMO雷达稀布阵列优化方法,包括:
[0007]构建阵元参考系,阵元参考系包括阵列,阵列包括多个阵元, ...
【技术保护点】
【技术特征摘要】
1.一种MIMO雷达稀布阵列优化方法,其特征在于,包括:构建阵元参考系,所述阵元参考系包括阵列,所述阵列包括多个阵元,所述阵元包括发射阵元和接收阵元;基于所述阵元,得到阵列导向矢量;基于所述阵列导向矢量,获取阵列模糊函数;引入辅助变量,将多变量的所述阵列模糊函数退化为单变量的阵列方向图函数;基于所述阵列方向图函数,构建第一优化模型,所述第一优化模型用于优化所述阵列方向图函数的峰值旁瓣电平;多次采用启发式算法求解所述第一优化模型,获得所述阵元位置的多个初始解;将所述阵元位置的初始解作为输入,采用数值优化算法求解所述第一优化模型,获得第一阵元位置;采用数值计算方法搜索所述阵列方向图函数的主瓣单调递减区间内的任一函数值对应的辅助变量,并基于该辅助变量构建第二优化模型,所述第二优化模型用于优化所述阵列方向图函数的主瓣宽度;将所述第一阵元位置作为输入,采用数值优化算法求解所述第二优化模型,获得第二阵元位置;根据启发式算法获得的阵元位置的多个初始解,获取多个所述第二阵元位置,从多个所述第二阵元位置中选取最优,即获取最优的所述阵元位置;其中,所述阵元位置包括发射阵元位置和接收阵元位置。2.根据权利要求1所述的MIMO雷达稀布阵列优化方法,其特征在于,所述基于所述阵元,得到阵列导向矢量;基于所述阵列导向矢量,获取阵列模糊函数的具体过程为:获取所述发射阵元的位置t=[t1,
…
,t
M
]
T
,所述发射阵元设置有多个,M为所述发射阵元的数量,T为转置;获取所述接收阵元的位置r=[r1,
…
,r
N
]
T
,所述接收阵元设置有多个,N所述接收阵元的数量;基于所述发射阵元的位置和所述接收阵元的位置,获取所述发射阵元和所述接收阵元的位置向量d=[t
T
,r
T
]
T
;获取发射阵元发射信号角度为的发射导向矢量和所述接收阵元接收信号的角度为的接收导向矢量,分别为:其中,λ0为自由空间波长,j的含义是复数虚部符号,t1……
t
M
为各所述发射阵元的位置,r1……
r
N
为各所述接收阵元的位置;基于所述发射阵元的导向矢量和所述接收阵元的导向矢量,获取所述阵列导向矢量,所述阵列导向矢量为:
其中,
⊙
为哈达玛积,为每个所述发射阵元和每个所述接收阵元对应的归一化辐射增益;基于所述阵列导向矢量构建的所述阵列模糊函数为:其中,所述阵列模糊函数是所述阵列对任意两个来波方向的所述阵列导向矢量的夹角余弦函数的绝对值,和分别为两个来波方向,H的含义是共轭转置。3.根据权利要求1所述的MIMO雷达稀布阵列优化方法,其特征在于,所述引入辅助变量,将多变量的所述阵列模糊函数退化为单变量的阵列方向图函数的具体过程为:引入所述辅助变量u=sinθ;获取来波方向为的辅助变量u
i
,获取来波方向为的辅助变量u
k
;将所述阵列模糊函数转换为与辅助变量u
i
和辅助变量u
k
相关的函数,即:其中,i和k分别为两个来波方向,m为第m个所述发射阵元,n为第n个所述接收阵元,e为指数函数,j为复数虚部;设定雷达的不模糊视场为θ,且θ∈[
‑
θ
a
,θ
a
],则辅助变量u∈[
‑
u
a
,u
a
],其中,u
a
=sinθ
a
;基于雷达的不模糊视线的范围,得到辅助变量u
i
∈[
‑
u
a
,u
a
],辅助变量u
k
∈[
‑
u
a
,u
a
];基于辅助变量u
i
和辅助变量u
k
的范围,优化所述阵列模糊函数的所述峰值旁瓣电平和主瓣宽度;基于所述阵列模糊函数的对称特征,等价于优化辅助变量u
i
∈[
‑
u
a
,u
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。