基于实值处理CS-PARAFAC算法的双基地MIMO雷达角度估计方法

技术领域

本发明属于雷达信号处理技术领域，具体涉及一种基于实值处理CS-PARAFAC算法的双基地MIMO雷达角度估计方法。

背景技术

多输入多输出(Multiple Input Multiple Output，简称MIMO)雷达与传统相控阵雷达相比，具有多通道，低辐射功率，覆盖范围广等优点，引起了国内外研究人员的高度关注。双基地MIMO雷达结合了MIMO雷达和双基地雷达布阵方式的优点，成为当前MIMO雷达研究的热点方向。

目前，针对双基地MIMO雷达的研究主要集中在参数估计、目标定位跟踪以及波形设计等方面。在这些内容中，国内外相关机构和学者围绕双基地MIMO雷达的多目标角度估计问题展开了深入研究，提出了很多创新性的方法。但传统的双基地MIMO雷达测角算法需要对接收信号的自相关矩阵进行特征分解求得信号子空间或者噪声子空间，该类算法由于需要对子空间进行估计，因此会受到低信噪比或者低快拍的制约而出现较大的性能损失。而且传统算法基于矩阵信号模型，本身并没有利用双基地MIMO雷达接收信号的多维信息，测角精度存在一定的损失。为了解决这个问题，双基地MIMO雷达接收信号的复值张量模型被提出，平行因子(Parallel factor，简称PARAFAC)算法被用于双基地MIMO雷达目标角度估计中。

但是，传统的基于平行因子分解算法的双基地MIMO雷达目标角度估计，算法计算复杂度高，且对存储空间要求较大。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于实值处理CS-PARAFAC算法的双基地MIMO雷达角度估计方法。

本发明的一个实施例提供了一种基于实值处理CS-PARAFAC算法的双基地MIMO雷达角度估计方法，包括以下步骤：

步骤1、根据双基地MIMO雷达的接收信号构建复值张量

步骤2、采用前后平滑技术进行实值处理，将所述复值张量

步骤3、采用压缩矩阵

步骤4、对所述压缩张量

步骤5、根据所述载荷估计矩阵

在本发明的一个实施例中，步骤1中构建的复值张量

其中，I

在本发明的一个实施例中，步骤2包括：

步骤2.1、根据所述复值张量

步骤2.2、根据所述新的复值张量

步骤2.3、对所述中心厄米特张量

在本发明的一个实施例中，步骤2.1中构建的新的复值张量

其中，

在本发明的一个实施例中，步骤2.2中前后平滑处理得到的中心厄米特张量

其中，

在本发明的一个实施例中，步骤2.3中酉变换得到的实值张量

其中，

在本发明的一个实施例中，步骤3中的压缩张量

其中，

在本发明的一个实施例中，步骤5包括：

步骤5.1、分别构建DOA估计的过完备字典、DOD估计的过完备字典；

步骤5.2、分别根据构建的所述DOA估计的过完备字典、DOD估计的过完备字典对所述载荷估计矩阵

步骤5.3、分别对所述DOA角度估计稀疏矢量、DOD角度估计稀疏矢量进行稀疏估计得到自动配对的DOA角度估计值、DOD角度估计值。

在本发明的一个实施例中，步骤5.2中进行稀疏表示得到的DOD角度估计稀疏矢量表示为：

其中，

进行稀疏表示得到的DOA角度估计稀疏矢量表示为：

其中，

在本发明的一个实施例中，步骤5.3中对所述DOD角度估计稀疏矢量进行稀疏估计表示为：

其中，||·||

对所述DOA角度估计稀疏矢量进行稀疏估计表示为：

与现有技术相比，本发明的有益效果：

本发明提供的基于实值处理CS-PARAFAC算法的双基地MIMO雷达角度估计方法，将张量进行压缩处理且采用实值处理，有着更低的计算复杂度且更节约存储空间，提升了运算效率和速度。

以下将结合附图及实施例对本发明做进一步详细说明。

附图说明

图1是本发明实施例提供的一种基于实值处理CS-PARAFAC算法的双基地MIMO雷达角度估计方法的流程示意图；

图2本发明实施例提供的三个非相干目标脉冲数固定为Q＝50时不同算法下角度估计的均方根误差随着信噪比变化的曲线示意图；

图3本发明实施例提供的两个相干目标相关系数为0.95且脉冲数固定为Q＝50时不同算法下角度估计的均方根误差随着信噪比变化的曲线示意图；

图4本发明实施例提供的三个相干目标相关系数为0.95且脉冲数固定为Q＝50时不同算法下角度估计的均方根误差随着信噪比变化的曲线示意图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请参见图1，图1是本发明实施例提供的一种基于实值处理CS-PARAFAC算法的双基地MIMO雷达角度估计方法的流程示意图。本实施例提出了一种基于实值处理CS-PARAFAC算法的双基地MIMO雷达角度估计方法，该基于实值处理CS-PARAFAC算法的双基地MIMO雷达角度估计方法包括以下步骤：

步骤1、根据双基地MIMO雷达的接收信号构建复值张量

具体而言，假设一双基地MIMO雷达有M个发射阵元和N个接收阵元，M个发射阵元发射正交信号

其中，α

将公式(1)写成矩阵形式表示为：

X

其中，A＝[a(θ

其中，Y

其中，反射系数矢量矩阵

其中，I

步骤2、采用前后平滑技术进行实值处理，将所述复值张量

具体而言，为了降低算法计算量，本实施例将复值张量

步骤2.1、根据所述复值张量

具体而言，本实施例根据复值张量

其中，(·)

步骤2.2、根据所述新的复值张量

具体而言，本实施例不需要对信号子空间进行估计，而是采用前后平滑技术对复值张量

其中，

步骤2.3、对所述中心厄米特张量

具体而言，本实施例对中心厄米特张量

其中，

当酉矩阵U的下角标为奇数时，其表示为：

将公式(7)代入公式(8)，公式(8)中重新表示为：

其中，

将公式(13)代入到公式(9)中，公式(9)重新表示为：

其中，

将公式(14)代入到公式(10)中，公式(10)重新表示为：

其中，

从公式(9)中可以得知实值张量

步骤3、采用压缩矩阵

具体而言，为了进一步减少算法计算复杂度，本实施例对实值张量

其中，I

其中，

将

根据公式(18)将实值张量

其中，

步骤4、对所述压缩张量

具体而言，为了得到压缩张量

步骤5、根据所述载荷估计矩阵

具体而言，根据步骤3和步骤4分别得到的载荷矩阵

其中，

步骤5.1、分别构建DOA估计的过完备字典、DOD估计的过完备字典。

具体而言，本实施例构建的用于DOD估计的过完备字典表示为：

其中，

类似于DOD估计，本实施例同样构建了用于DOA估计的过完备字典表示为：

其中，

步骤5.2、分别根据构建的所述DOA估计的过完备字典、DOD估计的过完备字典对所述载荷估计矩阵

具体而言，为了进一步降低算法的计算复杂度，利用矩阵的稀疏性，假设目标的DOD位于θ

假设目标的DOA位于

步骤5.3、分别对所述DOA角度估计稀疏矢量、DOD角度估计稀疏矢量进行稀疏估计得到自动配对的DOA角度估计值、DOD角度估计值。

具体而言，本实施例通过l

公式(26)可以改写为：

其中，a

同理，α

公式(29)可以改写为：

其中，

最后，得到的

为了验证本实施例提出的基于实值处理CS-PARAFAC算法的双基地MIMO雷达角度估计方法的有效性，通过以下仿真实验以进一步证明。

一、仿真条件

假设双基地MIMO雷达的发射天线个数为M＝10，接收天线个数N＝8，发射阵列和接收阵列均为阵元间距半波长的等距线阵。阵元通道噪声为高斯白噪声。采用均方根误差(Root mean square error，简称RMSE)来衡量算法的测角精度，定义为：

其中，

二、仿真内容

仿真1、请参见图2，图2本发明实施例提供的三个非相干目标脉冲数固定为Q＝50时不同算法下角度估计的均方根误差随着信噪比变化的曲线示意图，在上述条件下，假设有三个非相干目标分别位于

仿真2、请参见图3，图3本发明实施例提供的两个相干目标相关系数为0.95且脉冲数固定为Q＝50时不同算法下角度估计的均方根误差随着信噪比变化的曲线示意图，假设两个相干目标分别位于

仿真3、请参见图4，图4本发明实施例提供的三个相干目标相关系数为0.95且脉冲数固定为Q＝50时不同算法下角度估计的均方根误差随着信噪比变化的曲线示意图，考虑三个相干目标，它们分别位于

综上所述，本实施例提出的基于实值处理CS-PARAFAC算法的双基地MIMO雷达角度估计方法，将张量进行压缩处理且采用实值处理，因此相比于酉PARAFAC方法和CS-PARAFAC方法，有着更低的计算复杂度且更节约存储空间，提升了运算效率和速度；同时本实施例不需要对信号子空间进行估计且采用前后平滑技术进行实值处理，因此具有很好的去相关能力，在处理空间角度接近目标和两个以上的相干目标时，相比其他方法有更好的性能；本实施例采用基于张量模型的算法，利用了接收信号的多维信息，因此相比于传统基于矩阵模型的算法有更高的测角精度。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。