【摘要】：多輸入多輸出(Multiple Input Multiple Output,MIMO)雷達(dá)采用波形分集、頻率分集、空間分集和極化分集等技術(shù),與傳統(tǒng)雷達(dá)相比,具有更大的自由度,在參數(shù)估計(jì)、目標(biāo)檢測(cè)與識(shí)別等方面有著明顯的性能優(yōu)勢(shì)。依據(jù)不同的收發(fā)天線位置,MIMO雷達(dá)一般分為集中式MIMO雷達(dá)與分布式MIMO雷達(dá)兩類。本文緊密結(jié)合工程需求,研究了集中式MIMO雷達(dá)的高效參數(shù)估計(jì)方法和分布式MIMO雷達(dá)的數(shù)據(jù)融合方法。論文的主要研究工作和成果如下:1.針對(duì)基于子空間技術(shù)的MIMO雷達(dá)參數(shù)估計(jì)方法計(jì)算量大的問題,考慮降低算法復(fù)雜度,提出了一種聯(lián)合波離角(Direction of Departure,DOD)和波達(dá)角(Direction of Arrival,DOA)快速估計(jì)算法�；谟蓛蓚�(gè)子陣構(gòu)成的接收站MIMO雷達(dá)結(jié)構(gòu),利用接收端數(shù)據(jù)構(gòu)建互相關(guān)矩陣(Cross-Correlation Matrix,CCM),從而采用矩陣分塊理論與陣元旋轉(zhuǎn)不變特性估計(jì)目標(biāo)角度。該算法在對(duì)多目標(biāo)進(jìn)行角度估計(jì)時(shí),無需進(jìn)行特征分解,估計(jì)角度也可以自動(dòng)配對(duì),從而提高了計(jì)算效率。2.傳統(tǒng)的均勻圓陣ESPRIT(Uniform Circular Array-ESPRIT,UCA-ESPRIT)算法可以較好地解決圓陣中俯仰角和方位角糾纏的問題。但這種方法基于激勵(lì)相位模式,在圓陣半徑等于發(fā)射信號(hào)波長(zhǎng)時(shí)存在兩個(gè)局限。一是要求圓陣的陣元個(gè)數(shù)必須大于12;二是可識(shí)別的最大目標(biāo)數(shù)為5個(gè)。針對(duì)這種局限性,一方面,基于發(fā)射圓陣的雙基地MIMO雷達(dá)架構(gòu),提出了一種單目標(biāo)快速測(cè)角方法,該方法對(duì)圓陣的陣元個(gè)數(shù)沒有限制。利用接收線陣間的旋轉(zhuǎn)不變特性估計(jì)出目標(biāo)DOA,將估計(jì)結(jié)果代入接收信號(hào)導(dǎo)向矢量,提取出發(fā)射圓陣的導(dǎo)向矢量信息。該算法直接提取協(xié)方差矩陣的相位,將相位構(gòu)建為矩陣乘積的形式,基于最小二乘準(zhǔn)則,給出俯仰角和方位角的閉式解。另一方面,提出一種基于非循環(huán)信源UCA-ESPRIT(Non-circular UCA-ESPRIT,NC-UCA-ESPRIT)的角度估計(jì)方法,該方法可識(shí)別最大目標(biāo)數(shù)可達(dá)到10個(gè)。利用信源的非循環(huán)特性,將陣列虛擬孔徑擴(kuò)展至兩倍,基于接收線陣間的旋轉(zhuǎn)不變關(guān)系估計(jì)DOA。利用選擇矩陣,提取出發(fā)射圓陣的導(dǎo)向矢量數(shù)據(jù),從而將MIMO雷達(dá)的角度估計(jì)問題轉(zhuǎn)化為基于均勻圓陣的角度估計(jì)問題。最后,利用NC-UCA-ESPRIT算法估計(jì)出目標(biāo)的俯仰角和方位角。3.針對(duì)現(xiàn)代工程應(yīng)用中傳感器數(shù)通常固定,而信號(hào)是不斷采集的,會(huì)出現(xiàn)信號(hào)維度遠(yuǎn)大于傳感器數(shù)的應(yīng)用場(chǎng)景,基于隨機(jī)矩陣?yán)碚?Random Matrix Theory,RMT),提出了一種多傳感器數(shù)據(jù)融合方法。該方法基于高斯噪聲模型假設(shè),利用RMT中奇異值和奇異矢量的低秩擾動(dòng)現(xiàn)象,進(jìn)行多傳感器數(shù)據(jù)融合。數(shù)據(jù)融合的結(jié)果可以利用RMT的結(jié)論直接計(jì)算,無需進(jìn)行迭代,降低了計(jì)算量。該方法可以看做是線性最小均方誤差(Linear Minimum Mean Squared Error,LMMSE)估計(jì)器的近似工程實(shí)現(xiàn)。此外,該估計(jì)器是一個(gè)有偏估計(jì),在信號(hào)維度大于傳感器數(shù)時(shí),通過權(quán)衡偏差和方差,可以比最大似然估計(jì)(Maximum Likelihood Estimation,MLE)具有更低的均方誤差(Mean Squared Error,MSE)。理論和實(shí)驗(yàn)證實(shí)了所提算法的融合性能接近于歸一化的 LMMSE。4.針對(duì)恒虛警概率(Constant False Alarm Probability,CFAR)檢測(cè)中微弱目標(biāo)難以識(shí)別的問題,基于馬爾可夫鏈理論,提出了一種分布式MIMO雷達(dá)信號(hào)融合算法。該算法基于目標(biāo)回波數(shù)據(jù),利用空間目標(biāo)在相鄰幀間的運(yùn)動(dòng)特征變化有限的特點(diǎn),建立模型計(jì)算觀測(cè)點(diǎn)為目標(biāo)的概率。最后,將概率值與檢測(cè)閾值進(jìn)行比較,判定觀測(cè)點(diǎn)是否為真實(shí)目標(biāo)。仿真實(shí)驗(yàn)表明,提出的算法可以降低CFAR檢測(cè)門限,抑制噪聲和虛警,實(shí)現(xiàn)對(duì)弱小空間目標(biāo)的有效探測(cè),改進(jìn)雷達(dá)系統(tǒng)性能。5.針對(duì)基于馬爾可夫鏈的數(shù)據(jù)融合算法需要首先計(jì)算首尾點(diǎn)的位置,檢測(cè)門限計(jì)算復(fù)雜的問題,提出了一種基于滑窗貝葉斯的MIMO雷達(dá)信號(hào)融合算法。該算法從相鄰幀獲得當(dāng)前幀各點(diǎn)為目標(biāo)的先驗(yàn)概率,再結(jié)合目標(biāo)在相鄰幀間機(jī)動(dòng)性有限的運(yùn)動(dòng)模型,利用貝葉斯公式計(jì)算當(dāng)前點(diǎn)為目標(biāo)后驗(yàn)概率。進(jìn)而在各幀各量測(cè)點(diǎn)之間建立關(guān)聯(lián)路徑,并估計(jì)關(guān)聯(lián)路徑屬于目標(biāo)軌跡的概率。最后,結(jié)合門限判決實(shí)現(xiàn)多次掃描幀之間的多目標(biāo)關(guān)聯(lián)配對(duì)。該算法簡(jiǎn)化了檢測(cè)門限的計(jì)算方法,穩(wěn)定性高。錄取民航飛機(jī)的回波數(shù)據(jù)進(jìn)行外場(chǎng)實(shí)驗(yàn),結(jié)果表明經(jīng)過基于滑窗貝葉斯算法融合,移動(dòng)目標(biāo)可以被清晰的辨別,目標(biāo)軌跡被“推遠(yuǎn)”,點(diǎn)跡得到了有效延長(zhǎng)。
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN958
【圖文】：

１．３本文主要工作逡逑論文基于ＭＩＭＯ雷達(dá)系統(tǒng)，研究了集中式ＭＩＭＯ雷達(dá)的參數(shù)估計(jì)和分布逡逑式ＭＩＭＯ雷達(dá)的數(shù)據(jù)融合方法，共分為六章，論文總體框架如圖１．２所示。逡逑—＾單籜地Ｍ丨�。蓿保坝圻_(dá)參數(shù)估逡逑ｙｗ地估汁逡逑笫一章緒論邐－－發(fā)叱現(xiàn)狀和研究動(dòng)態(tài)１－邋二逡逑Ｌ邐」一？分爾ＡｍｉｍｏｕS茫T汁逡逑一－ｊ分布式系統(tǒng)數(shù)椐融合方法逡逑［ 邋衫屯倍號(hào)分類娔法逡逑＂坫千乎空間技術(shù)的角Ｉ邋￣￣￣Ｉ逡逑「Ｈ邋心~屽澹儒鍄U１…丨：，…』逡逑聯(lián)合對(duì)坩化方向矩陣算法逡逑Ｂ二＾收發(fā)線陣的雙邋邐邋Ｌ逡逑基地Ｍ１ＭＯ＂，趾決速－－－－逡逑角度估汁邐逡逑Ｉ無

本文編號(hào)：2774846