本发明专利技术公布了一种基于遗传算法的ＭＩＭＯ雷达阵列位置误差自校正方法，属于ＭＩＭＯ雷达阵列位置误差自校正方法。本发明专利技术方法包括利用ＭＵＳＩＣ方法，根据理想阵元位置，对进行一维谱峰搜索，得到波达方向ＤＯＡ的初始值θｋ；产生初始群体，根据ｆ（Ｇ）进行个体适应度评价，找出ｆｍａｘ；进行选择、交叉和变异等遗传进化操作，产生新一代的搜索群体，并进行适应度评价，减小偏差因子σ；根据种群中最优个体，对θｋ进行修正；进行遗传迭代，直到设定最大迭代数。本发明专利技术方法进行ＤＯＡ估计的同时，还可以完成阵列位置误差的在线估计与校正，提高了系统参数估计的鲁棒性。
【技术实现步骤摘要】
本专利技术涉及一种多输入多输出(Multi-input Multi-output，MIMO)雷达阵列位置误差自校正方法，特别涉及一种阵元位置误差与DOA的联合在线估计方法。
技术介绍
受MIMO(Multiple Input Multiple Output，多输入多输出)通信的启发，Fishler等人提出了MIMO雷达的概念。MIMO雷达的空间分集技术从多个角度观察目标，所以对于目标的RCS起伏不敏感。此外，MIMO雷达利用灵活的发射分集设计，可以获得高的空间分辨率。因此，MIMO雷达的概念以及相关的阵列信号处理技术受到了越来越多的关注。 目前针对MIMO雷达的参数估计的研究工作开展的较多。Petre Stoica等针对单基MIMO雷达，提出了波束形成算法，包括Capon，Apes算法，还有结合了两者优点的CAPES方法，如文献1X.Luzhou，L.jian and P.Stoica.Adaptive Techniques for MIMO Radar.IEEE Workshop Sensor Array Multi-Chanel Processing.Waltham，MA，USA，July，2006。Haidong Yan等针对双基MIMO雷达，应用经典的Capon方法实现了DOA和DOD的联合估计，如文献2Haidong Yan，Jun Li，and Guisheng Liao.Multi-target Identification andLocation Using Bistatic MIMO Radar Systems.EURASIP Journal on Advances in SignalProcessing.Volume 2008，Article ID 283483，8pages.Doi10.1155/2008/283483；C.Duofang等人提出了基于ESPRIT方法DOA和DOD的估计，如文献3C.Duofang，C.Baixiao andQ.Guodong.Angle Estimation Using ESPRIT in MIMO Radar.Electronics Letters 5thJune 2008，Vol.44，No.12 但这些方法要求阵列导向矢量精确已知，否则DOA的估计性能将大幅下降。针对MIMO雷达接收端的阵列误差，Li Jian等推导了稳健的Capon方法(RCB，Robust CaponBeamformer)和具有双约束条件的稳健Capon方法(DCRCB，Doubly Constrained RobustCapon Beamformer)，获得了较好的估计性能，如文献4X.Luzhou，L.jian and P.Stoica.Target Detection and Parameter Estimation for MIMO Radar Systems.IEEE Transactionson Aerospace and Electronic Systems.Vol.44，No.3，July 2008。何子述等推导了稳健的APES方法，如文献5夏威，何子述.APES算法在MIMO雷达参数估计中的稳健性研究.电子学报，2008，Vol.36，No.9。 但上述文献中对接收阵列实际导向矢量与名义导向矢量的欧式距离限制很大，要求实际导向矢量在一个很小的不确定集内，这在实际中很难满足。对于相干MIMO雷达系统，阵列位置误差的存在会影响天线阵元所接收到信号的相位，将导致雷达波束形成器的性能下降，当误差为四分之一的波长时，目标回波将出现反相，此时性能最差。而基于特征值分解的高分辨率DOA估计算法对信号的相位误差非常敏感。当存在阵列位置误差时，上述方法DOA估计性能下降很大。
技术实现思路
本专利技术基于遗传算法，利用自校正思想，构造一个对不同方向空间谱值进行加权求和的自适应权函数，再结合MUSIC方法，构建个体适应度函数，提出一种基于遗传算法的MIMO雷达阵列位置误差自校正方法，实现了阵元位置误差与DOA的联合在线估计。 本专利技术为实现上述目的，采用如下技术方案 本专利技术基于遗传算法的MIMO雷达阵列位置误差自校正方法，其特征在于包括如下步骤 (a)、首先设置阵元位置初始偏差σ及其上下界； (b)、利用多重信号分类MUSIC方法，根据理想阵元位置，通过对空间谱估计公式 进行一维谱峰搜索，得到波达方向DOA的初始值θk即第k个目标的波达方向，其中w为虚拟线阵联合导向矢量，P(·)为谱估计函数，θ为目标波达方向，UN为噪声子空间，(·)H为共轭转置运算， 为理想阵元位置，k为大于1的自然数，下同； (c)、构造一个对不同方向空间谱值进行加权求和的自适应权函数继而构造遗传算法代价函数 产生初始群体，根据代价函数对所述初始群体中的个体进行适应度评价，得到所述遗传算法代价函数的最大值fmax，其中Wk为相对于第k个目标的权函数，K为目标个数为大于1的自然数，G为接收阵元实际几何位置的估计级联，e为自然对数的底数，f为遗传算法代价函数； (d)、对步骤(c)所述的初始群体进行选择、交叉和变异遗传进化，产生新一代的搜索群体，并根据步骤(c)中的自适应权函数进行适应度评价，减小阵元位置初始偏差σ； (e)、根据步骤(d)所述的新一代的搜索群体中最优个体即接收阵元实际几何位置的估计值，根据步骤(b)中的空间谱估计公式对波达方向DOA的初始值θk进行修正； (f)、对步骤(e)修正后的接收阵元实际几何位置的估计值进行遗传迭代，直到设定的最大迭代数；根据步骤(e)所述的最优个体，输出波达方向DOA与接收阵元实际阵列位置误差的估计值。 本专利技术与现有技术相比本专利技术的有益效果是 1)算法可以实现MIMO雷达阵元位置误差的在线估计与校正，提高了系统参数估计的鲁棒性。 2)由于MIMO雷达的阵元位置误差得到校正，因此目标参数估计性能得到较大提高。 3)算法同时可以实现对处于相同距离门内的多个目标进行波达方向的估计，由于信号分集，故可获得较高的空间分辨率。 附图说明 图1MIMO雷达接收端阵元图。 图2MIMO雷达阵元位置误差自校正算法流程图。 图3X轴方向的位置扰动下，阵元位置。 图4X轴方向的位置扰动下，校正前后MUSIC谱。 图5X轴方向的位置扰动下，X坐标的收敛曲线。 图6X轴方向的位置扰动下，适应度收敛曲线。 图7Y轴方向的位置扰动下，阵元位置。 图8Y轴方向的位置扰动下，校正前后MUSIC谱。 图9Y轴方向的位置扰动下，Y坐标的收敛曲线。 图10Y轴方向的位置扰动下，适应度收敛曲线。 图11X、Y轴方向的位置扰动下，阵元位置。 图12X、Y轴方向的位置扰动下，校正前后MUSIC谱。 图13X、Y轴方向的位置扰动下，X坐标的收敛曲线。 图14X、Y轴方向的位置扰动下，Y坐标的收敛曲线。 图15X、Y轴方向的位置扰动下，适应度收敛曲线。 具体实施例方式 MIMO雷达阵列几何误差模型目标模型是经典的Swerling Case ∏，目标处于远场，且为点目标。为了便于数学处理，忽略多普勒效应和杂波。假定MIM本文档来自技高网...
【技术保护点】
一种基于遗传算法的ＭＩＭＯ雷达阵列位置误差自校正方法，其特征在于包括如下步骤：（ａ）、首先设置阵元位置初始偏差σ及其上下界；（ｂ）、利用多重信号分类ＭＵＳＩＣ方法，根据理想阵元位置，通过对空间谱估计公式：Ｐ（θ，＊，＊）＝１／ｗ（θ，＊，＊）↑［Ｈ］＊↓［Ｎ］＊↓［Ｎ］↑［Ｈ］ｗ（θ，＊，＊）进行一维谱峰搜索，得到波达方向ＤＯＡ的初始值θ↓［ｋ］即第ｋ个目标的波达方向，其中ｗ为虚拟线阵联合导向矢量，Ｐ（.）为谱估计函数，θ为目标波达方向，Ｕ↓［Ｎ］为噪声子空间，（.）↑［Ｈ］为共轭转置运算，（＊，＊）为理想阵元位置，ｋ为大于１的自然数，下同；（ｃ）、构造一个对不同方向空间谱值进行加权求和的自适应权函数：Ｗ↓［ｋ］（θ）＝ｅ↑［－（θ－θ↓［ｋ］）↑［２］／σ↑［２］］，继而构造遗传算法代价函数：ｆ（Ｇ）＝＊∫↓［－π／２］↑［π／２］Ｐ（θ，Ｇ）Ｗ↓［ｋ］（θ）ｄθ产生初始群体，根据代价函数对所述初始群体中的个体进行适应度评价，得到所述遗传算法代价函数的最大值ｆ↓［ｍａｘ］，其中Ｗ↓［ｋ］为相对于第ｋ个目标的权函数，Ｋ为目标个数为大于１的自然数，Ｇ为接收阵元实际几何位置的估计级联，ｅ为自然对数的底数，ｆ为遗传算法代价函数；（ｄ）、对步骤（ｃ）所述的初始群体进行选择、交叉和变异遗传进化，产生新一代的搜索群体，并根据步骤（ｃ）中的自适应权函数进行适应度评价，减小阵元位置初始偏差σ；（ｅ）、根据步骤（ｄ）所述的新一代的搜索群体中最优个体即接收阵元实际几何位置的估计值，根据步骤（ｂ）中的空间谱估计公式对波达方向ＤＯＡ的初始值θ↓［ｋ］进行修正；（ｆ）、对步骤（ｅ）修正后的接收阵元实际几何位置的估计值进行遗传迭代，直到设定的最大迭代数；根据步骤（ｅ）所述的最优个体，输出波达方向ＤＯＡ与接收阵元实际阵列位置误差的估计值。...
【技术特征摘要】
【专利技术属性】
技术研发人员：张弓，刘帅，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：84[中国|南京]
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。