CN104808190B - 改善mimo雷达最差参数估计性能的稳健波形设计方法 - Google Patents
改善mimo雷达最差参数估计性能的稳健波形设计方法 Download PDFInfo
- Publication number
- CN104808190B CN104808190B CN201510164914.6A CN201510164914A CN104808190B CN 104808190 B CN104808190 B CN 104808190B CN 201510164914 A CN201510164914 A CN 201510164914A CN 104808190 B CN104808190 B CN 104808190B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mover
- mtd
- msup
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013461 design Methods 0.000 title claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 73
- 239000011159 matrix material Substances 0.000 claims abstract description 46
- 239000013598 vector Substances 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G01S7/42—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)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
改善MIMO雷达最差参数估计性能的稳健波形设计方法属于信号处理领域,该方法是:首先建立杂波场景下MIMO雷达接收信号模型,基于此模型推导待估计参数估计精度的下界‑克拉美罗界,对波达方向角存在估计误差的情况建模,而后将初始参数估计不确定性凸集显式包含进波形优化问题,建立稳健波形优化模型;采用基于对角加载技术的迭代方法求解此优化问题;迭代每一步都可松弛为半定规划问题,从而可以获得高效求解,之后通过所提出的迭代算法来最优化波形协方差矩阵,进而提高杂波环境下最坏情况下的参数估计性能。相比较于非相关波形和非稳健方法,本发明有较好的稳健性,因而更贴近工程应用。
Description
技术领域
本发明属于信号处理领域,更进一步涉及波形设计技术领域的改善杂波环境下MIMO雷达最差参数估计性能的稳健波形设计方法。
背景技术
近些年来,MIMO雷达波形优化受到越来越多的学者和工程师的重视。根据波形优化问题中使用的目标模型,当前的波形优化方法可以分为以下两类:(1)基于点目标(pointtarget)的波形优化;(2)基于扩展目标(extended target)的波形优化。基于点目标的波形设计,优化的对象为波形相关阵(WCM,waveform covariance matrix)或者雷达模糊函数(radar ambiguity function)。基于WCM的波形优化方法仅对发射波形的空域而不是发射波形的整体特点进行设计。具体来讲,D.R.Fuhrmann和G.S.Antonio等人对WCM进行设计以实现特定的能量空域分配。而S.Peter等人不仅关注了能量空域分配,而且也考虑了不同目标之间的空域互相关,即最小化不同方位之间的空域互相关以改善***的检测估计性能。
在接收信号不被依赖于发射波形的杂波污染的假设下,J.Li等人提出了几类基于CRB的波形优化准则以优化WCM从而提高点目标的参数估计精度。接收信号被杂波污染情况下,H.Y Wang等人考虑了目标先验信息确知条件下基于CRB的MIMO雷达波形与有偏估计量的联合优化问题。需要注意的是,这些方法中波形优化问题的求解都需要参数确知。然而,实际工程中,这些参数须通过估计得到,因而不可避免的存在估计误差。由此,基于估计参数优化波形得到的参数估计性能对估计误差和不确定性是比较敏感的。
发明内容
本发明目的在于克服杂波条件下传统波形优化方法对初始参数估计误差敏感的问题,提出了一种改善MIMO雷达最差参数估计性能的稳健波形设计方法,该方法包含参数不确定凸集,基于DL技术的迭代方法求解优化问题,以减轻参数估计误差或不确定带来的***灵敏度问题,从而提高最坏情况下的MIMO雷达波形优化参数估计性能。
本发明方法的基本思路是:首先构建杂波条件下MIMO雷达接收信号模型,基于此模型推导待估计参数的CRB,而后建立显式包含参数不确定性的稳健波形优化模型,为求解此非线性优化问题,提出一种基于DL技术的迭代算法,迭代每一步都可以松弛为半定规划问题从而获得高效求解。基于迭代算法得到一最优中间解后,最优波形协方差矩阵可在最小二乘意义下重构。
本发明改善MIMO雷达最差参数估计性能的稳健波形设计方法,其包括如下步骤:
步骤一、构建MIMO雷达接收信号模型
假设MIMO雷达接收信号为:
其中,为正比于目标RCS(雷达横截面)的复幅度,为目标位置参数,K为目标数目,ρ(θ)为处于θ位置处杂波块的反射系数,W表示干扰噪声,每列是相互独立且同分布圆对称复高斯随机向量,具有零均值,其协方差B未知,为发射信号矩阵,a(θk)和v(θk)分别表示接收、发射导向矢量,具体表示为:
式中,f0为载波频率,τm(θk),m=1,2,…Mr和为传输时间,ac(θ)和vc(θ)分别表示θk处目标的接收和发射导向矢量;
设距离环被分为NC(NC>>NML)个分辨单元,MIMO雷达接收信号模型改写为
其中,表示杂波传递函数,ρ(θi)为θi处杂波块的反射系数,NC(NC>>MtMr)为杂波空间采样数量,ac(θi)和vc(θi)分别表示θi处杂波块的接收、发射导向矢量;vec(Hc)为同分布的复高斯随机向量,其均值为零,协方差为
步骤二、构建基于CRB的稳健波形优化模型
考虑未知参数θ=[θ1,θ2,…,θK]T、条件下的CRB,经过推导,此CRB可表述如下:
其中,
式中,RS=SSH,为半正定厄米特矩阵,
只考虑波达方向角,即θ估计误差对***性能的影响,可对第k个目标信道矩阵建模如下:
其中,hk分别为实际的以及假设的第k个目标信道矩阵,δk为的误差,属于如下凸集:
且,其中,分别为hk真实的以及假设的倒数矢量,为的误差,属于如下凸集:
基于上述内容,改善杂波条件下最差情况参数估计性能的稳健波形优化问题可以表述为:在关于WCM的约束下,基于参数不确定凸集优化WCM以最小化最坏情况下的CRB;在Trace-opt准则下,优化问题可以描述为:
tr(RS)=LP
其中,P表示总的发射功率;式中第三个约束成立是由于每个发射单元发射功率不可能小于零;
步骤三、稳健波形内层优化问题的求解
内层优化问题的求解基于下述引理1:
引理1.假设A为一个M×M的正半定厄米矩阵,则下面的不等式成立:当且仅当A为对角阵的时候等式成立;根据引理1,内层优化问题可以松弛为:
基于CRB,上式可以重写为:
删除取实部操作符Re{·},是由于上式中每一个和项都是实数;
由上式可知,和式中第k项的分母仅依赖于δk和两项,因此上式中的问题等价于,在相应的约束下,最大化和式中的每一项,可表示为:
为求解上式,对RS应用对角加载技术,即:
其中,ε<<λmax(RS)为加载因子,λmax(·)表示矩阵最大特征值,选择ε=λmax(RS)/1000;分别用替换稳健优化问题中的RS,可得 和分别对于和δk是凸的;
由此,上式可以重写为:
上式可以拆写成下面两个独立的最小化问题:
s.t. ||δk||F≤ζk
上述两个最小化问题可以通过下面的引理2求解:
引理2、假设厄米矩阵的则当且仅当时,Z其中,ΔC=A-BHC-1B是Z中C的Schur补;
通过引用引理2,上述两个最小化问题可以转化为如下SDP问题1:
其中,t为辅助变量;
将从以上两式得到的和带入稳健优化问题中,考虑外部优化问题;
步骤四、稳健波形外层优化问题的求解
利用如下命题求解外部优化问题
命题:利用矩阵操作,稳健优化问题中的约束可等价为如下的线性矩阵不等式:
其中
使用引理2并结合上述命题,外层优化问题可表述为如下SDP问题:
其中,X是一个辅助变量;
当获得最优的E后,最小二乘意义下,RS可通过如下模型构建:
s.t. tr(RS)=LP
使用引理2并结合上述命题,上式可等价为如下的SDP问题2:
tr(RS)=LP
步骤五、采用迭代方法求解稳健波形优化问题
步骤5.1、给定波形协方差矩阵初始值;
步骤5.2、求解上述SDP问题1以得到最优δk,
步骤5.3、求解SDP问题2以得到最优E;
步骤5.4、返回步骤5.2重新迭代,直至CRB不再显著减少。
步骤六、基于最小二乘方法,重构最优的波形协方差矩阵,可得RS。
本发明的有益效果是:该方法可用于舒缓传统波形优化方法对参数估计误差和不确定性敏感的问题。首先建立杂波场景下MIMO雷达接收信号模型,基于此模型推导表征待估计参数估计精度的下界-克拉美罗界(CRB),而后将参数不确定凸集显式地包含进传统波形优化问题中;为求解此非线性优化问题,本发明提出了一种基于对角加载(DL)技术的迭代方法,迭代中的每一步都可转化为半定规划(SDP)问题,从而可以获得高效求解,以实现最坏情况下的MIMO雷达稳健波形优化,进而使最坏情况下的参数估计性能得以提升,与非相关波形相比,该方法对最坏情况下的参数估计性能有明显的提升。
附图说明
图1为本发明实现的流程图;
图2为本发明的迭代算法的流程图;
图3为本发明在初始角度存在估计误差且阵列信噪比为10dB时的最优发射波束方向图;
图4为在初始角度存在估计误差情形下,本发明所提算法与非相关波形得到的随ANSR变化的CRB。
图5为本发明在阵列校准存在估计误差且阵列信噪比为10dB时的最优发射波束方向图;
图6为在阵列校准存在估计误差情形下,本发明所提算法与非相关波形得到的最坏情况下随ANSR变化的CRB。
具体实施方式
下面结合附图对本发明做进一步详细描述。
如图1至图6所示,本发明改善MIMO雷达最差参数估计性能的稳健波形设计方法的实现过程如下:
1、建立稳健波形优化问题模型
1)构建MIMO雷达信号模型
假设MIMO雷达接收信号为:
其中,为正比于目标RCS(雷达横截面)的复幅度,为目标位置参数,两者都需要估计。K为目标数目,ρ(θ)为处于θ位置处杂波块的反射系数,W表示干扰噪声,每列是相互独立且同分布圆对称复高斯随机向量,具有零均值,其协方差B未知,为发射信号矩阵。a(θk)和v(θk)分别表示接收、发射导向矢量,具体表示为:
式中,f0为载波频率,τm(θk),m=1,2,…Mr和为传输时间,ac(θ)和vc(θ)分别表示θk处目标的接收和发射导向矢量。
设距离环被分为NC(NC>>NML)个分辨单元,接收信号模型可以改写为
其中,表示杂波传递函数,ρ(θi)为θi处杂波块的反射系数,NC(NC>>MtMr)为杂波空间采样数量,ac(θi)和vc(θi)分别表示θi处杂波块的接收、发射导向矢量。vec(Hc)可以考虑为同分布的复高斯随机向量,其均值为零,协方差为RHc还可以进一步表示为:其中,
2)构建基于CRB的稳健波形优化模型
考虑未知参数θ=[θ1,θ2,…,θK]T、条件下的CRB,经过推导,此CRB可表述如下:
其中,
式中,RS=SSH,为半正定厄米特矩阵,
明显地,CRB是关于θ、Hc、W的函数,而这些参数需通过估计得到,因而不可避免地存在估计误差。由此,利用基于某组参数估计值的CRB优化波形得到的***参数估计性能可能要差于另外一组更为合理的参数估计值。进而,在工程应用中,必须考虑***性能对初始参数估计误差的敏感问题。
本发明中,只考虑波达方向角,即θ估计误差对***性能的影响。因而,可对第k个目标信道矩阵建模如下:
其中,hk分别为实际的以及假设的第k个目标信道矩阵,δk为的误差,属于如下凸集:
且,其中,分别为hk真实的以及假设的倒数矢量,为的误差,属于如下凸集:
基于上述讨论,改善杂波条件下最差情况参数估计性能的稳健波形优化问题可以表述为:在关于WCM的约束下,基于参数不确定凸集优化WCM以最小化最坏情况下的CRB。在Trace-opt准则下,优化问题可以描述为:
tr(RS)=LP
其中,P表示总的发射功率;式中第三个约束成立是由于每个发射单元发射功率不可能小于零。
很明显,CRB矩阵的迹,即上式的目标函数,是一个关于RS和δk,k=1,2,…,K的非常复杂的非线性函数,因而利用诸如凸优化等传统方法非常难以解决。
2.稳健波形优化问题的求解
1)内层优化问题的求解
如上所述,优化问题的目标函数是非常复杂的非线性函数,难以利用传统的优化方法求解。为求解此问题,首先考虑内层优化问题。内层优化问题的求解基于下述引理1:
引理1.假设A为一个M×M的正半定厄米矩阵,则下面的不等式成立:当且仅当A为对角阵的时候等式成立。根据引理1,内层优化问题可以松弛为:
基于CRB,上式可以重写为:
删除取实部操作符Re{·},是由于上式中每一个和项都是实数。
由上式可知,和式中第k项的分母仅依赖于δk和两项,因此上式中的问题等价于,在相应的约束下,最大化和式中的每一项,可表示为:
需要注意的是,由于可知为不定矩阵,因此上式难以求解,为求解此问题,对RS应用对角加载技术,即:
其中,ε<<λmax(RS)为加载因子,λmax(·)表示矩阵最大特征值,下面仿真试验中,选择ε=λmax(RS)/1000。分别用替换稳健优化问题中的RS,可得很明显,和分别对于和δk是凸的。
由此,上式可以重写为:
类似的,上式可以写成下面两个独立的最小化问题:
s.t. ||δk||F≤ζk
以上两个问题可以通过下面的引理2求解:
引理2.假设厄米矩阵的则当且仅当时,其中,ΔC=A-BHC-1B是Z中C的Schur补。
通过引用引理2,以上两个问题可以很明显的转化为如下SDP问题:
其中,t为辅助变量。
将从以上两式得到的和带入稳健优化问题中,考虑外部优化问题。
2)外部优化问题的求解
本发明利用如下命题为求解外部优化问题
命题:利用矩阵操作,稳健优化问题中的约束可等价为如下的线性矩阵不等式:
其中
使用引理2以及结合上述命题,外层优化问题可表述为如下SDP问题:
其中,X是一个辅助变量。
当获得最优的E后,最小二乘意义下,RS可通过如下模型构建:
s.t. tr(RS)=LP
类似于上述讨论,上式可等价为如下的SDP问题:
tr(RS)=LP
3)迭代算法
给定WCM初始值,δk,和RS通过以下步骤进行优化:
①求解内层SDP问题获得最优δk,
②求解外层SDP问题获得E;
重复步骤①②,直到CRB不再显著减少。此后,求解所构建模型即可得RS。
本发明的效果可通过以下仿真进一步说明:
仿真条件:
MIMO雷达是3发3收,利用两个MIMO雷达***,其天线配置分别是:MIMO雷达(0.5,0.5)、MIMO雷达(1.5,0.5),这里括号内的数字表示发射器和接收器内的阵元间距(以波长为单位)。***采样点数为256。阵列信噪比的定义为取值范围为-10dB到30dB。其中,P指总发射功率,为加性高斯白噪声方差。建模杂波为离散取样,其RCS建模为独立同分布的高斯随机变向量,均值为零,方差为并假设相干处理间隔内固定。杂波信噪比定义为等于30dB。在-5°方向有一个强干扰,信噪比为60dB。仅在θ=20°处有一个反射系数为1的点目标。在如下仿真中,假设两种情况,其一是只考虑初始角估计存在误差;其二是只考虑收发阵列中存在的校正误差。
仿真内容:
A:初始角度估计存在不确定的情况
假设初始角估计的不确定性为Δθ=[-3°,3°],即其中为θ的估计,经过计算,得到数据:MIMO(0.5,0.5)为ζ=5.4382,σ=7.6593,MIMO(1.5,0.5)为ζ=27.6329,σ=29.6754。
图3为ASNR=10dB条件下最优发射波束方向图。可以观察到,发射信号波束方向图的峰值位于目标位置周围,这意味着,在该凸不确定最坏情况下***参数估计性能可得到改善。此外,由于稀疏发射阵列,MIMO雷达(1.5,0.5)会出现栅瓣情况,如图3(b)所示。
图4为由所提出算法以及不相关波形所得随ASNR变化的CRB。很明显,CRB随ASNR的增加而降低。此外,可以观察到,所提方法得到的最坏情况下参数估计性能优于不相关波形。而且,随着ASNR的增加,所提方法所得CRB渐进于不相关波形。另外,图4(b)所示MIMO雷达(1.5,0.5)的CRB明显低于图4(a)所示MIMO雷达(0.5,0.5)的CRB。
B:收发阵列存在校正误差的情况
在这种情况下,无论是发射和接收阵列被假定为具有校正误差(传感器的幅度和相位误差以及位置误差)。发射和接收阵列导向矢量的每个元素被一个干扰变量所干扰,该干扰变量为零均值的循环对称复高斯随机变量,方差为计算后,得到MIMO(0.5,0.5)的ζ=13.4764,σ=14.5712,MIMO(1.5,0.5)的ζ=29.8362,σ=32.6573。
图5刻画了ASNR=10dB得到的最佳发射波束方向图。从图5,可以得出相似于图3的结论。所提算法及不相关波形所得随ASNR变化的最坏情况下的CRB如图6所示,从图6中得到的结论类似于图4。
综上所述,本发明针对杂波条件下波形优化方法对初始参数估计误差敏感的问题,提出了基于参数凸不确定集的稳健波形优化方法,并针对此复杂非线性优化问题提出一种基于对角加载的迭代求解方法。为提高杂波条件下MIMO雷达***的参数估计稳健性能,本发明首先针对波达方向角存在误差情况进行建模,并将此参数估计误差凸集显式地包含进波形优化问题中,为求解此非线性优化问题,本发明提出一种基于对角加载的迭代方法对发射波形以及参数估计误差进行交替优化,以得到最优的发射波形协方差矩阵。迭代的每一步都可基于对角加载松弛为半定规划问题,从而可以获得高效求解。基于以上讨论可知,本发明所提方法可为工程应用中通过设计发射波形提高雷达参数估计的稳健性能提供坚实的理论与实现依据。
Claims (1)
1.改善MIMO雷达最差参数估计性能的稳健波形设计方法,其特征在于,该方法包括如下步骤:
步骤一、构建MIMO雷达接收信号模型
假设MIMO雷达接收信号为:
<mrow>
<mi>Y</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>&beta;</mi>
<mi>k</mi>
</msub>
<mi>a</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<msup>
<mi>v</mi>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>S</mi>
<mo>+</mo>
<msubsup>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&pi;</mi>
</mrow>
<mi>&pi;</mi>
</msubsup>
<mi>&rho;</mi>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>a</mi>
<mi>c</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<msubsup>
<mi>v</mi>
<mi>c</mi>
<mi>T</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mi>S</mi>
<mi>d</mi>
<mi>&theta;</mi>
<mo>+</mo>
<mi>W</mi>
</mrow>
其中,为正比于目标雷达横截面RCS的复幅度,为目标位置参数,K为目标数目,ρ(θ)为处于θ位置处杂波块的反射系数,W表示干扰噪声,每列是相互独立且同分布圆对称复高斯随机向量,具有零均值,其协方差B未知,为发射信号矩阵,a(θk)和v(θk)分别表示接收、发射导向矢量,具体表示为:
<mrow>
<mi>a</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msup>
<mi>e</mi>
<mrow>
<mi>j</mi>
<mn>2</mn>
<msub>
<mi>&pi;f</mi>
<mn>0</mn>
</msub>
<msub>
<mi>&tau;</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>,</mo>
<msup>
<mi>e</mi>
<mrow>
<mi>j</mi>
<mn>2</mn>
<msub>
<mi>&pi;f</mi>
<mn>0</mn>
</msub>
<msub>
<mi>&tau;</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msup>
<mi>e</mi>
<mrow>
<mi>j</mi>
<mn>2</mn>
<msub>
<mi>&pi;f</mi>
<mn>0</mn>
</msub>
<msub>
<mi>&tau;</mi>
<msub>
<mi>M</mi>
<mi>r</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
</mrow>
<mrow>
<mi>v</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msup>
<mi>e</mi>
<mrow>
<mi>j</mi>
<mn>2</mn>
<msub>
<mi>&pi;f</mi>
<mn>0</mn>
</msub>
<msub>
<mover>
<mi>&tau;</mi>
<mo>~</mo>
</mover>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>,</mo>
<msup>
<mi>e</mi>
<mrow>
<mi>j</mi>
<mn>2</mn>
<msub>
<mi>&pi;f</mi>
<mn>0</mn>
</msub>
<msub>
<mover>
<mi>&tau;</mi>
<mo>~</mo>
</mover>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msup>
<mi>e</mi>
<mrow>
<mi>j</mi>
<mn>2</mn>
<msub>
<mi>&pi;f</mi>
<mn>0</mn>
</msub>
<msub>
<mover>
<mi>&tau;</mi>
<mo>~</mo>
</mover>
<msub>
<mi>M</mi>
<mi>i</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
</mrow>
式中,f0为载波频率,τm(θk),m=1,2,…Mr和n=1,2,…Mt为传输时间,ac(θ)和vc(θ)分别表示θk处目标的接收和发射导向矢量;
设距离环被分为NC(NC>>MtMr)个分辨单元,MIMO雷达接收信号模型改写为
<mrow>
<mi>Y</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>&beta;</mi>
<mi>k</mi>
</msub>
<mi>a</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<msup>
<mi>v</mi>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mi>S</mi>
<mo>+</mo>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
<mi>S</mi>
<mo>+</mo>
<mi>W</mi>
</mrow>
其中,表示杂波传递函数,ρ(θi)为θi处杂波块的反射系数,ac(θi)和vc(θi)分别表示θi处杂波块的接收、发射导向矢量;vec(Hc)为同分布的复高斯随机向量,其均值为零,协方差为 为位于θi的杂波块的功率;E[·]为求期望运算符;
步骤二、构建基于CRB的稳健波形优化模型
考虑未知参数θ=[θ1,θ2,…,θK]T、条件下的CRB,经过推导,此CRB可表述如下:
<mrow>
<mi>C</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msup>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>Re</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mn>11</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>Re</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mn>12</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>Im</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mn>12</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>Re</mi>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mn>12</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>Re</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mn>22</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>Im</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mn>22</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<msup>
<mi>Im</mi>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mn>12</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msup>
<mi>Im</mi>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mn>22</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>Re</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mn>22</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
其中,
<mrow>
<msub>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>F</mi>
<mn>11</mn>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>&beta;</mi>
<mi>i</mi>
<mo>*</mo>
</msubsup>
<msub>
<mi>&beta;</mi>
<mi>j</mi>
</msub>
<msubsup>
<mover>
<mi>h</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>i</mi>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mover>
<mi>h</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<msub>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>F</mi>
<mn>12</mn>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>&beta;</mi>
<mi>i</mi>
<mo>*</mo>
</msubsup>
<msubsup>
<mover>
<mi>h</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>i</mi>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mi>h</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<msub>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>F</mi>
<mn>22</mn>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>h</mi>
<mi>i</mi>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mi>h</mi>
<mi>j</mi>
</msub>
</mrow>
式中,RS=SSH,为半正定厄米特矩阵, E[·]为求期望运算符;
只考虑波达方向角,即θ估计误差对***性能的影响,可对第k个目标信道矩阵建模如下:
<mrow>
<msub>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
<mo>=</mo>
<msub>
<mi>h</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&delta;</mi>
<mi>k</mi>
</msub>
</mrow>
其中,hk分别为实际的以及假设的第k个目标信道矩阵,δk为的误差,属于如下凸集:
且,其中, 分别为hk真实的以及假设的倒数矢量,为的误差,属于如下凸集:
其中,ζk,σk分别为误差δk,的模上界,||·||F为通用的Frobenius范数运算符;
基于上述内容,改善杂波条件下最差情况参数估计性能的稳健波形优化问题可以表述为:在关于WCM的约束下,基于参数不确定凸集优化WCM以最小化最坏情况下的CRB;在Trace-opt准则下,优化问题可以描述为:
<mrow>
<munder>
<mi>min</mi>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
</munder>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mi>&delta;</mi>
<mi>k</mi>
</msub>
<mo>}</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mover>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>}</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</msubsup>
</mrow>
</munder>
<mi>t</mi>
<mi>r</mi>
<mrow>
<mo>(</mo>
<mi>C</mi>
<mo>)</mo>
</mrow>
</mrow>
tr(RS)=LP
RS≥0
其中,P表示总的发射功率;式中第三个约束成立是由于每个发射单元发射功率不可能小于零;L为发射信号矩阵中每个发射波形的维数,也即波形采样数;
步骤三、稳健波形内层优化问题的求解
内层优化问题的求解基于下述引理1:
引理1.假设A为一个M×M的正半定厄米矩阵,则下面的不等式成立:当且仅当A为对角阵的时候等式成立;根据引理1,内层优化问题可以松弛为:
<mrow>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mi>&delta;</mi>
<mi>k</mi>
</msub>
<mo>}</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mover>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>}</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</msubsup>
</mrow>
</munder>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mfrac>
<mn>1</mn>
<msub>
<mrow>
<mo>&lsqb;</mo>
<mn>2</mn>
<mi>Re</mi>
<mrow>
<mo>(</mo>
<mi>F</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>k</mi>
<mi>k</mi>
</mrow>
</msub>
</mfrac>
</mrow>
其中,F为上述CRB表示中的F矩阵,下标kk则为取矩阵2Re(F)的第k个对角元素;
基于CRB,上式可以重写为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mi>&delta;</mi>
<mi>k</mi>
</msub>
<mo>}</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mover>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>}</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</msubsup>
</mrow>
</munder>
</mtd>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mfrac>
<mn>1</mn>
<mrow>
<msubsup>
<mi>&beta;</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<msubsup>
<mover>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mover>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
<msub>
<mi>&beta;</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<msubsup>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
删除取实部操作符Re{·},是由于上式中每一个和项都是实数;
由上式可知,和式中第k项的分母仅依赖于δk和两项,因此上式中的问题等价于,在相应的约束下,最大化和式中的每一项,可表示为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mi>&delta;</mi>
<mi>k</mi>
</msub>
<mo>}</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</msubsup>
<mo>,</mo>
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mover>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>}</mo>
</mrow>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</msubsup>
</mrow>
</munder>
</mtd>
<mtd>
<mfrac>
<mn>1</mn>
<mrow>
<msubsup>
<mi>&beta;</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<msubsup>
<mover>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mover>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
<msub>
<mi>&beta;</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<msubsup>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
</mrow>
</mfrac>
</mtd>
</mtr>
</mtable>
</mfenced>
为求解上式,对RS应用对角加载技术,即:
<mrow>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>=</mo>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>+</mo>
<mi>&epsiv;</mi>
<mi>I</mi>
<mo>></mo>
<mn>0</mn>
</mrow>
其中,ε<<λmax(RS)为加载因子,λmax(·)表示矩阵最大特征值,选择ε=λmax(RS)/1000;分别用替换稳健优化问题中的RS,可得 和分别对于和δk是凸的;
由此,上式可以重写为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<msub>
<mover>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>,</mo>
<msub>
<mi>&delta;</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>&beta;</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<msubsup>
<mover>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mover>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
<msub>
<mi>&beta;</mi>
<mi>k</mi>
</msub>
<mo>+</mo>
<msubsup>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mover>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>|</mo>
<msub>
<mo>|</mo>
<mi>F</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>&sigma;</mi>
<mi>k</mi>
</msub>
<mo>,</mo>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>&delta;</mi>
<mi>k</mi>
</msub>
<mo>|</mo>
<msub>
<mo>|</mo>
<mi>F</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>&zeta;</mi>
<mi>k</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
上式可以拆写成下面两个独立的最小化问题:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<msub>
<mover>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
</munder>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>&beta;</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<msubsup>
<mover>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mover>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
<msub>
<mi>&beta;</mi>
<mi>k</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mover>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>|</mo>
<msub>
<mo>|</mo>
<mi>F</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>&sigma;</mi>
<mi>k</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<msub>
<mi>&delta;</mi>
<mi>k</mi>
</msub>
</munder>
</mtd>
<mtd>
<mrow>
<msubsup>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<mo>&lsqb;</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mo>)</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<msub>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
s.t.||δk||F≤ζk
上述两个最小化问题可以通过下面的引理2求解:
引理2、假设厄米矩阵的则当且仅当ΔC≥0时,Z≥0,其中,ΔC=A-BHC-1B是Z中C的Schur补;
通过引用引理2,上述两个最小化问题可以转化为如下SDP问题1:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>,</mo>
<msub>
<mover>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
</mrow>
</munder>
</mtd>
<mtd>
<mi>t</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>&sigma;</mi>
<mi>k</mi>
</msub>
</mtd>
<mtd>
<msubsup>
<mover>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
<mi>H</mi>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mover>
<mi>&delta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
</mtd>
<mtd>
<mi>I</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>t</mi>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>&beta;</mi>
<mi>k</mi>
<mo>*</mo>
</msubsup>
<msubsup>
<mover>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
<mi>H</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&beta;</mi>
<mi>k</mi>
</msub>
<msub>
<mover>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mi>k</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>&CircleTimes;</mo>
<mi>B</mi>
<mo>+</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>t</mi>
<mo>,</mo>
<msub>
<mi>&delta;</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
</mtd>
<mtd>
<mi>t</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>&zeta;</mi>
<mi>k</mi>
</msub>
</mtd>
<mtd>
<msubsup>
<mi>&delta;</mi>
<mi>k</mi>
<mi>H</mi>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>&delta;</mi>
<mi>k</mi>
</msub>
</mtd>
<mtd>
<mi>I</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>t</mi>
</mtd>
<mtd>
<msubsup>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
<mi>H</mi>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mover>
<mi>h</mi>
<mo>~</mo>
</mover>
<mi>k</mi>
</msub>
</mtd>
<mtd>
<mrow>
<msubsup>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>&CircleTimes;</mo>
<mi>B</mi>
<mo>+</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
其中,t为辅助变量;
将从以上两式得到的和带入稳健优化问题中,考虑外部优化问题;
步骤四、稳健波形外层优化问题的求解
利用如下命题求解外部优化问题
命题:利用矩阵操作,稳健优化问题中的约束可等价为如下的线性矩阵不等式:
其中表示矩阵, L为发射波形采样数,λmin(·)表示取矩阵的最小特征值;
使用引理2并结合上述命题,外层优化问题可表述为如下SDP问题:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<mi>X</mi>
<mo>,</mo>
<mi>E</mi>
</mrow>
</munder>
</mtd>
<mtd>
<mrow>
<mi>t</mi>
<mi>r</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>X</mi>
</mtd>
<mtd>
<mi>I</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>I</mi>
</mtd>
<mtd>
<mi>F</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
其中,X是一个辅助变量,F为CRB表述中的F矩阵;
当获得最优的E后,最小二乘意义下,RS可通过如下模型构建:
<mrow>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<msub>
<mi>R</mi>
<mi>S</mi>
</msub>
</munder>
<mo>|</mo>
<mo>|</mo>
<msup>
<mrow>
<mo>(</mo>
<msup>
<mi>E</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>-</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>-</mo>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>|</mo>
<msub>
<mo>|</mo>
<mi>F</mi>
</msub>
</mrow>
s.t.tr(RS)=LP
RS≥0
使用引理2并结合上述命题,上式可等价为如下的SDP问题2:
<mrow>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<msub>
<mi>R</mi>
<mi>s</mi>
</msub>
<mo>,</mo>
<mi>t</mi>
</mrow>
</munder>
<mi>t</mi>
</mrow>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>t</mi>
</mtd>
<mtd>
<mrow>
<msup>
<mi>vec</mi>
<mi>H</mi>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msup>
<mi>E</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>-</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>-</mo>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>v</mi>
<mi>e</mi>
<mi>c</mi>
<mrow>
<mo>(</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msup>
<mi>E</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>-</mo>
<msub>
<mi>R</mi>
<msub>
<mi>H</mi>
<mi>c</mi>
</msub>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>-</mo>
<msub>
<mover>
<mi>R</mi>
<mo>~</mo>
</mover>
<mi>S</mi>
</msub>
<mo>&CircleTimes;</mo>
<msup>
<mi>B</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mi>I</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
tr(RS)=LP
RS≥0
步骤五、采用迭代方法求解稳健波形优化问题
步骤5.1、给定波形协方差矩阵初始值;
步骤5.2、求解上述SDP问题1以得到最优δk,
步骤5.3、求解SDP问题2以得到最优E;
步骤5.4、返回步骤5.2重新迭代,直至CRB不再显著减少;
步骤六、基于最小二乘方法,重构最优的波形协方差矩阵,可得RS。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510164914.6A CN104808190B (zh) | 2015-04-09 | 2015-04-09 | 改善mimo雷达最差参数估计性能的稳健波形设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510164914.6A CN104808190B (zh) | 2015-04-09 | 2015-04-09 | 改善mimo雷达最差参数估计性能的稳健波形设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104808190A CN104808190A (zh) | 2015-07-29 |
CN104808190B true CN104808190B (zh) | 2018-02-23 |
Family
ID=53693178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510164914.6A Expired - Fee Related CN104808190B (zh) | 2015-04-09 | 2015-04-09 | 改善mimo雷达最差参数估计性能的稳健波形设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104808190B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105974391B (zh) * | 2016-04-28 | 2018-09-25 | 大连大学 | 非确知目标先验知识条件下mimo雷达稳健波形设计方法 |
CN110320489B (zh) * | 2019-06-26 | 2022-02-08 | 中国电子科技集团公司第三十八研究所 | 一种分布式同构面阵联合估角精度的衡量方法及*** |
CN110493811B (zh) * | 2019-08-15 | 2021-09-24 | 南京航空航天大学 | 基于射频隐身的雷达通信一体化***稳健资源分配方法 |
CN111399395B (zh) * | 2020-03-23 | 2022-11-25 | 武汉科技大学 | 基于雷达目标预测***的f-m ii状态空间模型的实现方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103852749A (zh) * | 2014-01-28 | 2014-06-11 | 大连大学 | 提高mimo-stap检测性能的稳健波形优化方法 |
CN104375121A (zh) * | 2014-01-28 | 2015-02-25 | 大连大学 | 基于先验信息的mimo雷达波形与有偏估计器的联合优化方法 |
CN103852750A (zh) * | 2014-01-28 | 2014-06-11 | 大连大学 | 提高最差估计性能的稳健mimo雷达波形优化的方法 |
-
2015
- 2015-04-09 CN CN201510164914.6A patent/CN104808190B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104808190A (zh) | 2015-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107290730B (zh) | 互耦条件下双基地mimo雷达角度估算方法 | |
CN103245956B (zh) | 一种基于稳健波束形成算法的gps抗多径方法 | |
CN104808180B (zh) | 杂波环境下mimo雷达稳健波形优化方法 | |
CN112904290B (zh) | 一种雷达智能认知抗干扰策略的生成方法 | |
Yang et al. | Knowledge‐aided STAP with sparse‐recovery by exploiting spatio‐temporal sparsity | |
Du et al. | Secondary radar signal processing based on deep residual separable neural network | |
CN104808190B (zh) | 改善mimo雷达最差参数估计性能的稳健波形设计方法 | |
CN103076594B (zh) | 一种基于互相关的水声脉冲信号双阵元定位的方法 | |
CN104111448A (zh) | Mimo雷达收发阵列误差的联合校正方法 | |
CN104391279A (zh) | 基于电离层传播特性的相径扰动抑制方法 | |
CN103698753A (zh) | 一种小型阵列的无源通道校正方法 | |
CN104950297A (zh) | 基于矩阵1范数拟合的阵元误差估计方法 | |
CN102353930B (zh) | 一种高精度测向阵列结构设计方法 | |
CN105022040A (zh) | 基于杂波数据联合拟合的阵元误差估计方法 | |
CN113189592B (zh) | 考虑幅相互耦误差的车载毫米波mimo雷达测角方法 | |
CN104539340A (zh) | 一种基于稀疏表示和协方差拟合的稳健波达角估计方法 | |
Zhu et al. | Sparse regularized total least squares for sensing applications | |
CN107290732A (zh) | 一种量子大***的单基地mimo雷达测向方法 | |
CN111580042B (zh) | 一种基于相位优化的深度学习测向方法 | |
CN105223554A (zh) | 基于多普勒三通道联合处理的空时自适应单脉冲测角方法 | |
CN115113155A (zh) | 一种机载分布式孔径相参合成雷达测试与评估方法 | |
CN113360841B (zh) | 一种基于监督学习的分布式mimo雷达目标定位性能计算方法 | |
CN105242236B (zh) | 宽带信号超分辨测向中的阵元位置误差校正方法 | |
Wang et al. | Kalman filter based acoustic positioning of deep seafloor datum point with two-step systematic error estimation | |
CN110161476B (zh) | 基于幂迭代广义瑞利商算法的雷达波束形成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180223 Termination date: 20190409 |