[发明专利]基于先验信息的MIMO雷达波形与有偏估计器的联合优化方法

摘要

本发明公开了一种杂波环境下基于先验信息的MIMO雷达波形与有偏估计器的联合优化方法，以改善点目标的参数估计性能。其实现步骤包括：(1)创建杂波场景下MIMO雷达波形与有偏估计器联合优化模型；(2)在加权模约束下，研究MIMO雷达波形与有偏估计器联合优化问题；(3)在谱范数约束下，研究MIMO雷达波形与有偏估计器联合优化问题；(4)利用凸优化方法求解原始优化问题。本发明显著提高了MIMO雷达参数估计性能，增强了MIMO雷达发射与接收端协调工作能力，提升了MIMO雷达系统的整体性能。

主权项

基于先验信息的MIMO雷达波形与有偏估计器的联合优化方法，其特征在于，包括如下步骤：(1) MIMO雷达波形与有偏估计器联合优化建模1a) 杂波场景下MIMO雷达接收信号建模考虑如下的MIMO雷达系统：发射、接收阵元数分别为、；第个发射阵元发射波形的基带采样为，其中为快拍数，则整个发射阵列波形可表示为，假设发射的是窄带信号，并且传输过程没有色散，那么杂波场景下MIMO雷达的接收信号可以表示为：式中，为系统的接收数据；为与目标RCS成比例的复幅度；为感兴趣的距离环内目标数目；表示目标的参数，以及需要从数据中估计，上式右边的第二项表示系统收到的杂波数据，表示位于的杂波反射系数；而（）为杂波空域采样数，上等式右边第三项为干扰以及噪声，独立于杂波，的每一列可假设为独立同分布，且服从于均值为0未知协方差矩阵为的循环对称复高斯分布，和分别表示第个目标的接收以及发射导向矢量；1b) Fisher信息矩阵推导Fisher信息矩阵(FIM)可表示如下：式中，1c) constrained biased CRB推导constrained biased CRB的推导基于如下先验信息：待估计目标幅度已知，即式中，，以及，基于此，目标待估计参数可表示为：式中，；；；；；基于上述讨论，constrained biased CRB可表示为：式中，表示对估计时的偏差，矩阵为：(2) MIMO雷达波形与有偏估计器联合优化2a）加权模约束下，MIMO雷达波形与有偏估计器联合优化问题描述与求解A. 基于迹优化（Trace‑opt）准则，考虑此联合优化问题在发射总功率约束下，此联合优化问题可表示为：此非线性优化问题可以松弛为如下SDP问题：B. 基于特征矢量优化（Eigen‑opt）准则，考虑此联合优化问题与Trace‑opt准则的情况类似，优化问题可表述为如下SDP问题2b）谱范数约束下，MIMO雷达波形与有偏估计器联合优化问题描述与求解A. 基于Trace‑opt准则，考虑此联合优化问题与加权模约束情况类似，可得此问题的SDP表述为：B. 基于Eigen‑opt准则，考虑此联合优化问题与加权模约束情况类似，可得此问题的SDP表述为：(3)最小二乘意义下求解原始优化问题3a)最小二乘意义下建立求解原始优化问题模型给定，可以通过对最小二乘意义下的逼近得到，即3b)基于凸优化方法求解原始优化问题。