[发明专利]一种MIMO雷达恒模波形和接收机的联合设计方法

说明书

本发明提供了一种MIMO雷达恒模波形和接收机的联合设计方法，涉及MIMO雷达技术领域，本发明提供一种基于拉格朗日规划神经网络算法的MIMO雷达恒模波形和接收机的联合设计，因为LPNN算法是对MIMO雷达恒模波形的直接求解，因此避免了SDR方法中因摒弃秩为1的条件使得求解的信号不是最优的情况，从而提高了输出SINR比，改善了目标参数的估计能力，本发明能准确地确定目标位置，同时最大限度地抑制干扰，而且相比于SDR方法，本发明在直接求解非凸非线性的问题时发挥了很大的优势，这是其他方法所不能达到的。

技术领域

本发明涉及MIMO雷达技术领域，尤其是一种联合设计方法。

背景技术

与传统的相控阵雷达不同，多输入多输出(MIMO)雷达通过同时发射多个波形以提高目标检测、参数估计等多方面的能力，基于天线阵列配置的差异，MIMO雷达可分为集中式MIMO雷达和分布式MIMO雷达。MIMO雷达的性能优越性来自于两个方面：一个是天线阵列的配置，一个是波形分集能力，而多波形设计是实现MIMO雷达波形分集的重要途径，有助于进一步提高MIMO雷达在目标检测、参数估计等方面的能力，因此MIMO雷达的多波形设计问题越来越受到人们的关注。

工程实际应用中为了使雷达发射机能够工作在饱和状态以便发挥其最大效能，同时为避免放大器的非线性使得发射波形失真，通常要求雷达发射波形具有恒定包络。对于MIMO雷达，这一实际要求也不例外，而且由于MIMO雷达包含了多个发射机，每个发射机均可以发射相互独立的波形，因此要求每一路发射波形都满足恒定包络特性。

基于输出信干噪比(Signal-to-Interference-plus-Noise Ratio，SINR)研究MIMO雷达的恒模波形设计问题为NP-hard问题，不易得到全局最优解，此外该问题是非凸的、非线性的。目前该问题的求解主要是通过交替优化算法联合设计波形和接收滤波器，其中该算法在对恒模波形设计时，引入了半正定松弛方法(SDR)，SDR方法的原理是通过引入一个秩为1的赫尔米特矩阵变量将关于矢量信号的问题转变成一个关于矩阵信号的问题，同时为了构造一个可通过SDR方法求解的凸优化问题需要摒弃秩为1的非凸约束条件，最后，从求解得到的矩阵信号中恢复矢量信号。显而易见，SDR方法求解得到的是原始问题的近似解，除非有先验信息，否则恢复的矢量信号不是最优。SDR方法使得输出的SINR无法达到最大，而且对干扰的抑制能力和目标的侦测能力也会有所下降，因此有必要寻找一种算法可以基于最大化输出SINR直接求解波形矢量信号，进而提高对目标参数的估计能力。

发明内容

为了克服现有技术的不足，本发明提供一种基于拉格朗日规划神经网络(Lagrange Programming Neural Network，LPNN)算法的MIMO雷达恒模波形和接收机的联合设计，因为LPNN算法是对MIMO雷达恒模波形的直接求解，因此避免了SDR方法中因摒弃秩为1的条件使得求解的信号不是最优的情况，从而提高了输出SINR比，改善了目标参数的估计能力。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤一、集中式窄带MIMO雷达系统由N_T个发射天线和N_R个接收天线组成，每一部发射机对应一路发射天线，每个发射机独立地通过全方位发射的方式发射波形，将N_T个天线发射的波形记为s(n)，n＝1,2,...,N，N为每一路波形采样后的长度，到达位于方位角θ处的目标的信号为：

a_t(θ)^Ts(n) (1)

其中a_t(θ)为发射阵列导向矢量；

假设目标的潜在区域中共有K+1个散射点，其中方位角θ₀方向的一个散射点为目标，方位角θ_k方向的散射点为干扰，其中k＝1,2,...,K，且θ₀≠θ_k，则雷达接收机中的信号为所有散射点回波之和，即