【技术实现步骤摘要】
本申请涉及雷达，特别是涉及一种分布式mimo雷达多目标位置和速度估计方法和装置。
技术介绍
1、分布式mimo雷达是一种新体制雷达系统，其收发节点在空间上广域分布，能够充分利用空间/角度分集来提升系统对目标的发现、探测和跟踪性能，同时相比传统单基地雷达具备更强的生存能力和抗打击能力。因此，分布式mimo雷达在近年来获得了广泛关注，并具有良好的应用和发展前景。
2、从信号处理方式上划分，分布式mimo雷达包含相干处理和非相干处理两种方式。其中，相干处理需要系统的时间和相位同步，这对硬件系统的要求较为苛刻，通常需要很高的建设成本。相比之下，非相干处理仅需要系统的时间同步，因此更加易于硬件实现，并且具有低成本优势。目标参数估计是分布式mimo雷达的基本任务之一，现有的目标参数估计方法主要可以分为间接法和直接法两大类。其中，间接法分两步估计目标参数，第一步是获得不同发射-接收通道中关于目标的特定中间测量数据，如时延、多普勒频移等，第二步是利用这些中间测量数据求解目标参数。间接法是当前目标参数估计领域的研究重点，一般而言其具有较高的计算效率，并且在低噪声水平下能够得到较好的估计结果。然而，这类方法也存在一些固有的缺陷，例如在低信噪比条件或者存在异常测量值情况下会出现严重的性能下降，在多目标场景下难以实现准确的数据关联等。直接法利用接收的回波信号直接完成目标参数估计。直接法在理论上能够获得比间接法更优的估计性能，并且不涉及复杂的数据关联问题。然而，传统的直接法需要通过高维网格搜索得到参数估计结果，这会带来极大的计算量和数据通信负
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够实现低计算复杂度、低数据通信量的分布式mimo雷达多目标位置和速度估计方法、装置、计算机设备和存储介质。
2、一种分布式mimo雷达多目标位置和速度估计方法，所述方法包括：
3、根据分布式mimo雷达探测场景确定目标位置和速度的参数搜索空间，对所述参数搜索空间进行网格划分，确定网格参数向量；
4、根据所述分布式mimo雷达所有发射-接收通道线性调频信号匹配滤波的输出结果，定义所述参数搜索空间的网格能量值，根据所述网格能量值构建包含所有网格能量值的原始求解模型；所述原始求解模型中包括待求的稀疏向量；所述稀疏向量的非零元素个数为目标个数，非零元素索引指向的网格参数向量为对应目标的位置和速度参数；
5、根据所述原始求解模型，从所述参数搜索空间中选取少量网格，构建基于压缩感知技术的压缩求解模型；
6、基于结合正交匹配追踪和相似度评估模块的稀疏向量恢复算法完成所述压缩求解模型的求解，得到恢复的稀疏向量，根据所述恢复的稀疏向量确定多目标位置和速度估计值。
7、在其中一个实施例中，还包括：根据所述分布式mimo雷达所有发射-接收通道线性调频信号匹配滤波的输出结果，定义所述参数搜索空间的网格能量值为：
8、
9、其中，λp表示第g个网格第p个脉冲的无噪声能量，表示第g(g＝1,...,g)个网格的网格参数向量，和分别为该网格对应的位置和速度，m和n分别为分布式mimo雷达发射机和接收机的个数，e为各个发射机发射相互正交的lfm信号的能量，lfm信号由p(p≥1)个具有不同特征的独立脉冲构成，k表示目标个数，αmnk为第k个目标在第mn条发射-接收通道中的复散射系数，为tc时刻输出噪声，并且服从为tc时刻和第k个目标相关的匹配滤波原始形式，表示由参数向量所确定的时域投影时刻。
10、在其中一个实施例中，还包括：根据所述网格能量值构建包含所有网格能量值的原始求解模型为：
11、
12、其中，为λ的测量向量，ψ为中间变量，h为待求的稀疏向量，z表示噪声向量。
13、在其中一个实施例中，还包括：根据所述原始求解模型，从所述参数搜索空间中选取少量网格，构建基于压缩感知技术的压缩求解模型为：
14、
15、其中，为有限采样测量向量，为ψcs的归一化字典矩阵，ψcs为字典矩阵，zcs为测量噪声向量，hn为对应的稀疏向量。
16、在其中一个实施例中，还包括：获取所述有限采样测量向量所述归一化字典矩阵和预设的相似度阈值ρth；
17、基于结合正交匹配追踪算法得到当前次迭代的估计向量重构向量，残差向量以及索引gind(i)；
18、通过相似度评估模块计算当前次迭代所述有限采样测量向量和所述重构向量的相似度；
19、若当前次迭代的相似度与上一次迭代的相似度的差值小于所述相似度阈值ρth，则将当前次迭代的索引gind(i)赋值为0；
20、循环迭代，直到达到预设的停止条件，停止迭代；
21、根据索引gind(i)不为0次迭代所对应的估计向量得到恢复的稀疏向量。
22、在其中一个实施例中，还包括：获取所述恢复的稀疏向量中非零元素的索引信息；
23、将所述非零元素的索引信息指向的网格参数向量作为对应指向的网格参数向量的估计值。
24、在其中一个实施例中，还包括：所述发射-接收通道线性调频信号匹配滤波的输出结果在峰值点位置存在时延-多普勒耦合效应。
25、一种分布式mimo雷达多目标位置和速度估计装置，所述装置包括：
26、网格划分模块，用于根据分布式mimo雷达探测场景确定目标位置和速度的参数搜索空间，对所述参数搜索空间进行网格划分，确定网格参数向量；
27、原始求解模型确定模块，用于根据所述分布式mimo雷达所有发射-接收通道线性调频信号匹配滤波的输出结果，定义所述参数搜索空间的网格能量值，根据所述网格能量值构建包含所有网格能量值的原始求解模型；所述原始求解模型中包括待求的稀疏向量；所述稀疏向量的非零元素个数为目标个数，非零元素索引指向的网格参数向量为对应目标的位置和速度参数；
28、压缩求解模型构建模块，用于根据所述原始求解模型，从所述参数搜索空间中选取少量网格，构建基于压缩感知技术的压缩求解模型；
29、模型求解模块，用于基于结合正交匹配追踪和相似度评估模块的稀疏向量恢复算法完成所述压缩求解模型的求解，得到恢复的稀疏向量，根据所述恢复的稀疏向量确定多目标位置和速度估计值。
30、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
31、根据分布式mimo雷达探测场景确定目标位置和速度的参数搜索空间，对所述参数搜索空间进行网格划分，确定网格参数向量；
32、根据所述分布式mimo雷达所有发射-接收通道线性调频信号匹配滤波的输出结果，定义所述参数搜索空间的网格能量值，根据所述网格能量值构建包含所有网格能量值的原始求解模型；所述原始求解模型中包括待求的稀疏向量；所述稀疏向量的非零元素个数为目标个数本文档来自技高网...
【技术保护点】
1.一种分布式MIMO雷达多目标位置和速度估计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据所述分布式MIMO雷达所有发射-接收通道线性调频信号匹配滤波的输出结果，定义所述参数搜索空间的网格能量值，包括：
3.根据权利要求2所述的方法，其特征在于，根据所述网格能量值构建包含所有网格能量值的原始求解模型；所述原始求解模型中包括待求的稀疏向量，包括：
4.根据权利要求3所述的方法，其特征在于，根据所述原始求解模型，从所述参数搜索空间中选取少量网格，构建基于压缩感知技术的压缩求解模型，包括：
5.根据权利要求4所述的方法，其特征在于，基于结合正交匹配追踪和相似度评估模块的稀疏向量恢复算法完成所述压缩求解模型的求解，得到恢复的稀疏向量，包括：
6.根据权利要求5所述的方法，其特征在于，根据所述恢复的稀疏向量确定多目标位置和速度估计值，包括：
7.根据权利要求1至6任意一项所述的方法，其特征在于，所述发射-接收通道线性调频信号匹配滤波的输出结果在峰值点位置存在时延-多普勒耦合效应。p>
8.一种分布式MIMO雷达多目标位置和速度估计装置，其特征在于，所述装置包括：
9.根据权利要求8所述的装置，其特征在于，所述原始求解模型确定模块还用于：
10.根据权利要求8所述的装置，其特征在于，所述发射-接收通道线性调频信号匹配滤波的输出结果在峰值点位置存在时延-多普勒耦合效应。
...【技术特征摘要】
1.一种分布式mimo雷达多目标位置和速度估计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据所述分布式mimo雷达所有发射-接收通道线性调频信号匹配滤波的输出结果，定义所述参数搜索空间的网格能量值，包括：
3.根据权利要求2所述的方法，其特征在于，根据所述网格能量值构建包含所有网格能量值的原始求解模型；所述原始求解模型中包括待求的稀疏向量，包括：
4.根据权利要求3所述的方法，其特征在于，根据所述原始求解模型，从所述参数搜索空间中选取少量网格，构建基于压缩感知技术的压缩求解模型，包括：
5.根据权利要求4所述的方法，其特征在于，基于结合正交匹配追踪和相似度评估模块的稀疏...
【专利技术属性】
技术研发人员：朱凌霄，文贡坚，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
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。