[发明专利]色噪声背景下相干信源的MIMO雷达超分辨测向算法

摘要

本发明涉及MIMO雷达(多输入多输出雷达)超分辨测向算法领域，公开色噪声背景下相干信源的MIMO雷达超分辨测向算法，具体提出了一种改进的空间差分平滑(ISDS)算法，并且在ISDS算法的基础上，又提出了一种基于传播算子的快速算法，即PM‑ISDS算法。理论分析及仿真表明所提算法具有很强的色噪声抑制能力，估计性能优于常规的空间平滑算法，具有较好的阵元节省、信源过载能力，并且不必进行特征值分解，运算量较小。

主权项

色噪声背景下相干信源的MIMO雷达超分辨测向算法，其特征在于：采用一种空间差分平滑(ISDS)算法，并且在ISDS算法的基础上，提出了一种基于传播算子的快速算法PM‑ISDS算法，具体包括以下步骤：步骤1：建立混合信源MIMO雷达数据模型MIMO雷达中阵列天线收发共用，为M阵元的等距离线阵，取阵元间距d＝λ/2，λ为载波波长；假设雷达远场有P个目标，DOA(波达方向)和DOD(波离方向)均为θp。则目标为理想点目标情况下，接收的回波信号经过匹配滤波后可得：y(tl)＝Aα(tl)+n(tl)  (1)式中n(tl)表示噪声列向量，a(θp)第p个目标的方向矢量，ξp为第p个目标的反射系数，fdp为第p个目标的归一化多普勒频率，tl表示脉冲数，表示Kronecker积；如果P个信源中既有独立信源也有相干信源，不妨设前G个为相干信源，则独立信源个数U＝P‑G，故MIMO雷达协方差矩阵可表示为：其中，Rnc、Rc分别为独立信源和相干信源的协方差阵，是色噪声协方差阵，则Rnc和为Hermite矩阵和Toeplitz矩阵，Rc为Hermite矩阵和非Toeplitz矩阵，阵列流形会发生退化，变为P×1的矢量，信源协方差也会发生退化，变为常数η，噪声子空间扩充为P‑U‑1维，而信号子空间退化为U+1维；步骤2：先采用ISDS算法为进一步充分利用主对角线元素和各子阵间的互相关信息，将子阵的自相关矩阵进行互相关处理，并且将对称位置上子阵的互相关矩阵进行互相关处理，再将结果进行求和平均得到等效的空间平滑矩阵，从而提高测向性能；阵列差分矩阵可以表示为：将式(2)代入式(5)可得阵列差分矩阵为：由(6)可见，所得矩阵没有Toeplitz项，只包含了相干源的信息，没有包含独立信源和空间噪声的信息；根据式(3)、(4)对ΔR进行计算有：其中可以证明，矩阵的秩为G，不满足反对称矩阵格式，实现了阵列差分矩阵的修正；步骤3：在ISDS算法的基础上采用PM‑ISDS算法通过特征值分解来获得噪声子空间，在阵元个数较多时计算量较大，在此，可以利用传播算子法(PM，PropagatorMethod)来进一步减小ISDS算法的计算量；因为ISDS算法的协方差矩阵中不含噪声信息，则矩阵可写为：其中，Am为平滑后矩阵所对应的阵列流形矩阵，为等价的信源协方差矩阵；将矩阵Am分块为：其中，A1、A2分别为G×G、(P‑G)×G阶矩阵。假设阵列空间无模糊，则A1为非奇异矩阵，故存在F，满足FHA1＝A2，令：QH＝[FH ‑I]  (11)则Q张成的空间属于噪声子空间，即：span(Q)＝span(EN)  (12)将矩阵分块为：则V＝WF，即F＝(WHW)‑1WHV，由式(11)得：QH＝[((WHW)‑1WHV)H‑I]  (14)但Q与EN的区别在于：由Q各列得到的基不是正交基，正交化Q，可得：Q0＝Q(QHQ)‑1/2  (15)因此，PM‑ISDS的空间谱函数可表示为：