CN103439699B - 极化mimo雷达到达角和极化角的联合估计方法 - Google Patents
极化mimo雷达到达角和极化角的联合估计方法 Download PDFInfo
- Publication number
- CN103439699B CN103439699B CN201310400979.7A CN201310400979A CN103439699B CN 103439699 B CN103439699 B CN 103439699B CN 201310400979 A CN201310400979 A CN 201310400979A CN 103439699 B CN103439699 B CN 103439699B
- Authority
- CN
- China
- Prior art keywords
- angle
- target
- polarization
- arrival
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/024—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using polarisation effects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本发明公开了一种极化MIMO雷达到达角和极化角的联合估计方法,主要解决阵列雷达对目标定位和极化目标识别中估计精度低的问题,其实现过程是:(1)利用正交偶极子天线接收极化MIMO的接收数据;(2)根据接收数据求得信号子空间;(3)针对信号子空间构造两个旋转不变关系方程;(4)利用最小二乘算法对旋转不变关系方程计算得到到达角;(5)利用最小二乘算法对旋转不变关系方程计算得到极化角;(6)利用到达角和极化角实现目标定位和极化识别。本发明同时利用了MIMO雷达的波形分集和极化敏感阵列的极化分集,使得到达角和极化角的估计精度增加,可用于雷达对目标的精确定位和极化目标识别。
Description
技术领域
本发明属于通信技术领域,更进一步涉及雷达阵列信号处理技术领域中的一种极化多输入多输出(Multiple Input Multiple Output,MIMO)雷达到达角和极化角的联合估计方法。本发明可用于雷达对目标定位与跟踪以及极化目标识别。
背景技术
极化信息作为与角度、距离、频率信息同样重要的地位被大量的研究。极化敏感阵列是具有能获取电磁信号极化信息的新型阵列,研究表明该阵列具有以下优势:1)相较于单极化雷达,多极化接收能量比较稳定,检测性能比较稳健。2)抗干扰能力增强。当干扰与信号到达角接近时,空域滤波无法有效的抗干扰,可以利用极化信息把它区分开来抑制掉,同样相当于增强了它的分辨能力。3)在通信领域它具有极化多址能力。
中国电子科技集团公司第五十四研究所在其申请的专利“一种组合形式双线极化阵列天线”(专利申请号CN201010234390,公开号CN101944657B)中公开了一种组合形式双线极化阵列天线。该天线包括水平极化阵列天线和垂直极化阵列天线。该极化阵列天线能够达到极化敏感阵列到达角和极化角的估计。但是,该专利申请存在的不足是,由于该阵列天线发射信号的所有波形的幅度和相位是一致的,故无法利用信号的波形分集,导致到达角和极化角联合估计的精度比较差。
为了提高目标检测、参数估计的性能,Fishler Eran等人提出了MIMO雷达。目前研究的MIMO雷达***大体可分为两大类,一类是分布式MIMO雷达,这类MIMO雷达的发射天线间隔很宽,使得目标对于每个发射天线呈现出相对独立的反射特性,不同发射天线发射的信号经目标反射后的回波信号是不相关的,这样可以有效的对抗空间扩展目标的RCS闪烁,从而提高雷达的检测与参数估计性能。另一类是相干MIMO雷达,也称为集中式MIMO雷达。其发射和接收阵列与传统阵列类似,天线阵元间距较小,可获得更高的分辨率和更好的参数估计性能。
西安电子科技大学在其申请的专利“MIMO雷达的到达角估计方法”(专利申请号201110199572.3,公开号CN102279387B)公开了一种MIMO雷达的到达角估计方法,该方法能够估计MIMO雷达目标的到达角估计。但是,该专利申请存在的不足之处是,该MIMO雷达的发射信号都是用水平极化,并不涉及到垂直极化等,使得目标的极化信息无法采集,导致雷达对目标的到达角估计精度较低。
发明内容
本发明的目的在于克服上述已有技术的不足,提出一种极化MIMO雷达到达角和极化角的联合估计方法。本发明同时使用极化敏感阵列的极化信息和MIMO雷达的波形分集信息,通过发掘阵列之间的旋转不变性,来估计目标的到达角和极化角。
实现本发明目的的基本思路是:首先,从雷达的天线处接收数据;然后,根据该接收数据构造两个旋转不变关系矩阵方程;最后,通过最小二乘方法对这两个旋转不变关系矩阵方程求解得到目标的到达角和极化角。
为实现上述目的,本发明具体实现步骤包括如下:
(1)接收数据:
利用正交偶极子天线,接收极化多输入多输出MIMO雷达的数据。
(2)求信号子空间:
2a)采用最大似然法,对接收数据求数据协方差矩阵;
2b)对数据协方差矩阵进行特征值分解,将分解后数据的矢量构成信号子空间。
(3)构造旋转不变关系方程:
3a)利用旋转不变关系矩阵,将信号子空间前一半和后一半的数据,按方程左边和右边相等的原则,关联组成到达角旋转不变关系方程;
3b)利用旋转不变关系矩阵,将信号子空间奇数行和偶数行的数据,按方程左边和右边相等的原则,关联组成极化角旋转不变关系方程。
(4)计算目标到达角:
4a)利用最小二乘法,对到达角旋转不变关系方程进行求解,获得包含到达角的矩阵;
4b)对该矩阵进行特征值分解,取分解后矩阵的对角线元素得到目标到达角。
(5)计算目标极化角:
5a)利用最小二乘法,对极化角旋转不变关系方程进行求解,解得包含极化角的矩阵;
5b)对该矩阵进行特征值分解,取分解后矩阵的对角线元素得到目标极化角。
(6)目标定位和极化识别:
6a)对目标到达角求正弦操作,得到目标高度指示值,用该目标高度指示值除以雷达基线长度,得到目标的距离,实现对目标的定位;
6b)将目标极化角与雷达数据库中已有目标极化角进行比较,找到与该极化角最相近的目标,确定该目标的类型,完成目标的识别。
本发明与现有技术相比具有以下优点:
第一,本发明在对目标的到达角估计过程中使用了正交偶极子,利用信号的极化分集,克服了现有技术对目标极化信息丢失的缺点,使得本发明对目标到达角的估计精度得到提高,从而提高目标的定位精度。
第二,本发明在对目标的极化角估计过程中采用了信号的波形分集,能够充分利用天线的相位中心,克服了现有技术波形一致导致的相位中心减小的缺点,使得本发明能够提高目标极化角的估计精度,从而提高极化目标识别的性能。
附图说明
图1为本发明的流程图;
图2为本发明对目标到达角估计的均方根误差随信噪比变化曲线图;
图3为本发明对目标极化角估计的均方根误差随信噪比变化曲线图。
具体实施方式
下面结合附图对本发明做进一步的描述。
参照附图1,本发明的具体步骤如下。
步骤1,接收数据。
利用正交偶极子天线,接收极化多输入多输出MIMO雷达的数据。
步骤2,求信号子空间。
采用最大似然法,对接收数据求数据协方差矩阵,其具体步骤为:
第1步,对极化多输入多输出MIMO雷达接收的数据求共轭。
第2步,将接收数据与共轭的接收数据相乘,得到目标信息矩阵。
第3步,对目标信息矩阵的列向量求平均值,得到数据协方差矩阵。
对数据协方差矩阵进行特征值分解,取分解后数据的矢量构成信号子空间。
步骤3,构造旋转不变关系方程。
利用旋转不变关系矩阵,将信号子空间前一半和后一半的数据,按方程左边和右边相等的原则关联组成到达角旋转不变关系方程。
本发明所述的旋转不变关系矩阵为一个到达角对角矩阵,其对角线元素为esinθ,其中θ为目标到达角。
利用旋转不变关系矩阵,将信号子空间奇数行和偶数行的数据,按方程左边和右边相等的原则关联组成极化角旋转不变关系方程。
本发明所述的旋转不变关系矩阵为一个极化角对角矩阵,其对角线元素为 为目标极化角。
步骤4,计算目标到达角。
利用最小二乘法,对到达角旋转不变关系方程进行求解,获得包含到达角的矩阵,对该矩阵进行特征值分解,取分解后矩阵的对角线元素得到目标到达角。
步骤5,计算目标极化角。
利用最小二乘法,对极化角旋转不变关系方程进行求解,解得包含极化角的矩阵,对该矩阵进行特征值分解,取分解后矩阵的对角线元素得到目标极化角。
步骤6,目标定位和极化识别。
对目标到达角求正弦操作,得到目标高度指示值,用该目标高度指示值除以雷达基线长度,得到目标的距离,实现对目标的定位。
将目标极化角与雷达数据库中已有目标的极化角进行比较,找到与该极化角最相近的目标,确定该目标的类型,完成目标的识别。
下面通过仿真对本发明的效果做进一步说明。
1.仿真条件:
本发明的仿真是在MATLAB R2010a的软件环境下进行的。
2.仿真内容:
假设有三个独立信号源,信号的到达角和极化角为:(θ1,γ1)=[10°30°],(θ2,γ2)=[20°70°],(θ3,γ3)=[30°10°]。发射天线采用6阵元均匀分布的线阵,4个正交偶极子接收,也采用均匀分布。发射、接收阵元间距均为半波长,快拍数为100,信噪比SNR=10dB,500次Monte Carlo实验。角度估计性能用均方根误差来表示,定义均方根误差θ和分别为真实值和估计值。
3.仿真效果分析:
图2给出了目标到达角均方根误差随信噪比的变化曲线。其中,图2中的横坐标表示信噪比,纵坐标表示均方根误差。图2中带有方形的曲线表示本发明方法对目标到达角的估计均方根误差。图2中带有圆圈的曲线表示极化敏感阵列方法,对目标到达角的估计均方根误差获得的曲线。图2中带有加号的曲线表示MIMO雷达对目标到达角的估计均方根误差获得的曲线。比较图2中的三条曲线可以看出,在相同信噪比情况下,本发明的方法对目标到达角估计的均方根误差要小于极化敏感阵列的方法,故本发明的方法对目标到达角的估计性能要优于极化敏感阵列的方法。在相同信噪比情况下,本发明的方法对目标到达角估计的均方根误差要小于MIMO雷达的方法,故本发明的方法对目标到达角的估计性能要优于MIMO雷达的方法。
图3给出了目标极化角均方根误差随信噪比的变化曲线。图3中的横坐标表示信噪比,纵坐标表示均方根误差。图3中带有方形的曲线表示本发明方法,对目标到达角的估计均方根误差获得的曲线。图3中带有圆圈的曲线表示极化敏感阵列方法,对目标到达角的估计均方根误差获得的曲线。比较图3中的两条曲线可以看出,在相同信噪比情况下,本发明的方法对目标极化角估计的均方根误差要小于极化敏感阵列的方法,本发明的方法对目标极化角的估计性能要优于极化敏感阵列的方法。
Claims (4)
1.一种极化MIMO雷达到达角和极化角的联合估计方法,包括如下步骤:
(1)接收数据:
利用正交偶极子天线,接收极化MIMO雷达的数据;
(2)求信号子空间:
2a)采用最大似然法,对接收数据求数据协方差矩阵;
2b)对数据协方差矩阵进行特征值分解,将分解后数据的矢量构成信号子空间;
(3)构造旋转不变关系方程:
3a)利用旋转不变关系矩阵,将信号子空间前一半和后一半的数据,按方程左边和右边相等的原则,关联组成到达角旋转不变关系方程;
3b)利用旋转不变关系矩阵,将信号子空间奇数行和偶数行的数据,按方程左边和右边相等的原则,关联组成极化角旋转不变关系方程;
(4)计算目标到达角:
4a)利用最小二乘法,对到达角旋转不变关系方程进行求解,获得包含到达角的矩阵;
4b)对该矩阵进行特征值分解,取分解后矩阵的对角线元素得到目标到达角;
(5)计算目标极化角:
5a)利用最小二乘法,对极化角旋转不变关系方程进行求解,解得包含极化角的矩阵;
5b)对该矩阵进行特征值分解,取分解后矩阵的对角线元素得到目标极化角;
(6)目标定位和极化识别:
6a)对目标到达角求正弦操作,得到目标高度指示值,用该目标高度指示值除以雷达基线长度,得到目标的距离,实现对目标的定位;
6b)将目标极化角与雷达数据库中已有目标极化角进行比较,找到与该极化角最相近的目标,确定该目标的类型,完成目标的识别。
2.根据权利要求1所述的极化MIMO雷达到达角和极化角的联合估计方法,其特征在于:步骤2a)中所述的最大似然法的具体步骤如下:
第1步,对极化MIMO雷达接收的数据求共轭;
第2步,将极化MIMO雷达接收的数据与共轭接收数据相乘,得到目标信息矩阵;
第3步,对目标信息矩阵的列向量求平均值,得到数据协方差矩阵。
3.根据权利要求1所述的极化MIMO雷达到达角和极化角的联合估计方法,其特征在于:步骤3a)所述的旋转不变关系矩阵为一个到达角对角矩阵,其对角线元素为esinθ,其中θ为目标到达角。
4.根据权利要求1所述的极化MIMO雷达到达角和极化角的联合估计方法,其特征在于:步骤3b)所述旋转不变关系矩阵为一个极化角对角矩阵,其对角线元素为 为目标极化角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310400979.7A CN103439699B (zh) | 2013-09-01 | 2013-09-01 | 极化mimo雷达到达角和极化角的联合估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310400979.7A CN103439699B (zh) | 2013-09-01 | 2013-09-01 | 极化mimo雷达到达角和极化角的联合估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103439699A CN103439699A (zh) | 2013-12-11 |
CN103439699B true CN103439699B (zh) | 2015-05-27 |
Family
ID=49693404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310400979.7A Expired - Fee Related CN103439699B (zh) | 2013-09-01 | 2013-09-01 | 极化mimo雷达到达角和极化角的联合估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103439699B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3339883A1 (en) * | 2016-12-22 | 2018-06-27 | Airbus Defence and Space GmbH | A cognitive radar system |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104062634A (zh) * | 2014-01-28 | 2014-09-24 | 大连大学 | 任意发射波形条件下mimo雷达的参数辨识方法 |
CN105335615B (zh) * | 2015-10-31 | 2018-09-21 | 电子科技大学 | 一种低复杂度的二维角度和极化参数联合估计方法 |
CN106199579B (zh) * | 2016-06-22 | 2018-07-13 | 中国人民解放军信息工程大学 | 分布式mimo雷达目标跟踪精度联合资源优化方法 |
JP6874127B2 (ja) * | 2016-09-22 | 2021-05-19 | フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー.ファオ | 到来方向推定装置、および到来方向推定方法 |
CN109143197B (zh) * | 2018-09-27 | 2023-04-07 | 中国人民解放军空军工程大学 | 一种基于辅助阵元的极化mimo雷达的2d-doa和极化参数估计方法 |
CN109254272B (zh) * | 2018-09-27 | 2023-02-07 | 中国人民解放军空军工程大学 | 一种共点式极化mimo雷达的两维角度估计方法 |
US11269048B2 (en) * | 2018-10-23 | 2022-03-08 | Baidu Usa Llc | Radar sensor array for interference hunting and detection |
CN116068502B (zh) * | 2023-04-06 | 2023-06-16 | 中国人民解放军空军预警学院 | 一种多域联合抗复合干扰方法、装置和*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1918734A1 (en) * | 2006-11-04 | 2008-05-07 | Roke Manor Research Limited | A multiple input multiple output RADAR system |
CN102279387A (zh) * | 2011-07-18 | 2011-12-14 | 西安电子科技大学 | Mimo雷达的目标到达角估计方法 |
CN102707264A (zh) * | 2012-06-13 | 2012-10-03 | 西安电子科技大学 | 基于圆形阵列双基地mimo雷达的波达方向估计方法 |
-
2013
- 2013-09-01 CN CN201310400979.7A patent/CN103439699B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1918734A1 (en) * | 2006-11-04 | 2008-05-07 | Roke Manor Research Limited | A multiple input multiple output RADAR system |
CN102279387A (zh) * | 2011-07-18 | 2011-12-14 | 西安电子科技大学 | Mimo雷达的目标到达角估计方法 |
CN102707264A (zh) * | 2012-06-13 | 2012-10-03 | 西安电子科技大学 | 基于圆形阵列双基地mimo雷达的波达方向估计方法 |
Non-Patent Citations (1)
Title |
---|
干涉式矢量传感器MIMO雷达的DODDOA和极化联合估计;郑桂妹等;《电子与信息学报》;20121130;第34卷(第11期);第2635-2641页 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3339883A1 (en) * | 2016-12-22 | 2018-06-27 | Airbus Defence and Space GmbH | A cognitive radar system |
Also Published As
Publication number | Publication date |
---|---|
CN103439699A (zh) | 2013-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103439699B (zh) | 极化mimo雷达到达角和极化角的联合估计方法 | |
CN106526530B (zh) | 基于传播算子的2-l型阵列二维doa估计算法 | |
CN106483493B (zh) | 一种稀疏双平行线阵及二维波达方向估计方法 | |
CN107064892B (zh) | 基于张量子空间和旋转不变的mimo雷达角度估计算法 | |
CN104977558A (zh) | 一种基于贝叶斯压缩感知的分布源中心波达方向估计方法 | |
CN101644760B (zh) | 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法 | |
CN103744076B (zh) | 基于非凸优化的mimo雷达动目标检测方法 | |
Zhang et al. | Direction finding in MIMO radar with unknown mutual coupling | |
Yu et al. | Compressive sensing for MIMO radar | |
CN105182322B (zh) | 基于反射信号相位差的被动式定位方法 | |
CN106291540A (zh) | 一种基于doa估计的多输入多输出探地雷达逆向投影目标成像方法 | |
CN103412286B (zh) | 基于mimo雷达的发射极化优化doa估计方法 | |
CN102135617A (zh) | 双基地多输入多输出雷达多目标定位方法 | |
CN102156279A (zh) | 基于mimo的双基地雷达地面动目标检测方法 | |
CN109375154A (zh) | 一种冲击噪声环境下基于均匀圆阵的相干信号参数估计方法 | |
CN105044684A (zh) | 基于射频隐身的mimo跟踪雷达发射波束的形成方法 | |
CN109254272A (zh) | 一种共点式极化mimo雷达的两维角度估计方法 | |
CN108872930A (zh) | 扩展孔径二维联合对角化doa估计方法 | |
Gao et al. | An improved music algorithm for DOA estimation of coherent signals | |
CN104459680A (zh) | Mimo雷达估计目标方向的快速方法 | |
CN105242264A (zh) | 一种平面阵列多目标角度高分辨实现方法 | |
Shi et al. | Cramér-Rao lower bounds for joint target parameter estimation in FM-based distributed passive radar network with antenna arrays | |
Bar-Shalom et al. | Direct position determination using MIMO radar | |
Haefner et al. | Selection of antenna array configuration for polarimetric direction finding in correlated signal environments | |
Yu et al. | DOD-DOA estimation by exploiting signal cyclostationarity for bistatic MIMO radar |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150527 Termination date: 20200901 |
|
CF01 | Termination of patent right due to non-payment of annual fee |