[发明专利]基于量化时延的云MIMO雷达目标定位克拉美罗界计算方法

说明书

该发明公开了一种基于量化时延的云MIMO雷达的克拉美罗界计算方法，属于雷达技术领域，它特别涉及关于雷达信号处理领域。利用本发明方法计算得到的直接分析量化的克拉美罗界和将量化影响近似为高斯误差时得到的近似克拉美罗界可以用来评估云MIMO雷达目标位置参数估计的性能，且考虑了在每个接收机处首先对时延进行估计，然后再对估计得到的时延值进行量化，这大大降低了需要传输的样本数，降低了通信负担，在有通信约束的情况下更容易实现。

技术领域

本发明属于雷达技术领域，它特别涉及关于雷达信号处理中的目标位置参数估计性能界克拉美罗界(CRB)的计算，适用于云MIMO雷达目标位置估计问题。

背景技术

云雷达通常由多个间隔较远的本地接收器组成，这些接收器通过回程网络与融合中心连接。由于本地传感器地理分布范围比较广，一般没有可用的有线回程网络，所以通常在每个接收器处对数据进行量化，然后以无线方式将其传输到融合中心。由通信中引入的MIMO技术(Multiple Input Multiple Out)是一种多天线收发技术，在雷达系统中也具有诸多优势。在云雷达中引入MIMO技术，可使云雷达的性能得到显著地提升。

克拉美罗界(CRB)作为无偏估计均方误差(MSE)的下限，是经典的估计性能评价指标。在雷达系统中，CRB也经常作为衡量雷达系统目标参数估计性能的综合评价指标。文献1(Z.Wang,Q.He,and R.S.Blum,“Parameter estimation using quantized cloud MIMOradar measurements,”2018 IEEE 10th Sensor Array and Multichannel SignalProcessing Workshop(SAM),pp.602–606,2018.)基于CRB考虑了非线性信号模型的云MIMO雷达的参数估计性能，其在本地传感器处对收到的接收样本直接量化后传输给融合中心。

在现有的大部分基于量化数据的分布式参数估计文献中，本地传感器的量化都是考虑的线性信号模型，且直接基于接收信号样本数据进行量化。其他考虑非线性信号模型的研究也都是基于直接量化接收信号样本数据进行分析的。在云MIMO雷达中，接收器与融合中心的传输回路的通信能力通常是有限的，本地接收器的数量以及每个接收器的信号样本数目可能很大,直接对接收信号进行量化后的通信负担较重。因此，在云MIMO雷达中在每个接收器处对信号进行一定的压缩，从而降低传输样本数目是十分有必要的。

发明内容

本发明针对背景技术的不足解决的技术问题是,基于量化时延的云MIMO雷达目标位置估计，进行了最大似然估计，并计算了克拉美罗界。

本发明的技术方案为基于量化时延的云MIMO雷达的克拉美罗界计算方法,该方法包括：

步骤1：将云MIMO雷达第n个接收机接收到第m个发射机的所有信号排成一列，构成接收信号矢量r_nm，其中n＝1,…,N，m＝1,…,M，N和M表示接收机和发射机的总个数；

r_nm＝[r_nm[1],…,r_nm[K]]^T＝μ_nm+w_nm，

其中r_nm[k]为kT_s时刻的接收信号，