法律状态公告日
法律状态信息
法律状态
2015-04-08
授权
授权
2013-12-18
实质审查的生效 IPC(主分类):G01S7/02 申请日:20130901
实质审查的生效
2013-11-27
公开
公开
技术领域
本发明属于通信技术领域,更进一步涉及雷达技术领域中的一种基于多输入 多输出(Multiple-Input Multiple-Output,MIMO)雷达的发射极化优化波达方向 (Direction of Arrival,DOA)估计方法。本发明可用于对飞机、舰船等运动目标进 行目标定位和跟踪。
背景技术
MIMO雷达用多个天线发射不同的波形信号,然后再用多个天线接收回波信号。 MIMO雷达的DOA估计具有如下优点:利用匹配滤波技术使其虚拟孔径得到扩展, 从而提高DOA的估计精度;匹配滤波后的虚拟阵列比常规相控阵雷达估计更多的目 标;可利用发射信号的波形分集来增加更加发射波束设计的灵活性,从而提高DOA 的估计精度。
电磁矢量传感器由六个相互正交的电偶极子和磁环组成,其具有极化分集且能够 接收一个电磁波完全的电场和磁场信息。基于电磁矢量传感器阵列的DOA估计具有 如下优点:可利用目标的极化分集来提供另一维的目标信息,从而提高DOA估计精 度。
西安电子科技大学在其申请的专利“多输入多输出雷达系统目标定位方法”(专 利申请号200810150754.X,公开号CN101349748A)中公开了一种多输入多输出 MIMO雷达目标定位的方法。首先,对各个充分远离的发射机发射正交信号,在接收 机处利用发射信号的正交性,用匹配滤波的方法分离各发射阵元的回波信号。然后, 各个接收机对目标进行测向,得到目标角度。最后,用约束最小二乘法,实现目标的 精确定位。该方法存在的不足是,发射端采用常规阵列,无法利用发射极化信息,DOA 估计精度低。
Gu C等人在论文“Target localization using MIMO electromagnetic vector array systems”(《Signal Processing》,Vol.93No.7,pp.2103-2107,2013.)公开了一种基于 全极化MIMO雷达的DOA估计方法。该方法利用电磁波的六维极化信息进行DOA 估计。首先,利用ESPRIT算法处理接收数据。然后,利用矢量叉乘法估计得到自动 配对的方位角和俯仰角两维估计。该方法存在的不足是,并未对发射极化进行优化, 仍采用固定的发射极化来估计得到目标的方位角和俯仰角,DOA估计精度低。
发明内容
本发明针对上述现有技术存在的不足,提出一种基于MIMO雷达的发射极 化优化DOA估计方法。本发明提出一种利用克拉美罗界最小化的方法来优化发 射极化参数,提高了电磁矢量传感器MIMO雷达的两维DOA估计精度,以解决 现有技术中DOA估计精度低的问题。
本发明的基本思路是:建立阵列模型,获取阵列接收数据,匹配滤波,获取 目标方位角和俯仰角的克拉美罗界,获取最优发射极化参数。
实现本发明目的的具体步骤如下:
(1)建立阵列模型:
电磁矢量传感器MIMO雷达发射信号的极化分集与波形分集信号的模型表 示如下:
b(t)=ξas(t)
其中,b(t)表示电磁矢量传感器MIMO雷达的发射信号,t表示时间;ξ表 示电磁矢量传感器MIMO雷达的发射极化参数,a表示电磁矢量传感器MIMO 雷达的发射导向矢量,s(t)表示电磁矢量传感器MIMO雷达的发射信号波形。
(2)获取阵列接收数据:
电磁矢量传感器MIMO雷达的接收机对接收信号进行中频采样、滤波、抽 取操作,得到电磁矢量传感器MIMO雷达的接收数据。
(3)匹配滤波:
利用电磁矢量传感器MIMO雷达的发射信号波形对接收数据进行卷积运 算,获得匹配滤波后的接收数据。
(4)获取目标方位角和俯仰角的克拉美罗界:
4a)将电磁矢量传感器MIMO雷达匹配滤波后的接收数据,以矢量形式排 列;
4b)对排列成矢量形式的数据依次进行Kronecker积、Hadamard积、矩阵 求迹操作,得到四个费舍尔矩阵块,将四个费舍尔矩阵块以2×2的形式置于同一 个矩阵中,完成费舍尔矩阵的构造;
4c)对费舍尔矩阵求逆,得到一个自变量为电磁矢量传感器MIMO雷达的 发射极化参数,因变量为目标方位角和俯仰角的克拉美罗界的函数,将因变量作 为目标方位角和俯仰角的克拉美罗界。
(5)获取最优发射极化参数:
采用栅格搜索方法,对电磁矢量传感器MIMO雷达的发射极化参数进行搜 索,获得最优发射极化参数。
本发明与现有的技术相比具有以下优点:
第一,由于本发明采用了结合电磁矢量传感器的极化分集和MIMO雷达的 波形分集的方法,克服了现有技术中多输入多输出雷达系统目标定位方法中发射 端采用常规阵列,无法利用发射极化信息的缺点,使得本发明具有DOA估计精 度高的优点。
第二,由于本发明利用最小化克拉美罗界的方法来优化发射极化参数,克服 了现有技术中电磁矢量传感器MIMO雷达的目标定位方法中未对发射极化进行 优化,采用固定发射极化来进行DOA估计的缺点,使得本方明具有DOA估计精 度高的优点。
附图说明
图1为本发明的流程图;
图2为本发明的仿真实验中目标方位角和俯仰角的克拉美罗界示意图;
图3为本发明的仿真实验中目标DOA估计结果图;
图4为本发明的仿真实验中目标DOA估计精度图。
具体实施方式
下面结合附图对本发明作进一步的详细描述。
参照附图1,本发明的具体步骤如下。
步骤1,建立阵列模型。
电磁矢量传感器MIMO雷达发射信号的极化分集与波形分集信号的模型表 示如下:
b(t)=ξas(t)
其中,b(t)表示电磁矢量传感器MIMO雷达的发射信号,t表示时间,ξ表 示电磁矢量传感器MIMO雷达的发射极化参数,a表示电磁矢量传感器MIMO 雷达的发射导向矢量,s(t)表示电磁矢量传感器MIMO雷达的发射信号波形。
步骤2,获取阵列接收数据。
电磁矢量传感器MIMO雷达的接收机对接收信号进行中频采样、滤波、抽 取操作,得到电磁矢量传感器MIMO雷达的接收数据。
步骤3,匹配滤波。
利用电磁矢量传感器MIMO雷达的发射信号波形对接收数据进行卷积运算, 获得匹配滤波后的接收数据。
步骤4,获取目标方位角和俯仰角的克拉美罗界。
将电磁矢量传感器MIMO雷达匹配滤波后的接收数据,以矢量形式排列;
对排列成矢量形式的数据依次进行Kronecker积、Hadamard积、矩阵求迹 操作,得到四个费舍尔矩阵块,将四个费舍尔矩阵块以2×2的形式置于同一个矩 阵中,完成费舍尔矩阵的构造;
对费舍尔矩阵求逆,得到一个自变量为电磁矢量传感器MIMO雷达的发射 极化参数,因变量为目标方位角和俯仰角的克拉美罗界的函数,将因变量作为目 标方位角和俯仰角的克拉美罗界,其中,目标方位角的取值范围为0~90°,目标 俯仰角的取值范围为0~180°。本发明的实施例中,将目标的方位角分别设定为 25°,35°,15°,将目标的俯仰角分别设定为10°,20°,30°。
步骤5,获取最优发射极化参数。
用栅格搜索方法,对电磁矢量传感器MIMO雷达的发射极化参数进行搜索, 获取最优发射极化参数。
栅格搜索方法的具体步骤如下:
首先,将费舍尔矩阵求逆中获得的电磁矢量传感器MIMO雷达发射极化参 数的连续取值范围均分N等份,得到N段连续取值范围,其中,N的取值范围 为100~2000个。
其次,将每段连续取值范围分别取平均值,将每个平均值分别代入费舍尔矩 阵求逆后得到的函数中,获得每个平均值对应的目标方位角和俯仰角的克拉美罗 界。
最后,用冒泡法比较每个平均值对应的目标方位角和俯仰角的克拉美罗界, 提取冒泡法得到的第一个目标方位角和俯仰角的克拉美罗界,将第一个目标方位 角和俯仰角的克拉美罗界代入费舍尔矩阵求逆后得到的函数中,获取一个值,将 此值作为最优发射极化参数。
下面结合仿真图对本发明的效果做进一步的描述。
1.仿真条件:
本发明的仿真是在MATLAB R2010a的软件环境下进行的。
2.仿真内容:
本发明仿真实验利用三个发射电磁矢量传感器天线,第一个天线位于原点, 第二个天线的坐标为[2λ,8λ,5λ],第三个天线的坐标为[6λ,3λ,7λ],λ表示电磁波 波长,目标数为3个,目标的方位角和俯仰角为(25°,10°),(35°,20°),(15°,30°), 目标的极化散射矩阵为
3.仿真效果分析:
图2为本发明的仿真实验中目标方位角和俯仰角的克拉美罗界图,其中, 图2中的横坐标表示发射极化参数,纵坐标表示方位角和俯仰角的克拉美罗界, 图2表示方位角和俯仰角的克拉美罗界随发射极化参数变化的情况。
从图2中可以看出发射极化参数对方位角和俯仰角的克拉美罗界影响较大, 选取一个最优发射极化参数非常重要,本发明采用栅格搜索方法获取了最优发射 极化参数。
图3为本发明的仿真实验中目标DOA估计结果图,其中,图3中的横坐标 表示目标的俯仰角,纵坐标表示目标的方位角,图3中的“+”表示两维目标波 达方向真值,黑点表示两维波达方向估计值。图3中由“+”表示的两维目标波 达方向真值与由黑点表示的两维波达方向估计值近似重合,说明本发明的定位效 果较好。
图4为本发明的仿真实验中目标DOA估计精度图,定量分析了本发明的 DOA估计精度。图4(a)中的横坐标表示信噪比,图4(a)中纵坐标表示方位 角估计均方误差。图4(a)中的虚线表示电磁矢量传感器MIMO雷达的目标定 位方法中方位角估计均方误差随信噪比变化的情况。图4(a)中的实线表示本 发明中方位角估计均方误差随信噪比变化的情况。图4(b)的横坐标表示信噪 比,图4(b)中的纵坐标表示俯仰角估计均方误差,图4(b)中虚线表示电磁 矢量传感器MIMO雷达的目标定位方法中俯仰角估计均方误差随信噪比变化的 情况,实线表示本发明中俯仰角估计均方误差随信噪比变化的情况。
由图4(a)可见,实线表示的本发明的方位角估计均方误差明显小于由虚 线表示的电磁矢量传感器MIMO雷达的目标定位方法的方位角估计均方误差。 由图4(b)可见,实线表示的本发明的俯仰方位角估计均方误差明显小于由虚 线表示的电磁矢量传感器MIMO雷达的目标定位方法的俯仰角估计均方误差。 显然,本发明的DOA估计精度高于现有技术的电磁矢量传感器MIMO雷达的目 标定位方法。
机译: 信号发射器位置使用稀疏DOA估计基于多级主要阵列具有压缩子阵列的稀疏DOA估计
机译: 基于信号子空间的汽车雷达系统DoA估计方法
机译: 用于估计雷达DoA的DoA系统和方法