[发明专利]基于迭代最小二乘方法的MIMO雷达DOA估计方法

说明书

技术领域

本发明属于雷达信号处理技术领域，具体说是根据单基地MIMO（multiple-transmit multiple-receive）雷达目标回波数据所包含的结构信息，运用迭代最小二乘（I-LS）方法对雷达目标进行波达方向（DOA,Direction-of-Arrival）估计的方法。

背景技术

从上世纪30年代第二次世界大战以来，现代雷达技术已经历了80多年突飞猛进的发展。21世纪以来，在MIMO无线通信理论所取得的巨大成功的推动下，一种新体制雷达——MIMO雷达逐渐成为雷达领域的研究热点。根据雷达天线在空间的分布，MIMO雷达可以分为集中式MIMO雷达和分布式MIMO雷达两类。其中，集中式MIMO雷达根据接收端和发射端之间的位置关系，又可以采用单基地和双基地两种工作模式。单基地MIMO雷达的接收端和发射端相距很近（相对于目标距离），位于同一个雷达站，而双基地MIMO雷达的接收端和发射端分别位于相距较远的两个雷达站，与目标所成的角度不同。

信号的波达方向（DOA）估计是阵列信号处理中的一个重要研究内容，它在雷达、无线通信、电磁场、声纳、医学成像和地震勘探等诸多领域的应用日益受到人们的重视。DOA估计的主要目的是确定同时处在空间某一区域内的多个感兴趣的目标源信号的空间位置。早期的DOA估计方法以常规的波束形成方法为代表。这种方法的实质是用阵元的空域采样代替时域数据，是传统时域傅里叶谱估计向空域的简单推广，因而其分辨力会受到阵列物理孔径(瑞利限制)的约束，使得位于同一个波束宽度内的空间目标无法分辨。通过增大阵列孔径可以提高分辨力，但是在实际情况中，阵列孔径的增大要受到各种因素的制约。因此，高分辨DOA估计技术应运而生，并在随后的几十年里得到了飞速的发展。Burg提出的最大熵法和Capon提出的最小方差法克服了常规波束形成算法分辨力较低的缺点，但是仍然难以突破阵列孔径的瑞利限制。Schimdt提出的多重信号分类（MUSIC）算法则是通过对阵列协方差矩阵进行特征值分解，将观测数据空间划分为相互正交的信号子空间和噪声子空间，然后利用阵列导向矢量与噪声子空间之间的正交性来获取信号的DOA估计，从而突破了以往谱估计算法中阵列孔径的瑞利限制。但是MUSIC算法需要进行谱峰穷尽搜索，运算量和存储量极大。Paulraj、Roy和Kailath基于阵列结构信号子空间的旋转不变特性提出了著名的ESPRIT算法。ESPRIT算法不需要进行谱峰搜索就可以直接给出超分辨的DOA估计，因而成为了最具应用价值的空间谱估计方法之一。这些经典的阵列高分辨DOA估计算法都在MIMO雷达中得到了应用，即MIMO-Capon算法，MIMO-MUSIC算法，接收ESPRIT算法和MIMO-ESPRIT算法等。但是在数据维数剧增的MIMO雷达系统中，这些方法不但计算量庞大，而且要得到好的性能需要极大的样本数，不利于工程实现。

发明内容

本发明的目的是：针对现有的阵列DOA估计方法应用于MIMO雷达时存在的诸多不足，如需要对数据协方差矩阵进行求逆或特征值分解运算而使得算法所涉及的计算量巨大，要获得好的性能需要极大的样本数等，本发明提出了一种迭代最小二乘（I-LS）方法对单基地MIMO雷达目标进行波达方向（DOA）估计。该方法大大地降低了所需的计算量，并提高了小样本条件下的估计性能。

本发明的技术方案概括为：首先对多个雷达发射脉冲的回波数据矩阵以及接收和发射阵列响应矩阵进行降维处理，从而使计算量减小，迭代速度加快；然后，在最小二乘条件下建立代价函数，并给出一种基于梯度下降的迭代方法求解代价函数，其中，本发明的迭代方法是交替地估计目标相对于接收、发射阵列的响应矩阵以及一组包含回波幅度信息的对角矩阵；最后，利用已知的收、发阵列流形估计目标方向。具体实现过程如下：