MIMO雷達(dá)信號(hào)處理-目標(biāo)檢測(cè)與角度估計(jì).pdf

1、多輸入多輸出(Multiple-Input Multiple-Output，MIMO)雷達(dá)具有多個(gè)發(fā)射陣元和接收陣元，可以發(fā)射和接收多個(gè)任意波形，使得MIMO雷達(dá)設(shè)計(jì)者擁有更多的設(shè)計(jì)自由度。根據(jù)不同的應(yīng)用背景和需求，對(duì)其發(fā)射波形以及相應(yīng)的信號(hào)處理算法進(jìn)行設(shè)計(jì)，可以實(shí)現(xiàn)目標(biāo)檢測(cè)、參數(shù)估計(jì)、目標(biāo)識(shí)別以及跟蹤等方面的性能提升。本文根據(jù)MIMO雷達(dá)信號(hào)處理研究進(jìn)展，重點(diǎn)開展了MIMO雷達(dá)的目標(biāo)檢測(cè)和角度估計(jì)的研究，主要貢獻(xiàn)如下：
　　

2、1.研究了未知統(tǒng)計(jì)特性的空時(shí)二維雜波背景下MIMO雷達(dá)自適應(yīng)檢測(cè)問題。
　　 首先基于廣義最大似然比原理，將單基地雷達(dá)的廣義最大似然比檢測(cè)器(GeneralizedLikelihood Ratio Test，GLRT)推廣到MIMO雷達(dá)，給出了MIMO-GLRT檢測(cè)器，并推導(dǎo)出其檢測(cè)概率和虛警概率的閉合表達(dá)式。然后，根據(jù)MIMO雷達(dá)雜波協(xié)方差矩陣的塊對(duì)角特性，給出了一種簡(jiǎn)化MIMO-GLRT檢測(cè)器，降低了MIMO-GLRT檢測(cè)器

3、算法的復(fù)雜度，并在兩個(gè)虛擬雙基雷達(dá)的情形下，推導(dǎo)出簡(jiǎn)化MIMO-GLRT檢測(cè)器檢測(cè)概率和虛警概率的表達(dá)式。最后，針對(duì)參考單元數(shù)據(jù)不足引起的估計(jì)協(xié)方差矩陣病態(tài)問題，將對(duì)角加載技術(shù)應(yīng)用到簡(jiǎn)化MIMO-GLRT檢測(cè)器中，研究了簡(jiǎn)化MIMO-LGLRT檢測(cè)器，改善了估計(jì)協(xié)方差矩陣的數(shù)值狀態(tài)，并對(duì)檢測(cè)性能進(jìn)行理論分析。
　　 2.研究了未知雜波背景下MIMO雷達(dá)的旁瓣目標(biāo)抑制和魯棒目標(biāo)檢測(cè)技術(shù)。
　　 首先，為提高M(jìn)IMO雷達(dá)對(duì)旁

4、瓣目標(biāo)的抑制能力，給出MIMO雷達(dá)的自適應(yīng)正交抑制波束形成檢測(cè)器(Adaptive Beamformer Orthogonal Rejection Test，ABORT)MIMO-ABORT和自適應(yīng)錐抑制檢測(cè)器(Adaptive Detector With Comc Rejection，ADCR)MIMO-ADCR。然后，針對(duì)導(dǎo)向向量誤差問題，研究了MIMO雷達(dá)的自適應(yīng)子空間檢測(cè)算法，給出MIMO-SGLRT、MIMO-SABORT和M

5、IMO-SRao檢測(cè)器，提高了檢測(cè)器對(duì)導(dǎo)向向量誤差的魯棒性。最后，給出MIMO雷達(dá)的自適應(yīng)錐檢測(cè)和錐抑制檢測(cè)器(Adaptive Detector with Conic Acceptance and Rejection，ADCAR)MIMO-ADCAR。通過調(diào)整該檢測(cè)器錐的參數(shù)，綜合調(diào)整MIMO雷達(dá)的旁瓣目標(biāo)抑制能力和檢測(cè)性能。
　　 3.研究了對(duì)稱α穩(wěn)定(Symmetric Alpha Stable，SαS)沖擊雜波和復(fù)合高斯

6、雜波兩種非高斯雜波背景下MIMO雷達(dá)的波達(dá)方向(Direction of Arrival，DOA)估計(jì)問題。
　　 對(duì)于SαS沖擊雜波背景，首先分別采用分?jǐn)?shù)低階矩(Fractional Lower Order Moment，F(xiàn)LOM)和無窮范數(shù)(Infinity-norm，Inf)歸一化對(duì)MIMO雷達(dá)接收數(shù)據(jù)進(jìn)行預(yù)處理，得到有界統(tǒng)計(jì)量。然后，在分析相應(yīng)的預(yù)處理后數(shù)據(jù)矩陣子空間結(jié)構(gòu)的基礎(chǔ)上，將多重信號(hào)分類(Multiple Sig

7、nal Classification，MUSIC)算法應(yīng)用到MIMO雷達(dá)，實(shí)現(xiàn)DOA估計(jì)。對(duì)于復(fù)合高斯雜波背景，研究了該背景下MIMO雷達(dá)對(duì)目標(biāo)DOA估計(jì)理論性能，推導(dǎo)出平均克拉美-羅下界(Average Crammer-Rao Bounds，ACRB)和中斷克拉美-羅下界(OutageCRB，OCRB)并分析了這兩種下界的性質(zhì)。
　　 4.研究了MLMO雷達(dá)對(duì)相干目標(biāo)的波離方向(Direction of Departure，D

8、OD)和DOA估計(jì)算法。
　　 首先分析了MIMO雷達(dá)接收數(shù)據(jù)協(xié)方差矩陣元素的表示形式，利用該協(xié)方差矩陣中的元素，構(gòu)造出一個(gè)新數(shù)據(jù)矩陣。該新數(shù)據(jù)矩陣可以分解為信號(hào)子空間和噪聲子空間，同時(shí)信號(hào)子空間的秩等于目標(biāo)的個(gè)數(shù)，不受目標(biāo)之間相關(guān)性的影響。然后基于旋轉(zhuǎn)不變技術(shù)的信號(hào)參數(shù)估計(jì)(Estimation of Signal Parameters via Rotation Invariant Techniques，ESPRIT)算法有效