【技术实现步骤摘要】
本专利技术涉及mimo阵列角度估计，具体涉及一种基于vandermonde约束张量cp分解的mimo阵列角度估计方法及系统。
技术介绍
1、多输入多输出阵列雷达(multiple-input multiple-output radar，mimo)是一种新体制雷达，与传统相控阵雷达不同，mimo阵列雷达利用多天线发射相互正交的信号，并由多天线接收目标回波信号，通过复杂的信号处理算法可为雷达系统在高分辨率成像、多目标探测和抗干扰等方面带来了突破性的性能提升。mimo阵列雷达可分为集中式mimo阵列雷达和分布式阵列mimo雷达。集中式阵列mimo雷能够利用波形分集增益来提高目标检测和参数估计性能，而分布式阵列mimo雷达能够充分利用空间分集增益来克服雷达散射截面rcs起伏对目标检测的影响。
2、联合波离角(direction of departure,dod)和波达角(direction of arrival,doa)估计是mimo雷达领域中一个至关重要的研究方向。近年来，众多学者提出各种mimo阵列雷达的目标角度估计算法。这些算法分为基于矩阵分解的角度估计方法和基于张量分解的角度估计方法。基于矩阵分解的角度估计方法包括capon算法、多重信号分类(multiplesignal classification,music)算法和基于旋转不变技术的信号参数估计(estimationof signal parameters via rotational invariance technique,esprit)算法等，其中capo
3、由于阵列阵元间存在相关性，实际环境中往往会出现空域色噪声，导致上述算法性能降低甚至完全失效。针对色噪声环境下doa估计问题，yuan等人在论文“a gridlessfourth-order cumulant-based doa estimation method under unknown colorednoise”(ieee wireless communications letters,2022,11(5):1037-1041)利用四阶累积量来抑制mimo雷达的加性高斯色噪声，并通过esprit算法估计目标角度。然而四阶累积量矩阵维度会急剧变大，大大增加了计算复杂度。liao等人在论文“fast angle estimationfor mimo radar with nonorthogonal waveforms”(ieee transactions on aerospaceand electronic systems,2018,54(4):2091-2096)提出了一种基于矩阵填充的色噪声抑制方法，然后利用去噪后的协方差矩阵实现了基于子空间旋转不变性的目标角度估计。jiang等人在论文“joint dod and doa estimation for bistatic mimo radar inunknown correlated noise”(ieee transactions on vehicular technology,2015,64(11):5113-5125)利用不同发射天线对应的匹配滤波噪声之间的不相关特性，提出一种空域互相关方法去除色噪声影响，并利用esprit算法估计目标角度，但该方法会引起mimo雷达的虚拟孔径损失，从而导致角度估计性能下降。由于接收阵列在不同脉冲周期对应的匹配滤波输出噪声是不相关的，du等人在论文“bayesian robust tensor factorizationfor angle estimation in bistatic mimo radar with unknown spatially colorednoise”(ieee transactions on signal processing,2022,70:6051-6064)通过时域互相关方法抑制空域色噪声，然后将去噪后的协方差矩阵构建为三阶实值张量模型，最后在假设因子矩阵各行元素满足高斯先验分布的条件下，利用bayesian张量分解估计因子矩阵，进而提取出目标的dod和doa。
4、基于张量分解的角度估计方法可以有效利用mimo阵列雷达接收信号的多维结构，从而提高角度估计性能。然而，现有技术在计算cp分解时所使用的传统的als算法是一种“盲”迭代算法，它在张量分解过程中忽略了张量及其因子矩阵的先验结构信息。在阵列信号处理中，当利用张量模型表达阵列接收信号时，因子矩阵可能存在特殊的矩阵结构，如toeplitz、hankel和vandermonde等，在张量分解过程中考虑这些结构有利于提高角度估计的准确性，其中，vandermonde结构是在阵列信号处理中较为常见的一种特殊结构。针对波束空间(transmit beamspace，tb)mimo阵列雷达的因子矩阵具有vandermonde结构，xu等人在论文“doa estimation for transmit beamspace mimo radar via tensordecomposition with vandermonde factor matrix”(ieee transactions on signalprocessing,2022,70:2901-2917)提出了一种基于vandermonde因子矩阵的张量分解doa估计方法，该方法对张量模展开矩阵进行svd分解获得信号子空间，然后利用接收信号在不同发射子阵之间和子阵内部的旋转不变性来估计因子矩阵的vandermonde生成矢量，从而获得目标角度估计值。但是该张量分解方法采用线性代数计算，不涉及迭代过程，容易陷入局部最优解。如果在张量cp分解的“盲”迭代过程中引入因子矩阵的vandermonde约束，那么通过多次迭代可逐步逼近问题的全局最优解，从而获得更精确的因子矩阵估计值，提高目标估计精度。
技术实现思路
1、专利技术目的：本专利技术的目的是提供一种基于vandermonde约束张量cp分解的mimo阵列角度估计方法及系统，能有效降低有限脉冲数对色噪声抑制的影响，同时充分利用因子矩阵先验结构信息提高张量分解的准确性，从而获得更为精确的本文档来自技高网...
【技术保护点】
1.一种基于Vandermonde约束张量CP分解的MIMO阵列角度估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于Vandermonde约束张量CP分解的MIMO阵列角度估计方法，其特征在于，所述步骤(1)具体如下：
3.根据权利要求1所述的一种基于Vandermonde约束张量CP分解的MIMO阵列角度估计方法，其特征在于，所述步骤(2)包括以下步骤：
4.根据权利要求1所述的一种基于Vandermonde约束张量CP分解的MIMO阵列角度估计方法，其特征在于，所述步骤(3)具体为：
5.根据权利要求1所述的一种基于Vandermonde约束张量CP分解的MIMO阵列角度估计方法，其特征在于，所述步骤(4)实现过程如下：
6.根据权利要求5所述的一种基于Vandermonde约束张量CP分解的MIMO阵列角度估计方法，其特征在于，通过固定Ar、和不变，迭代求解At的约束最小二乘问题；将上述问题分解为无约束LS问题和约束LS问题；首先，求解常规无约束LS问题：
7.根据权利要求5所述的
8.根据权利要求1所述的一种基于Vandermonde约束张量CP分解的MIMO阵列角度估计方法，其特征在于，所述步骤4中，和的每列分别由自动配对的和计算得到，它们具有同步的列置换运算；
9.根据权利要求1所述的一种基于Vandermonde约束张量CP分解的MIMO阵列角度估计方法，其特征在于，所述步骤(5)具体如下：迭代退出时，根据和(p＝1,2,…P)值获得第p个目标DOD和DOA估计值，即
10.一种基于Vandermonde约束张量CP分解的MIMO阵列角度估计系统，其特征在于，包括以下模块：
...【技术特征摘要】
1.一种基于vandermonde约束张量cp分解的mimo阵列角度估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于vandermonde约束张量cp分解的mimo阵列角度估计方法，其特征在于，所述步骤(1)具体如下：
3.根据权利要求1所述的一种基于vandermonde约束张量cp分解的mimo阵列角度估计方法，其特征在于，所述步骤(2)包括以下步骤：
4.根据权利要求1所述的一种基于vandermonde约束张量cp分解的mimo阵列角度估计方法，其特征在于，所述步骤(3)具体为：
5.根据权利要求1所述的一种基于vandermonde约束张量cp分解的mimo阵列角度估计方法，其特征在于，所述步骤(4)实现过程如下：
6.根据权利要求5所述的一种基于vandermonde约束张量cp分解的mimo阵列角度估计方法，其特征在于，通过固定ar、和不变，迭代求解at的约束最小二乘问题...
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。