摘要：该文针对十字型阵列配置下的单基地MIMO雷达2维空间角度估计问题,提出一种基于ESPRIT算法的降维DOA估计算法。算法通过降维矩阵的设计及回波数据的降维变换,将高维回波数据转换至低维信号空间,最大程度地去除了所有的冗余数据;利用矩阵的酉变换进行实数域信号子空间的估计,并基于ESPRIT算法实现2维空间角度的联合估计及参数的自动配对。算法不牺牲阵列孔径,在获取信噪比增益和快拍增益的同时,有效降低了回波数据的维数,具有更低的运算复杂度。仿真结果验证了理论分析的正确性和算法的有效性。

摘要：该文针对L型阵列MIMO雷达的2维角度估计问题,基于ESPRIT算法提出两种降维DOA估计方法。首先通过降维矩阵的设计及回波数据的降维变换,将高维回波数据转换至低维信号空间;然后分别基于特征分解和传播算子获得信号子空间的估计,最后利用ESPRIT算法实现2维空间角参量的联合估计及参数的自动配对。算法不牺牲阵列孔径,最大程度地降低了回波数据的维数,具有更低的运算复杂度。仿真结果验证了该文理论分析的正确性和算法的有效性。

摘要：针对L型阵列多输入多输出(multiple-input multiple-output,MIMO)雷达二维空间角估计问题,提出一种基于协方差矩阵联合稀疏重构的降维波达方向(direction of arrival,DOA)估计算法。该算法根据L型阵列MIMO雷达联合流型矢量的特点,通过降维矩阵的设计及回波数据的降维变换,最大程度地去除了所有的冗余数据;通过协方差矩阵联合构造稀疏线性模型,将2维角参量空间映射到1维空间,极大降低字典长度和求解复杂度的同时,不牺牲阵列孔径,实现了二维空间角度的有效估计和参数的自动配对。理论分析与实验仿真表明:与RD_MUSIC算法相比,本文降维处理有效提高阵元利用率的同时,最大程度地降低了回波数据的维数;与传统子空间类算法相比,基于协方差矩阵联合构造的稀疏线性模型充分利用了阵列孔径,无需预先估计目标数目,参数估计性能在低信噪比及小快拍数据长度下优势明显。最后,仿真结果验证了本文理论分析的正确性和算法的有效性。

摘要：该文采用矢量传感器配置下的十字型阵列MIMO雷达系统,提出一种新的2维高精度DOA与极化参数联合估计算法。首先根据MIMO雷达虚拟阵列导向矢量的特点,通过降维矩阵的设计及回波数据的降维变换,将高维回波数据转换至低维信号空间;然后基于传播算子获得对应信号子空间的估计,利用收、发阵列阵元间长基线对应的旋转不变性和极化矢量中电场矢量和磁场矢量的叉积进行2维高精度DOA估计和解模糊处理,同时利用与阵列结构无关的极化域旋转不变性进行极化辅角和极化相位差的联合估计。该矢量传感器MIMO雷达阵列可同时获取MIMO雷达的波形分集和矢量传感器的极化分集,无需额外增加阵元和硬件开销,能够有效扩展阵列孔径,提高参数估计性能;同时通过降维变换及传播算子,在获取信噪比增益的同时,能够实现2维高精度DOA和2维极化矢量的联合估计及参数的自动配对,有效降低数据处理维数和参数估计的运算复杂度;最后,仿真结果验证了理论分析的正确性和算法的有效性。

摘要：在信号相关杂波背景下,现有方法大部分均基于频域进行雷达估计波形设计,这将引起相位信息的缺失从而导致波形变换到时域后性能降低。针对上述问题,同时兼顾放大器的非线性特性,提出了一种基于时域的低峰均比(peak-to-average power ratio,PAR)估计波形设计方法。首先,根据最大互信息准则在时域上构建了优化问题模型;然后,基于序列线性规划思想,将非凸的优化问题松弛为凸问题,并求得波形矩阵的近似解;最后,对该波形矩阵解进行逼近,使得新的波形矩阵满足Toeplitz结构,进而提取出波形向量解。仿真结果表明,与现有方法相比,本文方法在不增加运算量的前提下具有更好的估计性能。

摘要：提出一种基于孔径扩展的稀疏阵列MIMO雷达高精度收发角度估计算法.采用收、发阵列均为稀疏线性分布式子阵的双基地MIMO雷达系统,通过非均匀阵列设计,利用Khatri-Rao乘积运算实现收发阵列中阵元间短基线和子阵间长基线的同时虚拟扩展.对接收数据进行降冗余和数据平滑处理,利用双尺度酉ESPRIT算法解周期性模糊,得到无模糊的高精度收发角度估计.与传统算法相比,所提出的算法在不增加天线数目和硬件复杂度的情况下可有效扩展MIMO雷达的阵列孔径,在实现多目标收发角度联合估计的同时获得更高的参数估计性能.仿真结果验证了阵列虚拟扩展和算法方位估计的有效性.

摘要：研究了多目标环境中的认知雷达目标跟踪问题,提出了一种基于波形优化和快速粒子滤波的多目标跟踪方法。在量测模型中,基于采样的接收数据建立量测方程,以克服多目标跟踪中的数据关联问题;在状态模型中,与量测模型相匹配,联合估计目标运动状态(位置、速度)和散射系数。为实现多目标跟踪和提高跟踪性能,从联合收发自适应处理角度出发设计跟踪算法和发射波形:1)接收自适应。由于量测数据的维数以及跟踪模型的非线性程度较高,为实现对多目标的有效跟踪以及降低跟踪算法的运算复杂度,采用改进的粒子滤波方法对目标状态进行实时估计;2)发射自适应。考虑到信噪比与跟踪性能关系以及量测模型的特点,基于最优信噪比准则实现了对发射波形的优化。仿真结果表明文中所提出的跟踪方法能够有效的跟踪上目标,且所设计的自适应波形的跟踪性能优于传统固定波形。

摘要：针对目标冲激响应及杂波冲激响应分布特性先验知识不准确导致的多输入多输出雷达检测性能下降的问题,提出恒模稳健波形与接收机滤波器联合优化算法。将目标冲激响应及杂波冲激响应分布特性先验知识不准确时的优化问题建模为一个极大极小化问题。运用迭代优化算法将联合优化问题分解为两个子优化步骤:将波形固定时的接收机滤波器权值优化问题建模为广义瑞利商模型,求解得到相应的接收机滤波器权值矢量;利用半正定松弛技术对权值固定时的波形优化问题进行求解,获得对应的波形矩阵,并根据得到的波形矩阵,通过高斯随机化的方法获得所需的恒模波形。对所提算法的收敛性进行了证明,仿真结果表明所提算法有效。

摘要：针对目标和杂波先验知识不准确时认知雷达的检测波形设计问题,同时兼顾功率放大器对低峰均比(PAR)波形的需求,该文提出一种信号相关杂波背景下认知雷达低PAR稳健波形设计方法。首先,在目标和杂波不确定集范围内,基于极大极小化准则构造关于输出信干噪比(SINR)的优化模型;然后将不确定性参数代入该模型,给出最差SINR下对应杂波协方差矩阵和目标Toeplitz矩阵的取值;在此基础上,利用半正定松弛,将非凸的优化模型转化为关于发射波形半正定矩阵的凸问题进行求解;最后,通过秩1近似法结合最近邻方法,进一步从波形的最优矩阵解中提取出最优向量解。分析表明,在稳健性能相同的情况下,与现有方法相比该算法具有更低的运算量,仿真结果验证了所提方法的有效性和稳健性。

摘要：研究了MIMO雷达信号模型下基于最大化信噪比(SNR)准则的最优和稳健波形设计问题。根据对目标冲击响应功率谱密度(PSD)确定和不确定两种条件的分析,推导了最优波形和稳健波形的闭式表达式。仿真结果表明,当目标冲激响应PSD的先验知识准确时,使用最优波形作为发射波形,在接收端获得在给定条件下最优的SNR;当目标冲击响应PSD的先验知识不准确时,使用稳健波形作为发射波形,能够降低目标冲激响应PSD的不确定性对输出端信噪比(SNR)的负面影响。