[发明专利]基于实域加权最小化l1范数方法的MIMO雷达系统DOA估计方法

说明书

本发明涉及MIMO雷达系统技术领域，特别涉及MIMO雷达系统DOA估计的应用，具体说是一种基于实域加权最小化l₁范数方法的MIMO雷达系统DOA估计方法。本发明包括：利用降维矩阵对接收数据进行降维处理；进行奇异值分解并获得稀疏表示框架下的相应模型；利用实域导向矢量和它相应噪声子空间的正交性，设计一个对角线元素与实域MUSIC谱相对应的权值矩阵以解决MMV问题；实现对MIMO雷达系统中目标DOA的估计。本发明通过降维转换SNR增益得到加强，同时所设计的加权l₁范数更好地接近了l₀范数并且强化了稀疏解，比l₁‑SVD和RV l₁‑SVD算法有更高的分辨率。

技术领域

本发明涉及MIMO雷达系统技术领域，特别涉及MIMO雷达系统DOA估计的应用，具体说是一种基于实域加权最小化l₁范数方法的MIMO雷达系统DOA估计方法。

背景技术

最近几年里，由于多输入多输出(multiple-input multiple-output，MIMO)阵列雷达系统(IEEE Signal Processing Magazine，2007，24(5)：106-114)相比于传统相控阵雷达系统的潜在优点而得到极大的关注。在MIMO雷达系统中，角度估计是一个关键性问题。对于这个问题，一些基于子空间的方法，例如MUSIC算法(IEEE Trans.Antennas andpropagation，1986，34(3)：276-280)和ESPRIT算法(IEEE Trans.Signal Process.，1989，37(7)：984-995)，已经在MIMO雷达系统的角度估计中得到了应用。另一方面，利用MIMO雷达系统的特殊结构，在DOA估计中已经提出了RD-ESPRIT(Electronics Letters：2011，47(4)：283-284)和共轭ESPRIT(C-ESPRIT)(Signal Process.，2013，93：2070-2075)算法。基于传送阵波束空间能量集中技术(IEEE Transations on Signal Processing，2011，59(6)：2669-2682)算法的提出提高了角度估计性能。然而，这些方法的性能在低SNR，有限快拍数或者目标空间紧密分布的情况下通常是不能达到要求的。

近几年，稀疏表示领域的出现给阵列信号处理中的DOA估计提供了新的视点，在相关领域中已经提出了一些稀疏表示方法。针对DOA估计提出的一种l₁-SVD算法(IEEETrans.Signal Process.，2005，53(8)：3010-3022)，利用l₁范数处罚接近l₀范数处罚，关注直接数据。l₁-SRACV算法(IEEE Trans.Signal Process.，2011，59(2)：629-638)和CMSR算法(IEEE Trans.Aerosp.Electron.Syst.，2013，49(3))不是利用直接数据而是基于阵列协方差向量的稀疏性。另一方面，实域l₁-SVD(RV l₁-SVD)算法(IEEE Antennas WirelessPropag.Lett.，2013，12：376-379)，相比于l₁-SVD算法具有更低的计算复杂度，更好的角度估计性能。上面所提到的方法都是基于l₁范数处罚，l₁范数处罚不能更好地接近l₀范数处罚。在(Journal of fourier analysis and applications，2008，14(5)：887-905)中提出的一种迭代算法，加权最小化l₁范数方法，更好地接近了l₀范数处罚。但是这面临两大问题：1)只适用于单测量矢量恢复问题。然而，在MIMO阵列系统DOA估计中涉及到多测量矢量恢复问题；2)在MIMO雷达系统中需要二维完备字典恢复稀疏阵列，这也许在恢复稀疏矩阵时失效。

发明内容