基于制造技术

本发明专利技术提供一种基于

【技术实现步骤摘要】
基于MIMO雷达的多目标运动参数估计方法及装置


[0001]本专利技术涉及数据处理
，尤其涉及一种基于
MIMO
雷达的多目标运动参数估计方法及装置
。

技术介绍

[0002]随着雷达技术的不断突破，多输入多输出
(Multiple
‑
Input Multiple
‑
Output
，
MIMO)
雷达受到研究者的广泛关注
。
受益于信号的波形
、
频率
、
极化分集和雷达的空间分集等优异特性，
MIMO
雷达近年来在军用
、
民用等方面的研究取得了较大进展
。
[0003]直接估计方法作为一种目标运动参数高精度估计方法，可以在更低的信噪比条件下接近克拉美
‑
罗下界
(Cramer
‑
Rao Lower Bound,CRLB)
，同时，相较于传统的两步估计方法，直接估计方法在实现过程中并不需要进行中间参数的估计，从而在多目标场景下无需进行参数的匹配和关联，由此，直接估计方法在主动和被动估计领域都得到了广泛的应用
。
[0004]然而，现有直接估计方法在多目标场景下对各目标的运动参数进行估计时，计算负荷会随着目标数量的增加而线性增长，从而导致现有直接估计方法在
MIMO
雷达中的实用性受到极大的限制
。

技术实现思路

[0005]本专利技术提供一种基于
MIMO
雷达的多目标运动参数估计方法及装置，用以解决现有技术中多目标场景下计算负荷高的缺陷
。
[0006]本专利技术提供一种基于
MIMO
雷达的多目标运动参数估计方法，包括：
[0007]对
MIMO
雷达系统的各接收阵列所观测到的回波信号进行下变频处理，得到各所述接收阵列对应的基带信号的识别结果；其中，每一个所述接收阵列观测到的所述回波信号均是由多个待测目标反射至所述接收阵列的信号叠加形成的；
[0008]基于各所述接收阵列对应的基带信号的识别结果，分别构建每一个所述接收阵列对应的协方差矩阵；
[0009]对各所述接收阵列对应的协方差矩阵分别进行特征值分解，并基于各所述接收阵列对应的所述特征值分解的结果，分别确定各所述接收阵列对应的噪声子空间；
[0010]基于各所述接收阵列对应的噪声子空间以及阵列响应矩阵，确定各所述待测目标的运动参数的估计结果；其中，所述阵列响应矩阵包括所述接收阵列的阵列响应特征以及所述接收阵列观测到的所述回波信号的信号特征
。
[0011]根据本专利技术提供的基于
MIMO
雷达的多目标运动参数估计方法，所述基于各所述接收阵列对应的基带信号的识别结果，分别构建每一个所述接收阵列对应的协方差矩阵，包括：
[0012]对所述接收阵列对应的基带信号的识别结果进行信号离散化处理，得到所述接收阵列对应的基带信号矢量；其中，所述基带信号矢量包括期望信号矩阵和噪声信号矩阵；
[0013]对所述期望信号矩阵进行子空间扩展，得到期望信号扩展矩阵；
[0014]基于所述期望信号扩展矩阵对所述基带信号矢量进行更新，并基于更新后的所述基带信号矢量构建所述接收阵列对应的协方差矩阵
。
[0015]根据本专利技术提供的基于
MIMO
雷达的多目标运动参数估计方法，所述期望信号矩阵包括导向矢量项
、
多普勒频偏项
、
基带信号项
、
时延项和散射系数项；
[0016]所述对所述期望信号矩阵进行子空间扩展，得到期望信号扩展矩阵，包括：
[0017]基于所述导向矢量项
、
所述多普勒频偏项和所述基带信号项，确定所述期望信号矩阵对应的阵列响应矩阵，以及，基于所述时延项和所述散射系数项，确定所述期望信号矩阵对应的快拍数据矢量；
[0018]基于所述阵列响应矩阵以及所述快拍数据矢量，确定所述期望信号扩展矩阵；其中，所述导向矢量项
、
所述多普勒频偏项和所述时延项均是基于各所述待测目标的运动参数项构建的
。
[0019]根据本专利技术提供的基于
MIMO
雷达的多目标运动参数估计方法，所述接收阵列对应的所述特征值分解的结果包括多个特征值以及各所述特征值对应的特征向量；所述基于各所述接收阵列对应的所述特征值分解的结果，分别确定各所述接收阵列对应的噪声子空间，包括：
[0020]对所述接收阵列对应的各所述特征值进行排序，并根据所述排序的结果，从所述接收阵列对应的各所述特征向量中确定目标向量；
[0021]基于所述目标向量，确定所述接收阵列对应的所述噪声子空间
。
[0022]根据本专利技术提供的基于
MIMO
雷达的多目标运动参数估计方法，所述基于各所述接收阵列对应的噪声子空间以及阵列响应矩阵，确定各所述待测目标的运动参数的估计结果，包括：
[0023]基于各所述接收阵列对应的所述阵列响应矩阵中的各列向量与相应的所述接收阵列对应的所述噪声子空间的正交特性，确定各所述待测目标的运动参数的估计结果
。
[0024]根据本专利技术提供的基于
MIMO
雷达的多目标运动参数估计方法，所述基于各所述接收阵列对应的所述阵列响应矩阵中的各列向量与相应的所述接收阵列对应的所述噪声子空间的正交特性，确定各所述待测目标的运动参数的估计结果，包括：
[0025]基于各所述接收阵列对应的所述阵列响应矩阵中的每一个所述列向量，以及各所述接收阵列对应的所述噪声子空间，构建代价函数；其中，所述代价函数包括一组运动参数变量；
[0026]分别基于所述代价函数在各所述待测目标的运动参数的预设取值区间的输出值，确定各所述待测目标的运动参数的估计结果
。
[0027]根据本专利技术提供的基于
MIMO
雷达的多目标运动参数估计方法，所述基于各所述接收阵列对应的所述阵列响应矩阵中的每一个所述列向量，以及各所述接收阵列对应的所述噪声子空间，构建代价函数，包括：
[0028]基于各所述接收阵列对应的所述阵列响应矩阵中的每一个所述列向量，以及所述运动参数变量，构建列向量函数模型；其中，所述列向量函数模型是与各所述待测目标无关的函数模型；
[0029]基于所述列向量函数模型，以及各所述接收阵列对应的所述噪声子空间，构建所述代价函数
。
[0030]本专利技术还提供一种基于
MIMO
雷达的多目标运动参数估计装置，包括：第一处理模块，用于对
MIMO
雷达系统的各接收阵列所观测到的回波信号进行下变频处理，得到各所述接收阵列对应的基带信号的识别结果；其中，每一个所述接收阵列观测到的所述回波信号均是由多个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
MIMO
雷达的多目标运动参数估计方法，其特征在于，包括：对
MIMO
雷达系统的各接收阵列所观测到的回波信号进行下变频处理，得到各所述接收阵列对应的基带信号的识别结果；其中，每一个所述接收阵列观测到的所述回波信号均是由多个待测目标反射至所述接收阵列的信号叠加形成的；基于各所述接收阵列对应的基带信号的识别结果，分别构建每一个所述接收阵列对应的协方差矩阵；对各所述接收阵列对应的协方差矩阵分别进行特征值分解，并基于各所述接收阵列对应的所述特征值分解的结果，分别确定各所述接收阵列对应的噪声子空间；基于各所述接收阵列对应的噪声子空间以及阵列响应矩阵，确定各所述待测目标的运动参数的估计结果；其中，所述阵列响应矩阵包括所述接收阵列的阵列响应特征以及所述接收阵列观测到的所述回波信号的信号特征
。2.
根据权利要求1所述的基于
MIMO
雷达的多目标运动参数估计方法，其特征在于，所述基于各所述接收阵列对应的基带信号的识别结果，分别构建每一个所述接收阵列对应的协方差矩阵，包括：对所述接收阵列对应的基带信号的识别结果进行信号离散化处理，得到所述接收阵列对应的基带信号矢量；其中，所述基带信号矢量包括期望信号矩阵和噪声信号矩阵；对所述期望信号矩阵进行子空间扩展，得到期望信号扩展矩阵；基于所述期望信号扩展矩阵对所述基带信号矢量进行更新，并基于更新后的所述基带信号矢量构建所述接收阵列对应的协方差矩阵
。3.
根据权利要求2所述的基于
MIMO
雷达的多目标运动参数估计方法，其特征在于，所述期望信号矩阵包括导向矢量项
、
多普勒频偏项
、
基带信号项
、
时延项和散射系数项；所述对所述期望信号矩阵进行子空间扩展，得到期望信号扩展矩阵，包括：基于所述导向矢量项
、
所述多普勒频偏项和所述基带信号项，确定所述期望信号矩阵对应的阵列响应矩阵，以及，基于所述时延项和所述散射系数项，确定所述期望信号矩阵对应的快拍数据矢量；基于所述阵列响应矩阵以及所述快拍数据矢量，确定所述期望信号扩展矩阵；其中，所述导向矢量项
、
所述多普勒频偏项和所述时延项均是基于各所述待测目标的运动参数项构建的
。4.
根据权利要求1所述的基于
MIMO
雷达的多目标运动参数估计方法，其特征在于，所述接收阵列对应的所述特征值分解的结果包括多个特征值以及各所述特征值对应的特征向量；所述基于各所述接收阵列对应的所述特征值分解的结果，分别确定各所述接收阵列对应的噪声子空间，包括：对所述接收阵列对应的各所述特征值进行排序，并根据所述排序的结果，从所述接收阵列对应的各所述特征向量中确定目标向量；基于所述目标向量，确定所述接收阵列对应的所述噪声子空间
。5.
根据权利要求1所述的基于
MIMO
雷达的多目标运动参数估计方法，其特征在于，所述基于各所...

【专利技术属性】
技术研发人员：白嘉豪，耿虎军，王文静，邵靖凯，黄曦，孔明，王旭，魏国华，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：