基于实域加权最小化l1范数方法的MIMO雷达系统DOA估计方法

    公开(公告)号:CN104865556B

    公开(公告)日:2018-07-24

    申请号:CN201510253261.9

    申请日:2015-05-18

    Abstract: 本发明涉及MIMO雷达系统技术领域,特别涉及MIMO雷达系统DOA估计的应用,具体说是一种基于实域加权最小化l1范数方法的MIMO雷达系统DOA估计方法。本发明包括:利用降维矩阵对接收数据进行降维处理;进行奇异值分解并获得稀疏表示框架下的相应模型;利用实域导向矢量和它相应噪声子空间的正交性,设计一个对角线元素与实域MUSIC谱相对应的权值矩阵以解决MMV问题;实现对MIMO雷达系统中目标DOA的估计。本发明通过降维转换SNR增益得到加强,同时所设计的加权l1范数更好地接近了l0范数并且强化了稀疏解,比l1‑SVD和RV l1‑SVD算法有更高的分辨率。

    基于稀疏表示的单基地多输入多输出雷达目标波达方向估计方法

    公开(公告)号:CN105093185B

    公开(公告)日:2017-10-03

    申请号:CN201510519920.9

    申请日:2015-08-23

    Abstract: 本发明提供一种基于稀疏表示的单基地多输入多输出雷达目标波达方向估计方法,首先建立单基地MIMO雷达系统的接收信号模型,构造降维转换矩阵进行降维处理;然后利用酉变换矩阵将降维后的接收数据矩阵变为实域的,设计实值扩展数据矩阵并获得其协方差矩阵;根据Khatri‑Rao积,将实值协方差矩阵向量化以解决多测量矢量(MMV)问题,并得到稀疏表示框架下的相应模型;最后设计权值矩阵获得估计参数并构造实值l1范数最小化框架,得到恢复矩阵,寻找恢复矩阵中的非零行,实现对MIMO雷达系统中目标DOA的估计。本发明计算复杂度明显降低,具有更高的角度分辨率和更好的角度估计性能,并且具有最低的SNR临界值。

    基于压缩空间谱的单基地MIMO雷达目标波达方向估计方法

    公开(公告)号:CN104251989B

    公开(公告)日:2017-06-20

    申请号:CN201410525602.9

    申请日:2014-10-09

    Abstract: 本发明涉及雷达技术领域,特别涉及单基地MIMO雷达系统的应用,具体涉及一种基于压缩空间谱的单基地MIMO雷达目标波达方向估计方法。本发明包括:发射阵列发射相互正交的相位编码信号,接收端利用接收阵列匹配滤波器进行匹配滤波处理;利用降维矩阵,对J个快拍下匹配滤波处理后得到的接收数据进行降维处理;计算降维处理后接收数据Y的协方差矩阵R,计算出噪声子空间与其共轭子空间的交集子空间;构造压缩空间谱函数,对压缩空间谱函数进行搜索;排除虚假波达方向,获得目标的真实波达方向。本发明在MIMO雷达在进行空域波达方向搜索时,避免了传统MUSIC算法二维波达方向联合搜索,只需要一维空间谱搜索,降低运算复杂度。

    互耦条件下基于四阶累积量稀疏表示的MIMO雷达波达方向估计方法

    公开(公告)号:CN105974366A

    公开(公告)日:2016-09-28

    申请号:CN201610280200.6

    申请日:2016-04-29

    CPC classification number: G01S7/02

    Abstract: 本发明属于单基地MIMO雷达系统技术领域,具体涉及互耦条件下基于四阶累积量稀疏表示的MIMO雷达波达方向估计方法。本发明包括:发射阵列发射相互正交的相位编码信号,接收端进行匹配滤波处理后获得接收数据,并利用发射和接收阵列都具有的互耦矩阵带状对称Toeplitz结构特点,通过线性变换消除未知互耦的影响;构造降维转换矩阵,对消除互耦后的数据进行降维处理,进而基于新的数据矩阵构造具有特殊形式的四阶累积量矩阵。本发明由于四阶累积量技术和加权稀疏表示框架的应用,成功地抑制了色噪声,在高斯色噪声情况下,本发明提供精确的波达方向估计,具有更高的角度分辨率和更好的角度估计性能。

    基于稀疏表示的单基地多输入多输出雷达目标波达方向估计方法

    公开(公告)号:CN105093185A

    公开(公告)日:2015-11-25

    申请号:CN201510519920.9

    申请日:2015-08-23

    CPC classification number: G01S7/02

    Abstract: 本发明提供一种基于稀疏表示的单基地多输入多输出雷达目标波达方向估计方法,首先建立单基地MIMO雷达系统的接收信号模型,构造降维转换矩阵进行降维处理;然后利用酉变换矩阵将降维后的接收数据矩阵变为实域的,设计实值扩展数据矩阵并获得其协方差矩阵;根据Khatri-Rao积,将实值协方差矩阵向量化以解决多测量矢量(MMV)问题,并得到稀疏表示框架下的相应模型;最后设计权值矩阵获得估计参数并构造实值l1范数最小化框架,得到恢复矩阵,寻找恢复矩阵中的非零行,实现对MIMO雷达系统中目标DOA的估计。本发明计算复杂度明显降低,具有更高的角度分辨率和更好的角度估计性能,并且具有最低的SNR临界值。

    互耦条件下基于张量实值子空间的双基地MIMO雷达角度估计方法

    公开(公告)号:CN104931931B

    公开(公告)日:2017-11-21

    申请号:CN201510253200.2

    申请日:2015-05-18

    Abstract: 本发明属于双基地MIMO雷达系统技术领域,具体涉及一种互耦条件下基于张量实值子空间的双基地MIMO雷达角度估计方法。本发明包括:发射阵列发射相互正交的相位编码信号;在三阶测量张量中提取一个子张量以消除未知互耦的影响;将子张量转换成为实值的,并利用高阶奇异值分解构造实值信号子空间;利用实值信号子空间实现对未知互耦误差条件下双基地MIMO雷达中目标联合DOD和DOA的估计。本发明考虑了接收数据固有的多维结构,利用HOSVD技术比传统SVD/EVD方法更有效地抑制了噪声,角度估计性能得以提高,本发明比相似MUSIC算法和相似ESPRIT算法都具有更好的角度估计性能。

    互耦条件下基于张量实值子空间的双基地MIMO雷达角度估计方法

    公开(公告)号:CN104931931A

    公开(公告)日:2015-09-23

    申请号:CN201510253200.2

    申请日:2015-05-18

    CPC classification number: G01S13/003 G01S7/02

    Abstract: 本发明属于双基地MIMO雷达系统技术领域,具体涉及一种互耦条件下基于张量实值子空间的双基地MIMO雷达角度估计方法。本发明包括:发射阵列发射相互正交的相位编码信号;在三阶测量张量中提取一个子张量以消除未知互耦的影响;将子张量转换成为实值的,并利用高阶奇异值分解构造实值信号子空间;利用实值信号子空间实现对未知互耦误差条件下双基地MIMO雷达中目标联合DOD和DOA的估计。本发明考虑了接收数据固有的多维结构,利用HOSVD技术比传统SVD/EVD方法更有效地抑制了噪声,角度估计性能得以提高,本发明比相似MUSIC算法和相似ESPRIT算法都具有更好的角度估计性能。

    基于压缩空间谱的单基地MIMO雷达目标波达方向估计方法

    公开(公告)号:CN104251989A

    公开(公告)日:2014-12-31

    申请号:CN201410525602.9

    申请日:2014-10-09

    CPC classification number: G01S3/50 G01S7/42 G01S13/88

    Abstract: 本发明涉及雷达技术领域,特别涉及单基地MIMO雷达系统的应用,具体涉及一种基于压缩空间谱的单基地MIMO雷达目标波达方向估计方法。本发明包括:发射阵列发射相互正交的相位编码信号,接收端利用接收阵列匹配滤波器进行匹配滤波处理;利用降维矩阵,对J个快拍下匹配滤波处理后得到的接收数据进行降维处理;计算降维处理后接收数据Y的协方差矩阵R,计算出噪声子空间与其共轭子空间的交集子空间;构造压缩空间谱函数,对压缩空间谱函数进行搜索;排除虚假波达方向,获得目标的真实波达方向。本发明在MIMO雷达在进行空域波达方向搜索时,避免了传统MUSIC算法二维波达方向联合搜索,只需要一维空间谱搜索,降低运算复杂度。

    基于多测量矢量稀疏表示的MIMO雷达连续目标角度估计方法

    公开(公告)号:CN103983958A

    公开(公告)日:2014-08-13

    申请号:CN201410206187.0

    申请日:2014-05-16

    CPC classification number: G01S3/46 G01S7/41

    Abstract: 本发明公开了一种能够提高单基地MIMO雷达角度估计性能的基于多测量矢量稀疏表示的MIMO雷达连续目标角度估计方法。包括以下几个步骤:获取单基地MIMO雷达的接收信号;对接收信号进行降维处理;对降维后的接收信号稀疏表示,建立完备字典;对字典矩阵进行划分,设计权矩阵;求得单基地MIMO雷达稀疏化框架下的接收信号,求解稀疏矩阵通过寻找稀疏矩阵中非零行获得目标的波达角DOA。本发明具有良好的角度估计性能,同时对于连续目标同样有效,在没有正确估计目标数目情况下也能够具有良好估计性能。

Patent Agency Ranking