[发明专利]基于信号子空间重构的阵元缺损MIMO雷达角度估计方法

权利要求书

1.一种基于信号子空间重构的阵元缺损MIMO雷达角度估计方法，其特征在于：包括如下步骤：

步骤1：对阵元缺损双基地MIMO雷达的协方差矩阵进行特征分解来获得信号子空间矩阵，从而降低待恢复数据矩阵的维数，在信号子空间矩阵中从上而下每M行数据构成每一个信号子空间块矩阵，共形成N个信号子空间块矩阵，其中M和N分别为发射阵元和接收阵元数；

步骤2：根据信号子空间块矩阵之间的相关性，将所有的信号子空间块矩阵构成一个低秩块Hankel矩阵，通过不定增广拉格朗日乘子法对其进行重构，恢复出块Hankel矩阵中的缺失数据，从而获得完整的信号子空间矩阵；

步骤3：根据完整的信号子空间矩阵，利用ESPRIT算法进行目标角度估计。

2.如权利要求1所述的一种基于信号子空间重构的阵元缺损MIMO雷达角度估计方法，其特征在于：步骤1包括如下步骤：

步骤1.1：利用发射信号的正交性，对阵元缺损双基地MIMO雷达的接收信号进行匹配滤波处理，从而获得虚拟阵列在k时刻的输出信号双基地MIMO雷达的虚拟阵列在K个快拍下的输出信号矩阵为其中M为发射阵元数，N为接收阵元数；当第q个接收阵元出现故障时，其中q∈Q，Q为缺损接收阵元的位置集合，信号矩阵中的第(q-1)M+m行的数据完全缺失，其中m＝1,2,…,M，即当存在某个缺损接收阵元时矩阵中存在对应其的M行连续缺失数据；

步骤1.2：计算协方差矩阵其中，K为快拍数；(·)^H表示共轭转置运算；

步骤1.3：为了提高阵元缺损双基地MIMO雷达缺失数据恢复的实时性，对MN×MN维的协方差矩阵进行奇异值分解，即获得MN×L维的信号子空间矩阵从而降低待恢复数据矩阵的维数，其中，L为非相干远场窄带目标的个数；为L个大特征值构成的对角矩阵；为对应于L个大特征值的特征向量；为MN-L个小特征值构成的对角矩阵；为对应于MN-L个小特征值的特征向量，M、N和L都为正整数；

步骤1.4：在信号子空间矩阵中从上而下每M行数据构成一个信号子空间块矩阵，共形成N个信号子空间块矩阵，即其中，为矩阵行数等于发射阵元数的信号子空间块矩阵，即为由第n个接收阵元所形成的虚拟子阵的信号子空间矩阵；当第q个接收阵元出现故障时，其所形成的虚拟子阵的信号子空间数据全部缺失，即其中，0_M×L表示大小为M×L的零矩阵。

3.如权利要求1所述的一种基于信号子空间重构的阵元缺损MIMO雷达角度估计方法，其特征在于：步骤2包括如下步骤：

步骤2.1：根据信号子空间块矩阵之间的相关性，将所有的信号子空间块矩阵构成一个低秩块Hankel矩阵即其中，rank(·)表示取秩；v＝round(N/2)，round(·)表示四舍五入取整；步骤2.2：块Hankel矩阵中不存在全行或全列为零的情况且满足低秩特性，因此可利用矩阵填充方法来补全块Hankel矩阵中的缺失数据；建立核范数最小化问题，即其中，‖·‖表示求取矩阵的核范数；矩阵是矩阵的估计值；为矩阵中的非零元素；Ω为矩阵中的非零元素在矩阵中的下标集合；

步骤2.3：利用不定增广拉格朗日乘子法求解步骤2.2中建立的核范数最小化问题，获得完整的块Hankel矩阵利用恢复后的块Hankel矩阵中各块矩阵其中n＝1,2,…,N，可获得完整的信号子空间矩阵