CN103605122A - 相干mimo雷达的收发稳健降维自适应波束形成方法 - Google Patents
相干mimo雷达的收发稳健降维自适应波束形成方法 Download PDFInfo
- Publication number
- CN103605122A CN103605122A CN201310648827.9A CN201310648827A CN103605122A CN 103605122 A CN103605122 A CN 103605122A CN 201310648827 A CN201310648827 A CN 201310648827A CN 103605122 A CN103605122 A CN 103605122A
- Authority
- CN
- China
- Prior art keywords
- vector
- steering vector
- transmitting
- receiving
- formula
- 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.)
- Pending
Links
Images
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
- G01S7/28—Details of pulse systems
- G01S7/2813—Means providing a modification of the radiation pattern for cancelling noise, clutter or interfering signals, e.g. side lobe suppression, side lobe blanking, null-steering arrays
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/46—Indirect determination of position data
- G01S13/48—Indirect determination of position data using multiple beams at emission or reception
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2925—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by using shape of radiation pattern
-
- 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
- G01S7/42—Diversity systems specially adapted for radar
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种相干MIMO雷达的收发稳健降维自适应波束形成方法,首先将相干MIMO雷达中的发射-接收二维权向量分离为发射权向量和接收权向量两部分,实现降维;然后基于双边导向矢量误差模型,利用二阶凸优化算法推导双二次代价函数及约束条件;进而利用双迭代方法计算波束形成所需的最优权向量;最后用最优权向量稳健实现自适应波束形成。本发明克服了传统自适应波束形成方法应用于相干MIMO雷达需要很大的样本数及计算量大的缺点。与传统的自适应波束形成方法相比,本发明很大程度上降低了所需的样本数及计算量,大大提高了收敛速度,并且具有很好的稳健性。
Description
技术领域
本发明属于雷达信号处理技术领域,具体说是实现相干多输入多输出(multiple-transmit multiple-receive,以下简称MIMO)雷达收发双边导向矢量失配问题以及观测数据中含有目标信号状况下的稳健降维自适应波束形成,用于动目标检测和波达方向(DOA)估计。
背景技术
近年来,作为一种新体制雷达,多输入多输出(MIMO)雷达受到了人们的广泛关注。与传统相控阵雷达相比,MIMO雷达通过多个天线发射非相干或正交信号,在接收端进行匹配滤波分离出发射信号分量,因而能够利用少量的天线获得较多的***处理自由度,实现发射-接收二维自适应波束形成,从而得到具有较低旁瓣的二维窄波束,有利于提高目标参数识别能力、目标角度估计精度以及雷达的抗干扰能力。根据发射和接收阵列配置方式的不同,MIMO雷达可分为非相干MIMO雷达和相干MIMO雷达两类。其中,相干MIMO雷达利用发射信号的多样性,即波形分集来增加***处理自由度,从而提高雷达参数的可辨识性以及抑制干扰的能力;此外,相干MIMO雷达还可以利用发射和接收天线孔径提高雷达角度分辨率和抑制干扰的能力。基于以上原因,相干MIMO雷达成为了MIMO雷达的研究重点。
当发射信号正交时,相干MIMO雷达在接收端对每个发射信号进行匹配滤波,实现发射-接收二维联合自适应波束形成。相干MIMO雷达的信号处理维数等于发射天线数与接收天线数的乘积,因而当采用传统的最小方差无畸变(MVDR)方法来实现自适应波束形成时,所涉及的样本需求以及计算量都会大幅地增长。因此,相干MIMO雷达自适应波束形成首先要解决的问题就是高维信号处理问题。此外,当假定的目标导向矢量与真实的目标导向矢量不能完全匹配时,传统的自适应波束形成方法的性能会大大地下降。更进一步,当观测数据中包含目标信号时,传统的自适应波束形成方法的性能对于导向矢量的失配会变得更加敏感,尤其是在高信噪比(SNR)情况下,导向矢量的失配会严重影响到自适应波束形成算法的性能。例如,在有阵列误差的情况下,目标的真实导向矢量与期望导向矢量失配,传统的采样协方差矩阵求逆(SMI)方法对导向矢量误差不具有稳健性,会产生目标信号自相消的现象,即目标会被当作干扰抑制掉。而且,观测数据中可能会含有目标信号,目标信号的存在会大大降低SMI算法随样本的收敛速度和性能。因此,如何提高自适应波束形成算法的稳健性成为人们必须要解决的问题。传统的提高波束形成稳健性的方法主要有线性约束最小方差(LCMV)法、对角加载技术、矩阵锥消(CMT)法以及二阶凸优化法等,其中最常用的方法是对角加载波束形成方法。对角加载采样协方差矩阵求逆(LSMI)算法是SMI算法的改进算法,它可以显著地提高SMI算法的自适应收敛率,并具有自适应波束保形能力。但是,LSMI算法对角加载量的选取是一个尚未解决的难题:当对角加载量低于噪声功率时,噪声特征值扩散程度改善较小,LSMI算法与SMI算法相比,性能改善不大;当对角加载量过大时,对角加载后的协方差矩阵特征值比理想协方差矩阵的特征值大,将会使加载后的干扰特征值与噪声特征值之比变小,导致干扰零陷变浅,从而有一定的性能损失。基于变对角加载的全维二阶凸规划(F-SOCP)算法性能略好于基于固定加载的LSMI算法性能,但是它存在计算量大、训练样本需求多、自适应收敛率慢等问题。综合以上介绍,虽然相干MIMO雷达可以实现发射-接收二维自适应波束形成,但是全维自适应波束形成由于***自由度的增加,其计算复杂度和样本需求将会成倍地增长。此外,实际信号处理中存在着导向矢量失配、估计协方差矩阵含有目标信号等各种非理想因素,这些因素将导致自适应波束形成方法的收敛率和性能急剧下降。
发明内容
本发明的目的是:针对现有自适应波束形成方法应用于相干MIMO雷达时存在的不足,如计算复杂度高,样本需求量大,实际信号处理中存在着导向矢量失配以及估计协方差矩阵含有目标信号等各种非理想因素,本发明提出了一种收发稳健降维自适应波束形成方法,来实现收发双边导向矢量失配以及观测数据中含有目标信号状况下的稳健自适应波束形成。
本发明的技术方案概括为:首先将相干MIMO雷达中的发射-接收二维权向量分离为发射权向量和接收权向量两部分,从而实现降维;然后基于收发双边导向矢量误差模型,利用二阶凸优化算法推导出双二次代价函数及约束条件;进而利用双迭代方法计算波束形成所需的最优权向量;最后用计算出的最优权向量进行波束形成。具体实现过程如下:
(1)将相干MIMO雷达中MtMr×1维的发射-接收二维权向量 分离为Mr×1维的接收权向量 和Mt×1维的发射权向量两部分,实现降维,其中,mt=1,…,Mt,mr=1,…,Mr,Mt为发射天线数,Mr为接收天线数,上标T表示对向量或矩阵求转置;
(2)基于收发双边导向矢量误差模型,利用二阶凸优化算法推导出双二次代价函数为约束条件为 其中, 为接收数据矢量的矩阵形式,a和b分别表示假定的目标发射导向矢量和接收导向矢量,ε1和ε2为两个足够小的正数,上标H表示对向量或矩阵求共轭转置,||·||表示2-范数;
(3)利用双迭代方法求解步骤(2)中双二次代价函数的最优权向量和
(4)根据步骤(3)中求得的最优权向量和恢复出收-发二维自适应权向量 然后通过恢复出的收-发二维自适应权向量w直接对观测数据矢量进行加权求和,使阵列的输出功率最小,从而在特定方向形成主波束用来接收有用的期望信号,并抑制来自其他方向的干扰信号,即完成了波束形成。其中,表示发射信号的协方差矩阵,表示Mr×Mr的单位阵,符号表示Kronecker积。
本发明的技术原理是:本发明在分析相干MIMO雷达发射阵和接收阵的收发双边导向矢量误差模型的基础上,提出了一种相干MIMO雷达的收发稳健降维自适应波束形成方法。该方法结合了二阶凸优化算法和双迭代算法,将原来基于高维协方差矩阵的二阶凸优化问题转化为两个基于低维协方差矩阵的二阶凸优化问题,进而通过双迭代算法循环优化两个低维的发射权向量和接收权向量,恢复出高维权向量进行波束形成,从而大大降低了算法的计算复杂度以及对训练样本的需求量。
本发明与现有技术相比具有以下特点:
1、传统自适应波束形成方法虽然能够实现收发联合自适应波束形成,但是所需要的样本数比较大。本发明方法只需要估计Mt×Mt维(Mt为发射天线数)的协方差矩阵和Mr×Mr维(Mr为接收天线数)的协方差矩阵而LSMI算法和SCOP算法需要估计MtMr×MtMr维的协方差矩阵Re。由此可以看出,本发明方法的训练样本数至少应不少于max{Mr,Mt},与LSMI算法和SCOP算法相比,大大减少了所需的样本数。
2、传统的自适应波束形成方法的运算量比较大。基于SOCP方法的全维自适应波束形成算法(F-SOCP)的计算复杂度为而本发明方法每一次迭代的计算复杂度仅为仿真实验表明,当双迭代算法的迭代控制因子δ=0.001时,本发明方法在2~3步迭代后即可收敛(如图5所示)。考虑实验中的参数,SMI、LSMI和F-SOCP三种算法的计算复杂度均为O(L·104)+O(106),本发明方法的单次迭代计算复杂度仅为2[O(L·102)+O(103)],考虑到3次迭代收敛,其计算量也远比其它三种算法的计算量低。因此,本发明方法的计算复杂度远低于LSMI算法和F-SCOP算法。
3、当观测数据中包含目标信号时,自适应波束形成算法的性能将伴随着输入SNR的增大而有所下降,但本发明方法与其它三种算法相比,稳健性较好(如图3所示)。
附图说明
图1是相干MIMO雷达***结构示意图;
图2是本发明的收发稳健降维自适应波束形成方法流程图;
图3是试验一中MIMO radar I当输入SNR=-20dB时,四种算法的输出SINR随训练样本L变化的性能曲线,其中BIA-SOCP方法和LSMI算法的起始样本为10,SMI和F-SOCP算法的起始样本为100;
图4是试验一中MIMO radar I当训练样本数L=600时,四种算法的输出SINR随输入SNR变化的CCC曲线;
图5是当训练样本数L=600,输入SNR=-20dB时,本发明方法一次实验随迭代步数的收敛曲线;
图6是试验一中对MIMO radar II仿真实验结果:图6(a)是输入SNR=-20dB时,四种算法输出SINR随训练样本数L变化的性能曲线;图6(b)是给定样本数L=600,四种算法的输出SINR随输入SNR变化的性能曲线;
图7是试验二中对MIMO radar I仿真实验结果:图7(a)是当输入信噪比为SNR=-20dB时,四种方法的输出信干噪比随训练样本数L变化的性能曲线;图7(b)是当训练样本L=600时,四种方法的输出SINR随输入SNR变化的性能曲线;
图8是试验二中对MIMO radar II仿真实验结果:图8(a)是四种方法在输入SNR=-20dB时,输出SINR随训练样本数L变化的性能曲线;图8(b)是训练样本数L=600时,四种方法的输出SINR随输入SNR变化的性能曲线。
具体实施方式
下面参照附图说明本发明的方法实施过程。
本发明中,相干MIMO雷达天线阵列各阵元发射的信号相互正交,可以进行收发联合波束形成,基于上述特点提出了一种收发稳健降维自适应波束形成方法。为了更好地理解本发明,先介绍相干MIMO雷达***的信号模型以及最优波束形成器。图1为相干MIMO雷达***结构示意图,各发射天线同时发射Mt个非相干信号其中,N表示每个雷达信号脉冲内的快拍数, 发射信号的协方差矩阵可以表示为
设θ为远场点目标的波达方向角,则目标的发射导向矢量为
接收导向矢量为
单个雷达脉冲内,相干MIMO雷达的接收数据可以表示为
上式中,β表示目标的反射系数,Z为干扰和接收机噪声分量。
利用各发射信号的匹配信号对每个天线的接收信号进行匹配滤波,该过程可以表示为
其中,vec(·)表示矩阵的矢量化,它是将一个矩阵按列写成一列,即将矩阵的第二列放在第一列下面,第三列放在第二列下面,依次类推,可以得到一个列矢量。由式(5)和式(6)可知,目标分量yt可以表示为
其中,c(θ)为相应的发射-接收导向矢量,并有如下形式
相应地,MrMt×1维的干扰加噪声分量yz可以表示为
将a(θ)、b(θ)和c(θ)分别简记为a、b和c,则(5)式可重新表示为
式(10)即为相干MIMO雷达回波信号的表示方式。
下面介绍最优波束形成器。收发全维自适应波束形成实际上就是直接对观测数据矢量y进行加权求和。设滤波器权矢量为 由式(10)可知,全维自适应波束形成的输出可表示为如下形式
令
则式(11)可以重新表示为
***的输出信干噪比(SINR)为
根据最小方差无畸变(MVDR)准则,即在保证目标信号增益一定的前提下,最小化输出干扰和噪声功率,那么最优权向量可以通过求解如下的线性约束优化问题得到
由于在实际中,协方差矩阵Rz是未知的,因此需要由样本估计得到,其最大似然估计为
其中,
根据拉格朗日乘子法,可以求得由SMI方法得到的全维权向量为
则SMI方法的权向量为
根据图2,本发明的收发稳健降维自适应波束形成方法如下:
1.将相干MIMO雷达中的发射-接收二维权向量分离为发射权向量和接收权向量两部分,实现降维:
2.基于收发双边导向矢量误差模型,利用二阶凸优化算法推导出双二次代价函数及约束条件:
1)先介绍收发双边导向矢量误差模型。假定的目标信号导向矢量和真实的目标信号导向矢量之间会存在着一定的误差(失配),但误差的2-范数的范围是已知的或是指定的。令和分别表示目标真实的发射导向矢量和接收导向矢量,设假定的目标发射导向矢量a和接收导向矢量b分别满足aHa=Mt,bHb=Mr,且真实的导向矢量与假定的导向矢量之间有如下关系
其中,σ1和σ2分别表示未知的发射导向矢量误差和接收导向矢量误差,且||σ1||和||σ2||均有界。真实的发射导向矢量和接收导向矢量可表示为如下两个凸集
真实的发射-接收导向矢量可表示为如下集合
式(26)所示集合是一个非凸的集合,可以将其松弛到如下的一个凸集中,即
其中,
2)基于1)中的收发双边导向矢量误差模型,将二阶凸优化算法直接应用于相干MIMO雷达的全维自适应波束形成中。对所有属于(28)式所示集合中的导向矢量强加一个约束,使其阵列响应的绝对值不小于1,即可得到如下的不等式约束最小化问题
当发射导向矢量和接收导向矢量均存在失配时,类比于式(29),代价函数(22a)和(22b)可以转化为一个不等式约束的双二次代价函数,即
上式是一个非凸的双二次优化问题,根据导向矢量匹配最差情况下性能最好的准则,上述代价函数可进一步转化为
由双边导向矢量误差模型的导向矢量误差关系,即式(23),将式(31b)表示为
假设|aTv>ε1||v||和aTv|>ε1||v||成立,由柯西-施瓦茨不等式,有
当且仅当
时,不等式(33)取“=”号,即
式(35)表示发射导向矢量和接收导向矢量各自匹配均为最差时的情况。根据式(35),将式(31a)和(31b)表示为如下的非线性约束的双二次最小化问题,即
3.利用双迭代方法对双二次代价函数进行最优权向量求解。
其中,
1)给定初始值
仿真试验对比:
为了进一步说明本发明的收发稳健降维自适应波束形成方法较传统自适应波束形成方法的优越性,做如下两个仿真试验。
考虑两种MIMO雷达***:(1)MIMO radar I:发射阵密布,即发射阵元和接收阵元间距均为半波长,发射阵和接收阵共置;(2)MIMO radar II:发射阵稀布,即发射阵元间距为半波长的Mr倍,接收阵元间距为半波长。两种雷达的发射阵元数和接收阵元数均为Mt=Mr=10。为保证非奇异,发射信号采用码长为N=256的QPSK编码信号。假设在35°方向和60°方向存在两个强干扰信号,干噪比为(INR)为40dB。定义BIA-SOCP方法的权矢量wtr与理想权矢量wopt的互相关系数(CCC)为仿真实验将在两种非理想情况下比较如下四种自适应波束形成方法的性能:(1)BIA-SOCP方法(本发明的方法);(2)SMI算法;(3)LSMI算法;(4)F-SOCP算法。理想的最优输出信干噪比(OptimalSINR)由理想协方差矩阵计算获得。
对于MIMO radar I,设定ε1=ε2=2.5,则发射-接收导向矢量的误差界必须满足 对于MIMO radar II,设定ε1=3,ε2=2.5,则发射-接收导向矢量的误差界必须满足 由于白噪声增益的限制,即因此,将F-SOCP算法的误差界选为ε=9。LSMI算法的对角加载因子其中表示单个阵元上的噪声功率。
试验一:假设不存在导向矢量误差,只考虑观测数据中包含目标信号的影响,其中,真实的目标信号波达方向和假定的目标信号波达方向均为3°。对于MIMOradar I,由图3可以看出,BIA-SOCP方法随样本的收敛速度明显快于SMI、LSMI和F-SOCP算法,说明BIA-SOCP方法在小样本条件下性能较好。由图4可以看出,当观测数据中包含目标信号时,自适应波束形成算法的性能会随着输入SNR的增大而有所下降,但本发明的算法与其它三种算法相比,稳健性较好。图5结果显示,输出SINR经过2~3步迭代就基本达到最大值并趋于稳定,这说明BIA-SOCP方法具有很快的收敛速度。对于MIMO radar II,图6(a)和图6(b)分别给出了四种算法的输出SINR随训练样本数L变化的性能曲线以及随输入SNR变化的性能曲线。由图6(a)和图6(b)可以看出,在不存在导向矢量失配而只考虑观测数据中含有目标信号影响的情况下,本发明的BIA-SOCP方法在收敛速度和稳健性方面都要优于其它三种算法。由试验一可见,BIA-SOCP方法性能很好,不仅适用于发射密布阵形式,同时也适用于发射稀布阵形式。
对MIMO radar I,真实的目标波达方向为5°,而假定的目标波达方向为3°,即Δ=2°。发射和接收导向矢量的误差界为||σ1||=||σ2||=1.7978,而发射-接收导向矢量的误差界为||σ||=9.9924。图7(a)和图7(b)分别给出了四种算法的输出SINR随训练样本数L变化的性能曲线以及随输入SNR变化的性能曲线,由这两个图可以看出BIA-SOCP方法随样本的收敛速度及稳健性都要优于其它三种算法。对MIMO radar II,假定的目标波达方向为3°,而真实目标波达方向为2.7°,即Δ=0.3°。此时,发射和接收导向矢量误差界分别为||σ1||=2.6102和||σ2||=0.2772,而发射-接收导向矢量误差的范数为||σ||=8.804,图8(a)和图8(b)分别给出了四种算法的输出SINR随训练样本L变化的性能曲线及随输入SNR变化的性能曲线。由图8(a)和图8(b)可以看出,当存在导向矢量失配时,本发明的BIA-SOCP方法在收敛速度和稳健性方面都优于其它三种算法。
从试验一和试验二可以看出,本发明方法所提的BIA-SOCP方法与其它三种算法相比,具有收敛快、更稳健、性能好的优点,并且计算复杂度也要低于其它三种算法。
Claims (6)
1.一种相干MIMO雷达的收发稳健降维自适应波束形成方法,其特征是:首先将相干MIMO雷达中的发射-接收二维权向量分离为发射权向量和接收权向量两部分,从而实现降维,然后基于收发双边导向矢量误差模型,利用二阶凸优化算法推导出双二次代价函数及约束条件,进而利用双迭代方法计算波束形成所需的最优权向量,最后用计算出的最优权向量进行波束形成;具体实现过程如下:
(1)将相干MIMO雷达中MtMr×1维的发射-接收二维权向量 分离为Mr×1维的接收权向量和Mt×1维的发射权向量两部分,实现降维,其中,mt=1,…,Mt,mr=1,…,Mr,Mt为发射天线数,Mr为接收天线数,上标T表示对向量或矩阵求转置;
(2)基于收发双边导向矢量误差模型,利用二阶凸优化算法推导出双二次代价函数为约束条件为 其中,为接收数据矢量的矩阵形式,a和b分别表示假定的目标发射导向矢量和接收导向矢量,ε1和ε2为两个足够小的正数,上标H表示对向量或矩阵求共轭转置,||·||表示2-范数;
3.根据权利要求2所述的相干MIMO雷达的收发稳健降维自适应波束形成方法,其特征是:经过降维处理后,基于收发双边导向矢量误差模型,利用二阶凸优化算法推导出双二次代价函数及约束条件的过程如下:
{1}收发双边导向矢量误差模型如下:假定的目标信号导向矢量和真实的目标信号导向矢量之间会存在着一定的误差,但误差的2-范数的范围是已知的或是指定的,令和分别表示目标真实的发射导向矢量和接收导向矢量,设假定的目标发射导向矢量a和接收导向矢量b分别满足aHa=Mt,bHb=Mr,且真实的导向矢量与假定的导向矢量之间有如下关系
其中,σ1和σ2分别表示未知的发射导向矢量误差和接收导向矢量误差,且||σ1||和||σ2||均有界,将真实的发射导向矢量和接收导向矢量表示为如下两个凸集
式(5)所示集合是一个非凸的集合,将该集合改写为如下的凸集,即
{2}基于收发双边导向矢量误差模型,将二阶凸优化算法直接应用于相干MIMO雷达的全维自适应波束形成中,对所有属于(6)式所示集合中的导向矢量 强加一个约束,使得的阵列响应的绝对值不小于1,得到如下的不等式约束最小化代价函数
当发射导向矢量和接收导向矢量均存在误差时,类比于式(7),将代价函数(1a)和(1b)转化为不等式约束的双二次代价函数,即
式(8b)中的约束条件非凸,根据导向矢量匹配最差情况下性能最好的准则,将上述代价函数进一步转化为
根据收发双边导向矢量误差模型的导向矢量误差关系,即式(2),将式(9b)表示为
假设|aTv|>ε1||v||和|aTv|>ε1||v||成立,根据柯西-施瓦茨不等式,有
当且仅当
时,不等式(11)取“=”号,即
式(13)表示发射导向矢量和接收导向矢量各自匹配均为最差时的情况,根据式(13),式(9a)和(9b)表示为如下的双二次代价函数(14a)和非线性约束条件(14b),即
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310648827.9A CN103605122A (zh) | 2013-12-04 | 2013-12-04 | 相干mimo雷达的收发稳健降维自适应波束形成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310648827.9A CN103605122A (zh) | 2013-12-04 | 2013-12-04 | 相干mimo雷达的收发稳健降维自适应波束形成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103605122A true CN103605122A (zh) | 2014-02-26 |
Family
ID=50123362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310648827.9A Pending CN103605122A (zh) | 2013-12-04 | 2013-12-04 | 相干mimo雷达的收发稳健降维自适应波束形成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103605122A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103885045A (zh) * | 2014-04-09 | 2014-06-25 | 西安电子科技大学 | 基于子阵划分的循环联合自适应波束形成方法 |
CN103913730A (zh) * | 2014-04-10 | 2014-07-09 | 四川九洲电器集团有限责任公司 | 利用异步滑动式mtd提升相控阵雷达的探测能力的方法 |
CN103954950A (zh) * | 2014-04-25 | 2014-07-30 | 西安电子科技大学 | 一种基于样本协方差矩阵稀疏性的波达方向估计方法 |
CN104346532A (zh) * | 2014-11-05 | 2015-02-11 | 西安电子科技大学 | 一种mimo雷达降维自适应波束形成方法 |
CN104391276A (zh) * | 2014-10-08 | 2015-03-04 | 西安电子工程研究所 | 一种收发分置平面阵相控阵雷达天线布阵及波束形成器 |
CN104408278A (zh) * | 2014-10-09 | 2015-03-11 | 哈尔滨工程大学 | 一种基于干扰噪声协方差矩阵估计的稳健波束形成方法 |
CN104515975A (zh) * | 2014-12-12 | 2015-04-15 | 中国电子科技集团公司电子科学研究院 | 一种面向杂波抑制的相干mimo雷达波形设计方法 |
CN104808179A (zh) * | 2015-04-09 | 2015-07-29 | 大连大学 | 杂波环境下基于克拉美罗界的mimo雷达波形优化方法 |
CN105785333A (zh) * | 2016-03-22 | 2016-07-20 | 中国人民解放军信息工程大学 | 机载mimo雷达的稳健降维空时自适应处理方法 |
CN107925818A (zh) * | 2015-10-15 | 2018-04-17 | 华为技术有限公司 | 用于声音处理节点装置的声音处理节点 |
WO2018165971A1 (zh) * | 2017-03-17 | 2018-09-20 | 深圳大学 | 脉冲噪声下的加权稀疏约束稳健波束形成方法及装置 |
CN108614240A (zh) * | 2018-04-10 | 2018-10-02 | 北京航空航天大学 | 一种应用于集中式mimo雷达的自适应空时发射加权产生器 |
CN109884583A (zh) * | 2019-03-26 | 2019-06-14 | 电子科技大学 | 利用一维测向确定目标三维坐标的凸优化方法 |
CN109901132A (zh) * | 2019-03-24 | 2019-06-18 | 西安电子科技大学 | 一种多径利用的自适应相干波束形成方法 |
CN109934815A (zh) * | 2019-03-18 | 2019-06-25 | 电子科技大学 | 一种结合atv约束的张量恢复红外弱小目标检测方法 |
CN110895327A (zh) * | 2019-11-08 | 2020-03-20 | 电子科技大学 | 基于直接凸优化建模的鲁棒性自适应波束形成方法 |
CN112639512A (zh) * | 2018-11-16 | 2021-04-09 | 华为技术有限公司 | 测角方法以及雷达设备 |
CN112946582A (zh) * | 2021-04-02 | 2021-06-11 | 华域汽车***股份有限公司 | 一种基于车载mimo雷达的天线阵列及其使用方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1103950A2 (en) * | 1999-11-24 | 2001-05-30 | Her Majesty The Queen In Right Of Canada As Represented By The Minister Of National Defence | High resolution 3D ultrasound imaging system deploying a multi-dimensional array of sensors and method for multi-dimensional beamforming sensor signals |
CN101887117A (zh) * | 2010-06-30 | 2010-11-17 | 西安电子科技大学 | 基于三迭代的机载mimo雷达空时降维自适应处理方法 |
CN103353592A (zh) * | 2013-06-19 | 2013-10-16 | 西安电子科技大学 | 基于mimo的双基地雷达多通道联合降维杂波抑制方法 |
-
2013
- 2013-12-04 CN CN201310648827.9A patent/CN103605122A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1103950A2 (en) * | 1999-11-24 | 2001-05-30 | Her Majesty The Queen In Right Of Canada As Represented By The Minister Of National Defence | High resolution 3D ultrasound imaging system deploying a multi-dimensional array of sensors and method for multi-dimensional beamforming sensor signals |
CN101887117A (zh) * | 2010-06-30 | 2010-11-17 | 西安电子科技大学 | 基于三迭代的机载mimo雷达空时降维自适应处理方法 |
CN103353592A (zh) * | 2013-06-19 | 2013-10-16 | 西安电子科技大学 | 基于mimo的双基地雷达多通道联合降维杂波抑制方法 |
Non-Patent Citations (1)
Title |
---|
向聪: "阵列自适应波束形成及空时自适应处理方法研究", 《中国博士学位论文全文数据库 信息科技辑》, no. 03, 15 March 2013 (2013-03-15), pages 136 - 76 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103885045A (zh) * | 2014-04-09 | 2014-06-25 | 西安电子科技大学 | 基于子阵划分的循环联合自适应波束形成方法 |
CN103885045B (zh) * | 2014-04-09 | 2016-02-10 | 西安电子科技大学 | 基于子阵划分的循环联合自适应波束形成方法 |
CN103913730A (zh) * | 2014-04-10 | 2014-07-09 | 四川九洲电器集团有限责任公司 | 利用异步滑动式mtd提升相控阵雷达的探测能力的方法 |
CN103954950B (zh) * | 2014-04-25 | 2016-09-07 | 西安电子科技大学 | 一种基于样本协方差矩阵稀疏性的波达方向估计方法 |
CN103954950A (zh) * | 2014-04-25 | 2014-07-30 | 西安电子科技大学 | 一种基于样本协方差矩阵稀疏性的波达方向估计方法 |
CN104391276A (zh) * | 2014-10-08 | 2015-03-04 | 西安电子工程研究所 | 一种收发分置平面阵相控阵雷达天线布阵及波束形成器 |
CN104408278A (zh) * | 2014-10-09 | 2015-03-11 | 哈尔滨工程大学 | 一种基于干扰噪声协方差矩阵估计的稳健波束形成方法 |
CN104346532A (zh) * | 2014-11-05 | 2015-02-11 | 西安电子科技大学 | 一种mimo雷达降维自适应波束形成方法 |
CN104346532B (zh) * | 2014-11-05 | 2017-05-24 | 西安电子科技大学 | 一种mimo雷达降维自适应波束形成方法 |
CN104515975A (zh) * | 2014-12-12 | 2015-04-15 | 中国电子科技集团公司电子科学研究院 | 一种面向杂波抑制的相干mimo雷达波形设计方法 |
CN104515975B (zh) * | 2014-12-12 | 2017-02-22 | 中国电子科技集团公司电子科学研究院 | 一种面向杂波抑制的相干mimo雷达波形设计方法 |
CN104808179A (zh) * | 2015-04-09 | 2015-07-29 | 大连大学 | 杂波环境下基于克拉美罗界的mimo雷达波形优化方法 |
CN107925818A (zh) * | 2015-10-15 | 2018-04-17 | 华为技术有限公司 | 用于声音处理节点装置的声音处理节点 |
CN107925818B (zh) * | 2015-10-15 | 2020-10-16 | 华为技术有限公司 | 用于声音处理节点装置的声音处理节点 |
CN105785333A (zh) * | 2016-03-22 | 2016-07-20 | 中国人民解放军信息工程大学 | 机载mimo雷达的稳健降维空时自适应处理方法 |
WO2018165971A1 (zh) * | 2017-03-17 | 2018-09-20 | 深圳大学 | 脉冲噪声下的加权稀疏约束稳健波束形成方法及装置 |
CN108614240A (zh) * | 2018-04-10 | 2018-10-02 | 北京航空航天大学 | 一种应用于集中式mimo雷达的自适应空时发射加权产生器 |
CN108614240B (zh) * | 2018-04-10 | 2021-07-02 | 北京航空航天大学 | 一种应用于集中式mimo雷达的自适应空时发射加权产生器 |
CN112639512A (zh) * | 2018-11-16 | 2021-04-09 | 华为技术有限公司 | 测角方法以及雷达设备 |
CN112639512B (zh) * | 2018-11-16 | 2024-06-18 | 华为技术有限公司 | 测角方法以及雷达设备 |
CN109934815B (zh) * | 2019-03-18 | 2023-04-14 | 电子科技大学 | 一种结合atv约束的张量恢复红外弱小目标检测方法 |
CN109934815A (zh) * | 2019-03-18 | 2019-06-25 | 电子科技大学 | 一种结合atv约束的张量恢复红外弱小目标检测方法 |
CN109901132A (zh) * | 2019-03-24 | 2019-06-18 | 西安电子科技大学 | 一种多径利用的自适应相干波束形成方法 |
CN109901132B (zh) * | 2019-03-24 | 2022-12-02 | 西安电子科技大学 | 一种多径利用的自适应相干波束形成方法 |
CN109884583A (zh) * | 2019-03-26 | 2019-06-14 | 电子科技大学 | 利用一维测向确定目标三维坐标的凸优化方法 |
CN109884583B (zh) * | 2019-03-26 | 2023-03-14 | 电子科技大学 | 利用一维测向确定目标三维坐标的凸优化方法 |
CN110895327A (zh) * | 2019-11-08 | 2020-03-20 | 电子科技大学 | 基于直接凸优化建模的鲁棒性自适应波束形成方法 |
CN112946582B (zh) * | 2021-04-02 | 2024-04-19 | 华域汽车***股份有限公司 | 一种基于车载mimo雷达的天线阵列及其使用方法 |
CN112946582A (zh) * | 2021-04-02 | 2021-06-11 | 华域汽车***股份有限公司 | 一种基于车载mimo雷达的天线阵列及其使用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103605122A (zh) | 相干mimo雷达的收发稳健降维自适应波束形成方法 | |
CN112350759B (zh) | 一种ris辅助的多用户多天线通信与雷达频谱共享方法 | |
CN101369014B (zh) | 应用于多输入多输出雷达的双边约束自适应波束形成方法 | |
Zheng et al. | Fast method for multi-target localisation in bistatic MIMO radar | |
CN102830387B (zh) | 一种基于数据预处理的协方差矩阵正交化波束形成方法 | |
CN102213761B (zh) | 双基地共址多输入多输出雷达多目标定位方法 | |
CN105978674B (zh) | 基于压缩感知的fdd下大规模mimo信道估计的导频优化方法 | |
CN110463147A (zh) | 解码符号的方法以及接收并解码符号的接收器 | |
CN107703489B (zh) | 一种mimo雷达恒模波形和接收机的联合设计方法 | |
CN101799535A (zh) | Mimo雷达目标方向的估计方法 | |
CN103885045B (zh) | 基于子阵划分的循环联合自适应波束形成方法 | |
CN105699953A (zh) | 频率分集mimo雷达距离-角度解耦合波束形成方法 | |
CN105302936A (zh) | 基于相关计算和协方差矩阵重构的自适应波束形成方法 | |
CN105717496A (zh) | 一种基于矩阵填充的频控阵mimo雷达***的实现方法 | |
CN106443594A (zh) | 一种基于稀疏约束的雷达天线阵列稳健波束形成方法 | |
CN107576940A (zh) | 一种低复杂度单基地mimo雷达非圆信号角度估计方法 | |
CN107390197A (zh) | 基于特征空间的雷达自适应和差波束测角方法 | |
CN105204008A (zh) | 一种基于协方差矩阵扩展的自适应天线波束形成零陷展宽方法 | |
CN105319545A (zh) | 提高stap检测性能的mimo-ofdm雷达波形设计方法 | |
CN104833959A (zh) | 基于目标先验信息的mimo雷达波形优化方法 | |
CN101887117A (zh) | 基于三迭代的机载mimo雷达空时降维自适应处理方法 | |
CN105807275A (zh) | 基于部分杂波先验知识的mimo-ofdm-stap稳健波形设计 | |
CN106291541A (zh) | 基于非均匀子阵划分的mimo雷达阵列设计方法 | |
CN104808179A (zh) | 杂波环境下基于克拉美罗界的mimo雷达波形优化方法 | |
CN105049382A (zh) | 一种抗期望信号导向矢量失配的零陷展宽自适应天线波束成形方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140226 |