CN110196417B - 基于发射能量集中的双基地mimo雷达角度估计方法 - Google Patents
基于发射能量集中的双基地mimo雷达角度估计方法 Download PDFInfo
- Publication number
- CN110196417B CN110196417B CN201910544141.2A CN201910544141A CN110196417B CN 110196417 B CN110196417 B CN 110196417B CN 201910544141 A CN201910544141 A CN 201910544141A CN 110196417 B CN110196417 B CN 110196417B
- Authority
- CN
- China
- Prior art keywords
- matrix
- representing
- angle
- pulse
- target
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims abstract description 192
- 239000013598 vector Substances 0.000 claims abstract description 46
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 238000013507 mapping Methods 0.000 claims abstract description 15
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000003491 array Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 10
- 230000001427 coherent effect Effects 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000021615 conjugation Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 9
- 239000006185 dispersion Substances 0.000 abstract 2
- 238000001514 detection method Methods 0.000 abstract 1
- 238000000691 measurement method Methods 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- NRNCYVBFPDDJNE-UHFFFAOYSA-N pemoline Chemical compound O1C(N)=NC(=O)C1C1=CC=CC=C1 NRNCYVBFPDDJNE-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
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)
Abstract
本发明公开了基于发射能量集中的双基地MIMO雷达角度估计方法,其实现为:在已知目标相对于发射阵列角度区域的情况下,通过求解凸优化问题设计发射波束域矩阵并对其缩放;定义基于发射波束域矩阵的发射波形,以得到接收回波模型;对接收回波模型进行匹配滤波,并将滤波后的数据转换为列矢量构造新的回波模型;对新构造的回波模型求解其自相关矩阵,并对自相关矩阵进行特征值分解得到包含波离角和波达角信息的信号子空间;根据信号子空间得到目标波离角与波达角的估计值;建立映射关系以补偿在求解凸优化问题过程中的波离角差值误差,得到目标波离角的最优估计值。本发明解决了现有技术发射能量不集中的问题,提高了测角精度,可用于目标探测。
Description
技术领域
本发明属于雷达技术领域,更进一步涉及双基地MIMO雷达角度估计方法,可用于改善传统双基地MIMO雷达在测角过程中各个方向的发射增益都比较均匀而造成的能量损失问题。
背景技术
与传统的相控阵雷达相比,MIMO雷达近年来引起了广泛的关注,MIMO雷达是在常规相控阵雷达的基础上要求发射天线发射不完全相关的波形,当发射正交波形时就可以使得信号在空域的覆盖范围更广泛,在信号处理时,就可以同时形成多波束来覆盖空域范围。
在双基地MIMO雷达中,波离角DOD指的是雷达发射信号方向与发射天线法线的夹角,波达角DOA指的是目标回波方向与接收天线法线的夹角。波离角和波达角的角度测量是双基地MIMO雷达的一个重要研究领域。双基地MIMO雷达波离角和波达角的测角方法现阶段主要是基于子空间类的算法,基于子空间类的算法中常用的是ESPRIT算法和MUSIC算法。相比于MUSIC算法,ESPRIT算法通过两个特性完全相同的子阵,利用旋转不变技术,避免了MUSIC算法的谱峰搜索,具有更好的稳健性。
在文献“Angle estimation using ESPRIT in MIMO radar”中提出了基于ESPRIT算法的双基地MIMO雷达角度估计方法,上述文献中该ESPRIT算法采用波形分集技术,即其发射波形是完全正交的,通过对目标回波数据求解自相关矩阵并进行特征值分解,从而得到包含目标波离角和波达角信息的信号子空间;然而,由于采用完全正交的发射波形,导致各个方向的发射增益都比较均匀,在已知目标相对于发射阵列的角度区域的情况下,实际上降低了发射的相干增益并导致了测角性能的降低,这是传统双基地MIMO雷达测角的一个显著缺点。
发明内容
本发明的目的在于针对上述现有技术存在的不足,提出一种基于发射能量集中的双基地MIMO雷达角度估计方法,以提高目标波离角和波达角的测角精度。
本发明的技术方案是,在已知目标相对于发射阵列的角度区域的情况下,通过求解凸优化问题设计发射波束域矩阵并对其缩放,定义基于发射波束域矩阵的发射波形,再利用发射波形得到接收回波模型,通过对接收回波模型进行匹配滤波,并将滤波后的数据转换为列矢量构造新的回波模型,对新构造的回波模型求解自相关矩阵,并对自相关矩阵进行特征值分解得到包含波离角和波达角信息的信号子空间,根据获得的信号子空间得到目标波离角与波达角的估计值,最后建立映射关系对在求解凸优化问题过程中造成的波离角的差值误差进行误差补偿,从而得到目标波离角的最优估计值。其实现步骤包括如下:
(1)设置双基地MIMO雷达的发射阵元数为M,接收阵元数为N,双基地MIMO雷达总的发射能量为E,发射波束域空间维度为L,雷达一个相干处理间隔CPI内总的回波脉冲数为Q,在目标空域中有G个目标;
(2)根据目标相对于发射阵列的角度区域,利用凸优化方法设计发射波束域矩阵W,并对W进行放缩,使其满足tr(W*WT)=L,得到缩放后的发射波束域矩阵W',其中,[·]*表示矩阵的共轭,[·]T表示矩阵的转置,tr(·)表示矩阵的迹;
其中,[·]*表示矩阵的共轭,表示双基地MIMO雷达发射阵列发射的L个相互正交的波形,且SSH=IL,IL表示L×L的单位矩阵,t=1,2,...,T,T表示每个脉冲周期的采样数,表示发射波形S中第m个阵元发射的波形,q=1,…,Q表示脉冲编号;
(4)对第q个接收脉冲的回波信号Xq进行匹配滤波,并将匹配滤波后的数据矩阵Yq转化为列矢量yq,进而构建新的回波信号矩阵Y;
(5)计算新构造的回波信号矩阵Y的自相关矩阵R,并对该自相关矩阵R进行特征值分解,确定信号子空间Es;
(7)建立无噪声的回波信号矩阵模型:
其中A为发射导向矩阵,B为接收导向矩阵,C为反射系数矩阵,[·]H表示矩阵的共轭转置,⊙表示Khatri-Rao积;
(8)根据(7)中的无噪声的回波矩阵模型,当发射天线和接收天线的阵列结构为半波长等间隔均匀线阵ULA时,可得到以下映射关系:
其中Jt,1=[IL-1,0],Jt,2=[0,IL-1],IL-1为L-1阶单位阵,θi表示目标相对于发射阵列的角度区域内第i个采样点的角度值,a(θi)为目标空域的发射导向矢量,表示目标相对于发射阵列的角度区域内第i个采样点的映射角度值,与θi一一对应,i=1,...,I,I为目标相对于发射阵列的角度区域内的采样点数;
本发明与现有技术相比具有如下的优点:
第一,本发明利用凸优化方法设计MIMO雷达的发射波束域矩阵,使得MIMO雷达的发射能量集中于目标所位于的空间扇区,减少了发射能量的损失。
第二,本发明与传统MIMO雷达的ESPRIT测角方法相比,由于发射阵列在目标所位于空间扇区的角度区域的发射能量高,使目标回波信号信噪比增强,提高了波离角和波达角的测角精度。
第三,本发明通过建立映射关系对目标波离角估计值进行误差补偿,减小了在利用凸优化方法求解发射波束域矩阵时造成的波离角误差。
附图说明
图1是本发明的实现流程图;
图2是本发明中基于发射能量集中的双基地MIMO雷达的发射能量分布与传统双基地MIMO雷达的发射能量分布对比图;
图3是本发明与传统测角方法对两个不相关目标测角的均方根误差随信噪比变化对比图;
图4是本发明与传统测角方法对两个不相关目标测角的均方根误差随脉冲数变化对比图。
具体实施方式
下面将结合附图对本发明的实施例和效果进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1,本实施例的实现步骤如下:
步骤1,设置双基地MIMO雷达参数
设置双基地MIMO雷达的发射阵元数为M,M>0,接收阵元数为N,N>0,双基地MIMO雷达总的发射能量为E>0,发射波束域空间维度为L,L<M,雷达一个相干处理间隔CPI内总的回波脉冲编号为q,q=1,2,...Q,Q为雷达一个相干处理间隔CPI内总的回波脉冲数,在目标空域中目标数为G,G>0;
步骤2,根据目标相对于发射阵列的角度区域的位置,利用凸优化方法设计发射波束域矩阵W。
凸优化方法是指求解目标函数是凸函数,变量所属集合是凸集合的优化问题的方法。
本实例是用凸优化方法根据目标相对于发射阵列的角度区域设计发射波束域矩阵W,其实现如下:
设定目标相对于发射阵列的角度区域Θ为[δmin,δmax],δmin表示目标出现的最小预期角度,δmax表示目标出现的最大预期角度;
其中,[·]T表示矢量的转置,θi∈Θ,i=1,2,...,I,I表示Θ的采样点总个数;
(2.4)根据(2.1)、(2.2)和(2.3)的参数,通过求解下列凸优化问题设计发射波束域矩阵W:
步骤3,对发射波束域矩阵W进行缩放,使其满足tr(W*WT)=L,得到缩放后的发射波束域矩阵W'。
步骤4,根据缩放后的发射波束域矩阵W',得到回波信号矩阵X。
(4.1)根据缩放后的发射波束域矩阵,得到基于发射波束域的发射波形:
(4.2)确定发射导向矩阵A和接收导向矩阵B:
A=[a(θ1),a(θ2),...a(θk),...,a(θG)]
(4.3)将G个目标在第q个回波脉冲的反射系数对角矩阵Λq表示为:
Λq=diag(cq),
其中,diag(·)表示对角化操作,cq=[α1,q,α2,q,…αk,q,…,αG,q]T表示G个目标在第q个回波脉冲的反射系数向量,αk,q表示第q个回波脉冲中第k个目标的反射系数;
(4.4)根据(4.1)中发射波形和(4.2)中发射导向矩阵A、接收导向矩阵B和(4.3)中的反射系数对角矩阵Λq,计算第q个接收脉冲的回波信号矩阵Xq:
其中,[·]T表示矩阵转置,[·]*表示矩阵共轭;Nq代表第q个回波脉冲的噪声矩阵,其均值为零并服从高斯白噪声分布;
(4.5)对Xq从1到Q依次取q值,得到回波信号矩阵X=[X1,X2,...,Xq,...,XQ]。
步骤5,利用步骤4中得到的第q个接收脉冲的回波信号Xq,构建新的回波信号矩阵Y。
(5.1)对第q个回波脉冲的信号矩阵Xq右乘SH进行匹配滤波,得到匹配滤波后第q个脉冲的信号矩阵Yq:
其中,[·]T表示矩阵转置,[·]H表示矩阵共轭转置;S为双基地MIMO雷达发射阵列发射的L个相互正交的波形;表示匹配滤波后第q个脉冲的噪声矩阵,Λq表示G个目标在第q个回波脉冲的反射系数对角矩阵;A为发射导向矩阵;B为接收导向矩阵;表示缩放后的发射波束域矩阵;
(5.2)根据(5.1)中的公式,将Yq按列排列得到匹配滤波后的第q个脉冲的信号列向量yq:
(5.3)从1到Q取q值,根据(5.2)中的公式,分别得到如下矩阵:
将匹配滤波后的第1个脉冲的信号列向量y1至匹配滤波后第Q个脉冲的信号列向量yQ,记为新的回波信号矩阵:Y=[y1,y2,...,yq,...,yQ];
将G个目标在第1个脉冲的反射系数向量c1至G个目标在第Q个脉冲的反射系数向量cQ,记为反射系数矩阵:C=[c1,c2,...,cq,...,cQ];
步骤6,根据步骤5中得到的新的回波信号矩阵Y,确定信号子空间Es。
(6.1)计算新的回波信号矩阵Y的自相关矩阵R:
其中,[·]H表示矩阵共轭转置,yq为匹配滤波后的第q个脉冲的信号列向量。
(6.2)对自相关矩阵R进行特征值分解,得到:
其中,uk表示自相关矩阵R的第k个特征值,vk表示自相关矩阵R的第k个特征值uk对应的特征向量,σ2表示噪声功率,ILN表示LN阶单位阵;
(6.3)确定信号子空间
将(6.2)中自相关矩阵R的第1个特征值u1对应的特征向量v1至自相关矩阵R的第G个特征值uG对应的特征向量vG按列构成MN×G维矩阵,将此矩阵记为信号子空间Es。
(7.1)定义发射角度矩阵Ψt和接收角度矩阵Ψr
Ψt=T-1ΦtT
Ψr=T-1ΦrT
T为一个特定的G×G的非奇异矩阵;
(7.2)根据信号子空间的性质及雷达阵列结构,得到以下两个方程:
其中,符号代表Kronecker积,Es表示信号子空间,Jt,1=[IL-1,0],Jt,2=[0,IL-1],Jr,1=[IN-1,0],Jr,2=[0,IN-1]表示选择矩阵,IL-1表示(L-1)×(L-1)的单位矩阵,IN-1表示(N-1)×(N-1)的单位矩阵,IN表示N×N的单位矩阵,IL表示L×L的单位矩阵;
(7.3)将(7.1)代入(7.2)中的方程,求解发射角度矩阵Ψt和接收角度矩阵Ψr:
(7.4)对求得的发射角度矩阵Ψt和接收角度矩阵Ψr进行特征分解:
其中,γk表示发射角度矩阵Ψt的第k个特征值,qk表示发射角度矩阵Ψt的第k个特征值γk对应的特征向量,μk表示接收角度矩阵Ψr的第k个特征值,fk表示接收角度矩阵Ψr的第k个特征值μk对应的特征向量;
其中,angle(·)表示取相位操作;
步骤8,建立无噪声的回波信号矩阵模型:
其中A为发射导向矩阵,B为接收导向矩阵,C为反射系数矩阵,[·]H表示矩阵的共轭转置,⊙表示Khatri-Rao积。
(9.1)根据步骤8中的无噪声的回波矩阵模型,当发射天线和接收天线的阵列结构为半波长等间隔均匀线阵ULA时,得到以下映射关系:
其中,Jt,1=[IL-1,0],Jt,2=[0,IL-1],IL-1为L-1阶单位阵,θi∈Θ,i=1,2,...,I,I表示Θ的采样点总个数,a(θi)为目标空域的发射导向矢量,表示θi的映射角度值,与θi一一对应;
步骤10,通过查找,得到每个目标波离角的最优估计值。
通过以下仿真实验对本发明效果作进一步的描述。
1.仿真实验条件:
设双基地MIMO雷达的发射天线数M=8,接收天线数N=4,发射阵列和接收阵列均为半波长等间隔均匀线阵,发射总能量E=8,目标相对于发射阵列的角度区域Θ=[-15°,15°],假定Θ中有两个不相干目标,其分别位于和蒙特卡洛实验次数为P=500。
2.仿真内容
仿真1,在上述条件下,设本发明中的发射波束域维度L=6,在Θ中最大可接受WHa(θi)和之间的误差α=0.04;分别仿真本发明中基于发射能量集中的双基地MIMO雷达能量分布与传统双基地MIMO雷达的能量分布,结果如图2所示。
从图2可见,传统的双基地MIMO雷达的发射能量均匀,然而本发明的双基地MIMO雷达的发射能量集中在目标相对于发射阵列的角度区域,发射能量的损失更小,目标回波信号的信噪比更高。
仿真2,在上述仿真条件下,设雷达一个相干处理间隔CPI内总的回波脉冲数Q=50,并在本发明中,设发射波束域维度L=6,设在Θ中最大可接受WHa(θi)和之间的误差α=0.04;分别仿真本发明与三种传统测角方法,传统的ESPRIT方法、传统的PM方法和传统的U-ESPRIT方法,的均方根误差RMSE随信噪比变化,结果如图3所示。
从图3可见,本发明的双基地MIMO雷达测角的均方根误差RMSE相比于其他测角方法均方根误差更小,测角精度更高。
仿真3,在上述仿真条件下,设雷达的信噪比SNR=0db,并在本发明中,设发射波束域维度L=6,在Θ中最大可接受WHa(θi)和之间的误差为α=0.04;分别仿真本发明与三种传统测角方法,传统的ESPRIT方法、传统的PM方法和传统的U-ESPRIT方法,的均方根误差RMSE随回波脉冲总数变化,结果如图4所示。
从图4可见,本发明的双基地MIMO雷达测角的均方根误差RMSE相比于其他测角方法均方根误差更小,测角精度更高。
所述均方根误差其定义为:
以上所述仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种基于发射能量集中的双基地MIMO雷达角度估计方法,其特征在于,包括如下:
(1)设置双基地MIMO雷达的发射阵元数为M,接收阵元数为N,双基地MIMO雷达总的发射能量为E,发射波束域空间维度为L,雷达一个相干处理间隔CPI内总的回波脉冲数为Q,在目标空域中有G个目标;
(2)根据目标相对于发射阵列的角度区域利用凸优化方法设计发射波束域矩阵W,并对W进行放缩,使其满足tr(W*WT)=L,得到缩放后的发射波束域矩阵W',其中,[·]*表示矩阵的共轭,[·]T表示矩阵的转置,tr(·)表示矩阵的迹;
其中,[·]*表示矩阵的共轭,表示双基地MIMO雷达发射阵列发射的L个相互正交的波形,且SSH=IL,IL表示L×L的单位矩阵,t=1,2,...,T',T'表示每个脉冲周期的采样数,表示发射波形S中第m个阵元发射的波形,q=1,...,Q表示脉冲编号;
(4)对第q个接收脉冲的回波信号Xq进行匹配滤波,并将匹配滤波后的数据矩阵Yq转化为列矢量yq,进而构建新的回波信号矩阵Y;
(5)计算新构造的回波信号矩阵Y的自相关矩阵R,并对该自相关矩阵R进行特征值分解,确定信号子空间Es;
(7)建立无噪声的回波信号矩阵模型:
其中A为发射导向矩阵,B为接收导向矩阵,C为反射系数矩阵,[·]H表示矩阵的共轭转置,⊙表示Khatri-Rao积;
(8)根据(7)中的无噪声的回波矩阵模型,当发射天线和接收天线的阵列结构为半波长等间隔均匀线阵ULA时,可得到以下映射关系:
其中Jt,1=[IL-1,0],Jt,2=[0,IL-1],IL-1为L-1阶单位阵,θi表示目标相对于发射阵列的角度区域内第i个采样点的角度值,a(θi)为目标空域的发射导向矢量,表示目标相对于发射阵列的角度区域内第i个采样点的映射角度值,即波离角;与θi一一对应,i=1,...,I,I为目标相对于发射阵列的角度区域的采样点数;
2.如权利要求1所述的方法,其特征在于,(2)中根据目标相对于发射阵列的角度区域利用凸优化方法设计发射波束域矩阵W,实现如下:
(2b)根据(2a)设计的参数,通过求解下列凸优化问题得到发射波束域矩阵W:
3.如权利要求1所述的方法,其特征在于,(3)中得到回波信号矩阵X=[X1,X2,...,Xq,...,XQ],其实现如下:
A=[a(θ1),a(θ2),...a(θk),...,a(θG)]
(3b)G个目标在第q个回波脉冲的反射系数对角矩阵Λq可表示为:
Λq=diag(cq)
其中,diag(·)表示对角化操作,cq=[α1,q,α2,q,...αk,q,...,αG,q]T表示G个目标在第q个回波脉冲的反射系数向量,αk,q表示第q个回波脉冲中第k个目标的反射系数;
(3c)根据发射波形和(3a)、(3b)中的参数,计算第q个接收脉冲的回波信号矩阵Xq:
其中,[·]T表示矩阵转置,[·]*表示矩阵共轭;Nq代表第q个回波脉冲的噪声矩阵,其均值为零并服从高斯白噪声分布;
(3d)对Xq从1到Q依次取q值,得到回波信号矩阵X=[X1,X2,...,Xq,...,XQ]。
4.如权利要求1所述的方法,其特征在于,(4)中构建的新回波信号矩阵Y,实现如下:
(4a)对第q个回波脉冲的信号矩阵Xq右乘SH进行匹配滤波,得到匹配滤波后第q个脉冲的信号矩阵Yq:
其中,[·]T表示矩阵转置,[·]H表示矩阵共轭转置;S为双基地MIMO雷达发射阵列发射的L个相互正交的波形;表示匹配滤波后第q个脉冲的噪声矩阵,Λq表示G个目标在第q个回波脉冲的反射系数对角矩阵;A为发射导向矩阵;B为接收导向矩阵;
(4b)根据(4a)中的公式,将Yq按列排列得到匹配滤波后的第q个脉冲的信号列向量yq:
(4c)从1到Q取q值,根据(4b)中的公式,分别得到如下矩阵:
匹配滤波后的第1个脉冲的信号列向量y1至匹配滤波后第Q个脉冲的信号列向量yQ,记为新的回波信号矩阵:Y=[y1,y2,...,yq,...,yQ];
G个目标在第1个脉冲的反射系数向量c1至G个目标在第Q个脉冲的反射系数向量cQ,记为反射系数矩阵:C=[c1,c2,...,cq,...,cQ];
(4d)将(4b)中的公式代入Y=[y1,y2,...,yq,...,yQ],根据(4c)中的参数,得到新的回波信号矩阵Y为:
Ψt=T-1ΦtT
Ψr=T-1ΦrT
T为一个特定的G×G的非奇异矩阵;
(6b)根据信号子空间的性质及雷达阵列结构,得到以下两个方程:
其中,符号代表Kronecker积,ES表示信号子空间,Jt,1=[IL-1,0],Jt,2=[0,IL-1],Jr,1=[IN-1,0],Jr,2=[0,IN-1]表示选择矩阵,IL-1表示(L-1)×(L-1)的单位矩阵,IN-1表示(N-1)×(N-1)的单位矩阵,IN表示N×N的单位矩阵,IL表示L×L的单位矩阵;
(6c)将(6a)代入(6b)中的方程,求解发射角度矩阵Ψt和接收角度矩阵Ψr:
(6d)对发射角度矩阵Ψt和接收角度矩阵Ψr进行特征分解
其中,γk表示发射角度矩阵Ψt的第k个特征值,qk表示发射角度矩阵Ψt的第k个特征值γk对应的特征向量,μk表示接收角度矩阵Ψr的第k个特征值,fk表示接收角度矩阵Ψr的第k个特征值μk对应的特征向量;
其中,angle(·)表示取相位操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910544141.2A CN110196417B (zh) | 2019-06-21 | 2019-06-21 | 基于发射能量集中的双基地mimo雷达角度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910544141.2A CN110196417B (zh) | 2019-06-21 | 2019-06-21 | 基于发射能量集中的双基地mimo雷达角度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110196417A CN110196417A (zh) | 2019-09-03 |
CN110196417B true CN110196417B (zh) | 2023-04-21 |
Family
ID=67754984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910544141.2A Active CN110196417B (zh) | 2019-06-21 | 2019-06-21 | 基于发射能量集中的双基地mimo雷达角度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110196417B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113281702B (zh) * | 2021-04-30 | 2024-02-09 | 中国人民解放军战略支援部队信息工程大学 | 协同短波多站角度与卫星时频的超视距目标直接定位方法 |
CN113468735B (zh) * | 2021-06-24 | 2024-03-22 | 国汽(北京)智能网联汽车研究院有限公司 | 一种激光雷达仿真方法、装置、***和存储介质 |
CN113655475B (zh) * | 2021-08-16 | 2023-06-20 | 电子科技大学 | 一种基于波形选择的雷达通信一体化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105974388A (zh) * | 2016-06-24 | 2016-09-28 | 西安电子科技大学 | 基于距离-方位耦合的双基地mimo雷达信号处理方法 |
JP2017116425A (ja) * | 2015-12-24 | 2017-06-29 | 学校法人東京電機大学 | Mimoレーダシステム、および信号処理装置 |
CN108490425A (zh) * | 2018-03-07 | 2018-09-04 | 西安电子科技大学 | 一种双基地mimo雷达的测角方法 |
CN108828586A (zh) * | 2018-06-27 | 2018-11-16 | 西安电子科技大学 | 一种基于波束域的双基地mimo雷达测角优化方法 |
CN108983143A (zh) * | 2018-05-23 | 2018-12-11 | 长江大学 | 有色噪声背景下双基地mimo雷达角度估计方法 |
-
2019
- 2019-06-21 CN CN201910544141.2A patent/CN110196417B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017116425A (ja) * | 2015-12-24 | 2017-06-29 | 学校法人東京電機大学 | Mimoレーダシステム、および信号処理装置 |
CN105974388A (zh) * | 2016-06-24 | 2016-09-28 | 西安电子科技大学 | 基于距离-方位耦合的双基地mimo雷达信号处理方法 |
CN108490425A (zh) * | 2018-03-07 | 2018-09-04 | 西安电子科技大学 | 一种双基地mimo雷达的测角方法 |
CN108983143A (zh) * | 2018-05-23 | 2018-12-11 | 长江大学 | 有色噪声背景下双基地mimo雷达角度估计方法 |
CN108828586A (zh) * | 2018-06-27 | 2018-11-16 | 西安电子科技大学 | 一种基于波束域的双基地mimo雷达测角优化方法 |
Non-Patent Citations (2)
Title |
---|
Transmit Beamspace-Based Unitary Parallel Factor Method for DOD and DOA Estimation in Bistatic MIMO Radar;BAOQING XU等;《IEEE Access》;20181030;全文 * |
最大化信干噪比的双基地MIMO雷达波形设计;吴磊等;《现代防御技术》;20180630;第46卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110196417A (zh) | 2019-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109407055B (zh) | 基于多径利用的波束形成方法 | |
CN107576940B (zh) | 一种低复杂度单基地mimo雷达非圆信号角度估计方法 | |
CN108549059B (zh) | 一种复杂地形条件下的低空目标仰角估计方法 | |
CN110113085B (zh) | 一种基于协方差矩阵重构的波束形成方法及*** | |
CN107390197B (zh) | 基于特征空间的雷达自适应和差波束测角方法 | |
CN110196417B (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
CN110673086A (zh) | 一种基于数字阵列雷达的二维角度超分辨方法 | |
CN111239677B (zh) | 基于数字阵列的多波束被动单脉冲测角方法 | |
CN108303683B (zh) | 单基地mimo雷达实值esprit非圆信号角度估计方法 | |
CN109254272B (zh) | 一种共点式极化mimo雷达的两维角度估计方法 | |
CN112612005B (zh) | 基于深度学习的雷达抗主瓣干扰方法 | |
CN113835068A (zh) | 一种基于独立成分分析的盲源分离实时抗主瓣干扰方法 | |
CN108828586B (zh) | 一种基于波束域的双基地mimo雷达测角优化方法 | |
Qi et al. | Time-frequency DOA estimation of chirp signals based on multi-subarray | |
Yang et al. | Estimation of the DOAs of coherent signals in beam space processing for phased arrays | |
CN111693979B (zh) | 一种基于泰勒展开的数字阵列单脉冲测角方法 | |
CN111812607A (zh) | 基于波束空间的米波mimo雷达低仰角估计方法 | |
CN114265004B (zh) | 一种基于子空间对消的干扰下的目标角度估计方法 | |
Zhou et al. | Research on interferometer direction finding technology based on digital beam forming | |
CN108845298B (zh) | 基于杂波映射的自适应波束形成方法 | |
CN109633563B (zh) | 基于多径信息的自适应相干波束形成方法 | |
CN114487985A (zh) | 一种基于差-和信号的波束锐化方法及*** | |
CN114137494A (zh) | 基于最小冗余特征波束的阵列回波数据降维处理方法 | |
KR102331907B1 (ko) | 거리와 각도 동시 추정을 위한 레이더 신호 처리 장치 및 그 방법 | |
CN112666558B (zh) | 一种适用于汽车fmcw雷达的低复杂度music测向方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |