基于分布式MIMO雷达的目标运动参数估计方法及装置

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于分布式MIMO雷达的目标运动参数估计方法及装置。

背景技术

多输入多输出(Multiple-Input Multiple-Output，MIMO)雷达系统中包含有多个收发天线，与传统的相控阵雷达的最大区别在于，MIMO雷达的各个发射天线可以同时发射独立的波形，从而在发射信号方面有着更高的自由度，且在发射波束赋型，目标检测与跟踪方面都有着明显的优势。由于MIMO雷达波形分集的特性可以使其获取到更多的目标信息，因此，在对目标进行运动参数估计时，如何利用MIMO雷达这一潜在的优势来最大程度地提升对目标的运动参数估计性能，一直以来都是研究人员所关注的重点问题。

目标运动参数估计中所使用的方法主要可以分为两步估计法和直接估计法两种。其主要区别在于，两步估计法需要先根据目标回波估计与目标运动参数相关的中间观测量，再由中间观测量进一步估计目标运动参数；直接估计法则是利用运动参数与原始回波之间的关系来直接对待估计的运动参数进行估计。两步估计法虽然有着数据运算量低，观测数据无需集中处理的优势，但由于在估计中无法充分利用所有的约束条件以及受到误差传递的影响，两步估计法的估计精度在中低信噪比条件下会低于直接估计方法。直接估计法对应用场景的设置过于理想，仍无法实现对目标运动参数的高精度估计。

因此，目前亟需一种能够对目标运动参数进行高精度估计的方法。

发明内容

本发明提供一种基于分布式MIMO雷达的目标运动参数估计方法及装置，用以解决现有技术中目标运动参数的估计结果精度低的缺陷，实现对目标运动参数的高精度估计。

本发明提供一种基于分布式MIMO雷达的目标运动参数估计方法，包括：

基于预设的回波信号表达模型，对MIMO雷达系统的各接收阵列所观测到的待测目标的回波信号进行信号表达；其中，所述回波信号表达模型包括到达角度表达项、到达时刻表达项和多普勒频偏表达项，所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项是基于运动参数项构建的；

分别对各所述接收阵列对应的所述信号表达的结果进行下变频处理，得到各所述接收阵列对应的基带信号表达结果；

基于各所述接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定所述待测目标的运动参数的估计结果。

根据本发明提供的基于分布式MIMO雷达的目标运动参数估计方法，所述基于各所述接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定所述待测目标的运动参数的估计结果，包括：

基于所述待测目标的散射特征，确定所述待测目标的散射系数在不同的脉冲重复周期中的取值状态；所述取值状态包括恒定状态和非恒定状态；

基于所述取值状态，从多个预设估计模型中确定所述待测目标对应的目标估计模型；其中，所述预设估计模型是在所述恒定状态或所述非恒定状态下，基于所述回波信号表达模型的下变频处理的结果构建的极大似然函数模型；

将各所述接收阵列对应的基带信号表达结果均输入至所述目标估计模型，并基于所述目标估计模型在所述待测目标的运动参数的预设取值区间的输出值，确定所述待测目标的运动参数的估计结果。

根据本发明提供的基于分布式MIMO雷达的目标运动参数估计方法，所述基于所述目标估计模型在所述待测目标的运动参数的预设取值区间的输出值，确定所述待测目标的运动参数的估计结果，包括：

获取所述目标估计模型在所述待测目标的运动参数的预设取值区间的最大输出值，并将所述最大输出值对应的所述运动参数的取值，作为所述待测目标的运动参数的估计结果。

根据本发明提供的基于分布式MIMO雷达的目标运动参数估计方法，所述预设估计模型是通过如下方法构建得到的：

对所述回波信号表达模型进行下变频处理，得到第一基带信号表达模型；

对所述第一基带信号表达模型进行信号离散化处理，得到第二基带信号表达模型；

在所述恒定状态或所述非恒定状态下，基于所述第二基带信号表达模型构建极大似然函数模型，并作为所述预设估计模型。

根据本发明提供的基于分布式MIMO雷达的目标运动参数估计方法，所述第二基带信号表达模型包括导向矢量项、多普勒频偏项、第一基带信号项、时延项和散射系数项；

所述基于所述第二基带信号表达模型构建极大似然函数模型，包括：

基于所述导向矢量项、所述多普勒频偏项、所述第一基带信号项、所述时延项和所述散射系数项，构建所述第二基带信号表达模型对应的期望表达模型；

基于第二基带信号项和所述期望表达模型，构建初始极大似然函数模型；其中，所述第二基带信号项用于输入各所述接收阵列对应的所述基带信号表达结果；

基于所述初始极大似然函数模型，对所述散射系数项进行变换处理，得到所述极大似然函数模型。

根据本发明提供的基于分布式MIMO雷达的目标运动参数估计方法，所述基于所述初始极大似然函数模型，对所述散射系数项进行变换处理，得到所述极大似然函数模型，包括：

基于最小二乘法，确定所述初始极大似然函数模型满足最大化条件时，所述散射系数项的目标表达式；所述散射系数项的目标表达式包括所述导向矢量项、所述多普勒频偏项、所述基带信号项、所述时延项和所述第二基带信号项；

基于所述散射系数项的目标表达式和所述初始极大似然函数模型，确定所述极大似然函数模型。

根据本发明提供的基于分布式MIMO雷达的目标运动参数估计方法，所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项是通过如下方法获得的：

基于所述运动参数、所述MIMO雷达系统的各发射天线的位置信息和各所述接收阵列中接收天线的位置信息，构建所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项。

本发明还提供一种基于分布式MIMO雷达的目标运动参数估计装置，包括：

第一处理模块，用于基于预设的回波信号表达模型，对MIMO雷达系统的各接收阵列所观测到的待测目标的回波信号进行信号表达；其中，所述回波信号表达模型包括到达角度表达项、到达时刻表达项和多普勒频偏表达项，所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项是基于运动参数项构建的；

第二处理模块，用于分别对各所述接收阵列对应的所述信号表达的结果进行下变频处理，得到各所述接收阵列对应的基带信号表达结果；

第三处理模块，用于基于各所述接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定所述待测目标的运动参数的估计结果。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的基于分布式MIMO雷达的目标运动参数估计方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的基于分布式MIMO雷达的目标运动参数估计方法。

本发明提供的基于分布式MIMO雷达的目标运动参数估计方法及装置，通过包括到达角度表达项、到达时刻表达项和多普勒频偏表达项的回波信号表达模型，对MIMO雷达系统的各接收阵列所观测到的待测目标的回波信号进行信号表达，并对各接收阵列对应的信号表达的结果进行下变频处理，得到各接收阵列对应的基带信号表达结果，以基于各接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定待测目标的运动参数的估计结果，无需估计与待测目标的运动参数相关的中间观测量，从而待测目标的运动参数的估计结果不受约束条件和误差传递的影响，且在对待测目标的运动参数进行估计的过程中能够充分考虑回波信号中的到达角度、到达时刻和多普勒频偏，进而能够实现对待测目标的运动参数的高精度估计。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的基于分布式MIMO雷达的目标运动参数估计方法的流程示意图；

图2是本发明提供的基于MIMO雷达系统对待测目标进行运动参数估计的仿真场景示意图；

图3是本发明提供的散射系数为恒定状态时，本发明方法与传统两步估计法对待测目标的初始位置的估计精度的对比图；

图4是本发明提供的散射系数为恒定状态时，本发明方法与传统两步估计法对待测目标的速度的估计精度的对比图；

图5是本发明提供的散射系数为非恒定状态时，本发明方法与传统两步估计法对待测目标的初始位置的估计精度的对比图；

图6是本发明提供的散射系数为非恒定状态时，本发明方法与传统两步估计法对待测目标的速度的估计精度的对比图；

图7是本发明提供的散射系数为恒定状态，且接收阵列中接收天线的数量为1和3时，对待测目标的初始位置的估计精度的对比图；

图8是本发明提供的散射系数为恒定状态，且接收阵列中接收天线的数量为1和3时，对待测目标的速度的估计精度的对比图；

图9是本发明提供的散射系数为非恒定状态，且接收阵列中接收天线的数量为1和3时，对待测目标的初始位置的估计精度的对比图；

图10是本发明提供的散射系数为非恒定状态，且接收阵列中接收天线的数量为1和3时，对待测目标的速度的估计精度的对比图；

图11是本发明提供的基于分布式MIMO雷达的目标运动参数估计装置的结构示意图；

图12是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合图1-图10描述本发明的基于分布式MIMO雷达的目标运动参数估计方法。本发明基于分布式MIMO雷达的目标运动参数估计方法由位于数据融合处理中心的计算机等电子设备或其中的硬件和/或软件执行。如图1所示，本发明基于分布式MIMO雷达的目标运动参数估计方法至少包括如下步骤：

S101、基于预设的回波信号表达模型，对MIMO雷达系统的各接收阵列所观测到的待测目标的回波信号进行信号表达；其中，所述回波信号表达模型包括到达角度表达项、到达时刻表达项和多普勒频偏表达项，所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项是基于运动参数项构建的；

S102、分别对各所述接收阵列对应的所述信号表达的结果进行下变频处理，得到各所述接收阵列对应的基带信号表达结果；

S103、基于各所述接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定所述待测目标的运动参数的估计结果。

本实施例中，MIMO雷达系统中包含有M

回波信号表达模型用于通过函数表达式的形式对接收阵列所观测到的回波信号进行信号表达。回波信号表达模型包括到达角度表达项、到达时刻表达项和多普勒频偏表达项。

作为一种可选的实施方式，在不考虑下变频处理以及噪声影响的情况下，回波信号表达模型可以如式(1)所示：

式中，

其中，到达角度表达项、到达时刻表达项和多普勒频偏表达项均是基于运动参数项构建的，运动参数可以包括速度和初始位置。

作为一种可选的实施方式，所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项是通过如下方法获得的：

基于所述运动参数、所述MIMO雷达系统的各发射天线的位置信息和各所述接收阵列中接收天线的位置信息，构建所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项。例如，[α

[α

式中，c为光速；p

可以理解的是，当连续K个脉冲重复周期的观测时间段内待测目标相对于各接收阵列的角度变化可以被忽略，且连续K个脉冲重复周期的观测时间段内脉冲回波的时延变化远小于初始基带信号的带宽B情况下，可以对

式中，α

作为一种可选的实施方式，各发射天线发射的脉冲信号可以为相位编码信号，各发射天线使用的载波信号的频率完全相同为f

式中，

对各接收阵列所观测到的待测目标的回波信号的信号表达的结果进行下变频处理，以去除载波信号，得到各接收阵列所观测到的基带信号的表达结果，即各接收阵列对应的基带信号表达结果。例如，可以对式(6)进行下变频处理，以得到各接收阵列对应的基带信号表达结果，在第k个脉冲信号对应的脉冲重复周期内，第n个接收阵列所观测到的回波信号经下变频处理后可以如式(8)所示：

式中，r′

得到各接收阵列对应的基带信号表达结果之后，可以基于各接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定待测目标的运动参数的估计结果，从而能够有效保证待测目标的运动参数的估计结果的精度。

本实施例通过包括到达角度表达项、到达时刻表达项和多普勒频偏表达项的回波信号表达模型，对MIMO雷达系统的各接收阵列所观测到的待测目标的回波信号进行信号表达，并对各接收阵列对应的信号表达的结果进行下变频处理，得到各接收阵列对应的基带信号表达结果，以基于各接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定待测目标的运动参数的估计结果，无需估计与待测目标的运动参数相关的中间观测量，从而待测目标的运动参数的估计结果不受约束条件和误差传递的影响，且在对待测目标的运动参数进行估计的过程中能够充分考虑回波信号中的到达角度、到达时刻和多普勒频偏，进而能够实现对待测目标的运动参数的高精度估计。

在示例性实施例中，所述基于各所述接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定所述待测目标的运动参数的估计结果，包括：

基于所述待测目标的散射特征，确定所述待测目标的散射系数在不同的脉冲重复周期中的取值状态；所述取值状态包括恒定状态和非恒定状态；

基于所述取值状态，从多个预设估计模型中确定所述待测目标对应的目标估计模型；其中，所述预设估计模型是在所述恒定状态或所述非恒定状态下，基于所述回波信号表达模型的下变频处理的结果构建的极大似然函数模型；

将各所述接收阵列对应的基带信号表达结果均输入至所述目标估计模型，并基于所述目标估计模型在所述待测目标的运动参数的预设取值区间的输出值，确定所述待测目标的运动参数的估计结果。

本实施例中，待测目标的散射系数取决于待测目标自身的散射特征。待测目标的散射系数在不同的脉冲重复周期中的取值状态包括恒定状态和非恒定状态，恒定状态，即，散射系数不受观测角度、频率、极化等因素的影响，在各脉冲重复周期中的取值保持不变，非恒定状态，即，散射系数随脉冲重复周期的变化而变化。

实施中，可以根据待测目标的散射系数的取值状态从多个预设估计模型中确定用于对待测目标进行运动参数估计的目标估计模型。对于任一MIMO雷达系统，多个预设估计模型可以包括第一预设估计模型和第二预设估计模型，第一预设估计模型和第二预设估计模型分别为散射系数为恒定状态和非恒定状态时对应的预设估计模型。其中，多个预设估计模型均是基于回波信号表达模型的下变频处理的结果构建的极大似然函数模型。

确定目标估计模型之后，可以将各接收阵对应的基带信号表达结果均输入至目标估计模型，并基于目标估计模型在待测目标的运动参数的预设取值区间上的输出值，来确定待测目标的运动参数的估计结果。预设取值区间可以基于先验信息确定得到，还可以对待测目标的运动参数进行粗估计，并根据粗估计的结果确定预设取值区间。其中，对待测目标的运动参数进行粗估计的具体方式可以根据实际需求进行设定，例如，可以通过两步估计法确定，从而能够进一步提高对待测目标的运动参数的估计精度。

在示例性实施例中，所述基于所述目标估计模型在所述待测目标的运动参数的预设取值区间的输出值，确定所述待测目标的运动参数的估计结果，包括：

获取所述目标估计模型在所述待测目标的运动参数的预设取值区间的最大输出值，并将所述最大输出值对应的所述运动参数的取值，作为所述待测目标的运动参数的估计结果。

本实施例中，可以基于预设间隔分别对待测目标的各运动参数的预设取值区间进行采样，得到每一个运动参数对应的采样值，基于各运动参数对应的采样值确定多个数组，每个数组包括各运动参数的一个采样值。将各数组分别输入至目标估计模型，以得到各数组对应的目标估计模型的输出值，可以将目标估计模型的输出值最大时，对应的数组中的各运动参数的采样值作为待测目标的各运动参数的估计结果，从而能够进一步提高对待测目标的运动参数的估计精度。

在示例性实施例中，所述预设估计模型是通过如下方法构建得到的：

对所述回波信号表达模型进行下变频处理，得到第一基带信号表达模型；

对所述第一基带信号表达模型进行信号离散化处理，得到第二基带信号表达模型；

在所述恒定状态或所述非恒定状态下，基于所述第二基带信号表达模型构建极大似然函数模型，并作为所述预设估计模型。

本实施例中，在构建预设估计模型的过程中，可以对回波信号表达模型进行下变频处理，得到第一基带信号表达模型，具体可以如式(8)所示。可以理解的是，第一基带信号表达模型用于表示连续的模拟信号。

在构建各预设估计模型的过程中，可以对第一基带信号表达模型进行信号离散化处理，即，对第一基带信号表达模型所表示的基带信号进行离散化处理，例如，可以基于预设的采样频率对第一基带信号表达模型所表示的基带信号进行采样处理，以实现第一基带信号表达模型的信号离散化处理，得到第二基带信号表达模型。作为一种可选的实施方式，第二基带信号表达模型可以如式(9)所示：

r′

式中，r′

s

d

在散射系数的取值状态为恒定状态时，可以基于第二基带信号表达模型构建第一极大似然函数模型，并作为第一预设估计模型，在散射系数的取值状态为非恒定状态时，可以基于第二基带信号表达模型构建第二极大似然函数模型，并作为第二预设估计模型。可以理解的是，散射系数的取值状态为恒定状态时，散射系数在各脉冲重复周期中的取值保持不变，可以将一个接收阵列在连续K个脉冲重复周期内观测到的基带信号作为最小单位构建第一预设估计模型；散射系数的取值状态为非恒定状态时，散射系数随脉冲重复周期的变化而变化，可以将一个接收阵列在一个脉冲重复周期内观测到的基带信号作为最小单位构建第二预设估计模型，从而能够有效保证各预设估计模型的准确性。

在示例性实施例中，所述第二基带信号表达模型包括导向矢量项、多普勒频偏项、第一基带信号项、时延项和散射系数项；

所述基于所述第二基带信号表达模型构建极大似然函数模型，包括：

基于所述导向矢量项、所述多普勒频偏项、所述第一基带信号项、所述时延项和所述散射系数项，构建所述第二基带信号表达模型对应的期望表达模型；

基于第二基带信号项和所述期望表达模型，构建初始极大似然函数模型；其中，所述第二基带信号项用于输入各所述接收阵列对应的所述基带信号表达结果；

基于所述初始极大似然函数模型，对所述散射系数项进行变换处理，得到所述极大似然函数模型。

本实施例中，第一预设估计模型对应的初始极大似然函数模型L

式中，I

r

式中，β

第二预设估计模型对应的初始极大似然函数模型L

式中，r′

由于第一预设估计模型对应的初始极大似然函数模型L

在示例性实施例中，所述基于所述初始极大似然函数模型，对所述散射系数项进行变换处理，得到所述极大似然函数模型，包括：

基于最小二乘法，确定所述初始极大似然函数模型满足最大化条件时，所述散射系数项的目标表达式；所述散射系数项的目标表达式包括所述导向矢量项、所述多普勒频偏项、所述基带信号项、所述时延项和所述第二基带信号项；

基于所述散射系数项的目标表达式和所述初始极大似然函数模型，确定所述极大似然函数模型。

本实施例中，在对初始极大似然函数模型中的散射系数项进行变换处理的过程中，可以基于最小二乘法确定初始极大似然函数模型满足最大化条件时散射系数项的目标表达式，即，通过导向矢量项、多普勒频偏项、基带信号项、时延项和第二基带信号项对散射系数项进行表示，并将初始极大似然函数模型中的散射系数项替换为该目标表达式，以得到极大似然函数模型，即，预设估计模型，从而能够有效减少预设估计模型中未知量的数量，进而提高了运动参数估计结果的准确性。

例如，对于第一预设估计模型对应的初始极大似然函数模型L

式中，C

将式(15)L

将

因此，在散射系数的取值状态为恒定状态时，待测目标的运动参数可以通过多维搜索来最大化L

式中，ζ为待测目标的运动参数的预设取值区间。

对于第二预设估计模型对应的初始极大似然函数模型L

将Θ

将

/>

因此，在散射系数的取值状态为非恒定状态时，待测目标的空间运动参数可以通过多维搜索来最大化L

以下通过举例对本发明基于分布式MIMO雷达的目标运动参数估计方法的具体效果进行详细描述。

假设MIMO雷达系统共包含4根发射天线以及4个接收阵列，每个接收阵列中包含3根间距为半波长的接收天线。为了简便起见，考虑接收阵列中的第一根接收天线可同时实现收发功能(即收发一体的情况)。图2示例了基于MIMO雷达系统对待测目标进行运动参数估计的仿真场景示意图，4个接收阵列(收发节点)分别位于(-4000，-4000)，(-4000,4000)，(4000，-4000)以及(4000,4000)的位置，待测目标的初始位置和速度则分别为(0,0)和(50,30)，箭头表示待测目标的运动速度方向，这里位置和速度的单位分别为米和米/秒。

MIMO雷达系统的工作参数如表1所示，使用的发射信号是基于序列二次规划算法所生成的连续相位编码信号，寻优中约束自相关函数旁瓣峰值和互相关函数的峰值之和最小。根据表1中码长、采样频率及脉冲宽度的取值可知，使用相位编码信号时，每个码元上的采样点数为2。

表1

图3示例了散射系数为恒定状态时，本发明方法与传统两步估计法对待测目标的初始位置的估计精度的对比结果，图4示例了散射系数为恒定状态时，本发明方法与传统两步估计法对待测目标的速度的估计精度的对比结果；图5示例了散射系数为非恒定状态时，本发明方法与传统两步估计法对待测目标的初始位置的估计精度的对比结果，图6示例了散射系数为非恒定状态时，本发明方法与传统两步估计法对待测目标的速度的估计精度的对比结果。图3～图6中，直接估计法为本发明方法，横坐标为SNR(Signal-to-Noise Ratio，信噪比)，纵坐标为rmse(均方根误差)。

由图3～图6可知，在高信噪比条件下，本发明方法与传统两步估计法的估计性能基本一致，都可以贴近于CRLB(Cramer-Rao Lower Bound，克拉美-罗下界)，但在中低信噪比条件下，本发明方法的性能要明显优于传统的两步估计法，且本发明方法参数估计的均方根误差可以更快地趋近CRLB。

图7示例了散射系数为恒定状态，且接收阵列中接收天线的数量为1和3时，对待测目标的初始位置的估计精度的对比结果，图8示例了散射系数为恒定状态，且接收阵列中接收天线的数量为1和3时，对待测目标的速度的估计精度的对比结果；图9示例了散射系数为非恒定状态，且接收阵列中接收天线的数量为1和3时，对待测目标的初始位置的估计精度的对比结果，图10示例了散射系数为非恒定状态，且接收阵列中接收天线的数量为1和3时，对待测目标的速度的估计精度的对比结果。图7～图10中，“天线数量/＝1(RMSE)”和“天线数量/＝3(RMSE)”，分别为接收天线的数量为1和3时，通过本发明方法对待测目标进行运动参数估计的均方根误差，“天线数量/＝1(CRLB)”和“天线数量/＝3(CRLB)”，分别为接收天线的数量为1和3时，待测目标的运动参数的CRLB。

由图7～图10可知，接收天线的数量为1的情况下，估计性能明显差于接收天线的数量为3的情况，这是因为相较于接收天线的数量为3的情况，接收天线的数量为1时，对待测目标进行运动参数估计的过程中无需考虑到达角度，由此可知，到达角度对提升待测目标的运动参数的估计精度具有重要作用。

下面对本发明提供的基于分布式MIMO雷达的目标运动参数估计装置进行描述，下文描述的基于分布式MIMO雷达的目标运动参数估计装置与上文描述的基于分布式MIMO雷达的目标运动参数估计方法可相互对应参照。如图11所示，本发明基于分布式MIMO雷达的目标运动参数估计至少包括：

第一处理模块1101，用于基于预设的回波信号表达模型，对MIMO雷达系统的各接收阵列所观测到的待测目标的回波信号进行信号表达；其中，所述回波信号表达模型包括到达角度表达项、到达时刻表达项和多普勒频偏表达项，所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项是基于运动参数项构建的；

第二处理模块1102，用于分别对各所述接收阵列对应的所述信号表达的结果进行下变频处理，得到各所述接收阵列对应的基带信号表达结果；

第三处理模块1103，用于基于各所述接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定所述待测目标的运动参数的估计结果。

在示例性实施例中，所述第三处理模块1103具体用于：

基于所述待测目标的散射特征，确定所述待测目标的散射系数在不同的脉冲重复周期中的取值状态；所述取值状态包括恒定状态和非恒定状态；

基于所述取值状态，从多个预设估计模型中确定所述待测目标对应的目标估计模型；其中，所述预设估计模型是在所述恒定状态或所述非恒定状态下，基于所述回波信号表达模型的下变频处理的结果构建的极大似然函数模型；

将各所述接收阵列对应的基带信号表达结果均输入至所述目标估计模型，并基于所述目标估计模型在所述待测目标的运动参数的预设取值区间的输出值，确定所述待测目标的运动参数的估计结果。

在示例性实施例中，所述第三处理模块1103具体用于：

获取所述目标估计模型在所述待测目标的运动参数的预设取值区间的最大输出值，并将所述最大输出值对应的所述运动参数的取值，作为所述待测目标的运动参数的估计结果。

在示例性实施例中，还包括第四处理模块，所述第四处理模块用于：

对所述回波信号表达模型进行下变频处理，得到第一基带信号表达模型；

对所述第一基带信号表达模型进行信号离散化处理，得到第二基带信号表达模型；

在所述恒定状态或所述非恒定状态下，基于所述第二基带信号表达模型构建极大似然函数模型，并作为所述预设估计模型。

在示例性实施例中，所述第二基带信号表达模型包括导向矢量项、多普勒频偏项、第一基带信号项、时延项和散射系数项；

所述第四处理模块具体用于：

基于所述导向矢量项、所述多普勒频偏项、所述第一基带信号项、所述时延项和所述散射系数项，构建所述第二基带信号表达模型对应的期望表达模型；

基于第二基带信号项和所述期望表达模型，构建初始极大似然函数模型；其中，所述第二基带信号项用于输入各所述接收阵列对应的所述基带信号表达结果；

基于所述初始极大似然函数模型，对所述散射系数项进行变换处理，得到所述极大似然函数模型。

在示例性实施例中，所述第四处理模块具体用于：

基于最小二乘法，确定所述初始极大似然函数模型满足最大化条件时，所述散射系数项的目标表达式；所述散射系数项的目标表达式包括所述导向矢量项、所述多普勒频偏项、所述基带信号项、所述时延项和所述第二基带信号项；

基于所述散射系数项的目标表达式和所述初始极大似然函数模型，确定所述极大似然函数模型。

在示例性实施例中，还包括第五处理模块，所述第五处理模块用于：

基于所述运动参数、所述MIMO雷达系统的各发射天线的位置信息和各所述接收阵列中接收天线的位置信息，构建所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项。

图12示例了一种电子设备的实体结构示意图，如图12所示，该电子设备可以包括：处理器(processor)1201、通信接口(Communications Interface)1202、存储器(memory)1203和通信总线1204，其中，处理器1201，通信接口1202，存储器1203通过通信总线1204完成相互间的通信。处理器1201可以调用存储器1203中的逻辑指令，以执行基于分布式MIMO雷达的目标运动参数估计方法，该方法包括：基于预设的回波信号表达模型，对MIMO雷达系统的各接收阵列所观测到的待测目标的回波信号进行信号表达；其中，所述回波信号表达模型包括到达角度表达项、到达时刻表达项和多普勒频偏表达项，所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项是基于运动参数项构建的；

分别对各所述接收阵列对应的所述信号表达的结果进行下变频处理，得到各所述接收阵列对应的基带信号表达结果；

基于各所述接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定所述待测目标的运动参数的估计结果。

此外，上述的存储器1203中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于分布式MIMO雷达的目标运动参数估计方法，该方法包括：基于预设的回波信号表达模型，对MIMO雷达系统的各接收阵列所观测到的待测目标的回波信号进行信号表达；其中，所述回波信号表达模型包括到达角度表达项、到达时刻表达项和多普勒频偏表达项，所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项是基于运动参数项构建的；

分别对各所述接收阵列对应的所述信号表达的结果进行下变频处理，得到各所述接收阵列对应的基带信号表达结果；

基于各所述接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定所述待测目标的运动参数的估计结果。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于分布式MIMO雷达的目标运动参数估计方法，该方法包括：基于预设的回波信号表达模型，对MIMO雷达系统的各接收阵列所观测到的待测目标的回波信号进行信号表达；其中，所述回波信号表达模型包括到达角度表达项、到达时刻表达项和多普勒频偏表达项，所述到达角度表达项、所述到达时刻表达项和所述多普勒频偏表达项是基于运动参数项构建的；

分别对各所述接收阵列对应的所述信号表达的结果进行下变频处理，得到各所述接收阵列对应的基带信号表达结果；

基于各所述接收阵列对应的基带信号表达结果，采用极大似然估计的方法确定所述待测目标的运动参数的估计结果。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。