[发明专利]基于四线性分解的双基地MIMO雷达角度估算方法

说明书

本发明公开了一种基于四线性分解的双基地MIMO雷达角度估算方法，其利用阵列信号的多维结构，估计接收数据的协方差矩阵，并构建协方差矩阵的四阶张量模型；对接收方向矩阵、发射方向矩阵、目标协方差矩阵进行初始化，将接收方向矩阵、发射方向矩阵、目标协方差矩阵初始化为一个单位矩阵；再利用交替最小二乘法对接收方向矩阵、发射方向矩阵以及目标协方差矩阵进行迭代计算，直至满足收敛条件；最后通过最小二乘方法估计目标的DOD与DOA。其与传统算法相比，无需额外的校准源、奇异值分解以及谱峰搜索；还能够自动匹配所估计的DOD与DOA；其参数估计的精度高于ESPRIT算法和HOSVD算法，但复杂度低于PARAFA C算法。

技术领域

本发明涉及一种雷达信号处理技术，具体的说涉及一种基于四线性分解的双基地MIMO雷达角度估算方法。

背景技术

随着时代的进步与发展，多输入多输出(multiple-input multiple-output,MIMO)技术也在通信领域取得巨大的成功与突破，这种技术在雷达领域引起了广泛的关注。MIMO雷达技术的核心内容是利用多组相互正交的信号，对目标进行照射，接收天线接收目标回波信号并对它进行匹配滤波处理，从而得到目标空间位置等参数的估计。与传统的相控阵雷达技术相比，MIMO雷达对目标参数估计有着更高的精度。就目前而言，它是国际上讨论十分火热的学术话题，该研究不仅在学术方面有重要意义，而且在军事和民用上有着广泛的应用。

联合波离角(direction-of-departure，DOD)和波达角 (direction-of-arrival，DOA)估计是双基地MIMO雷达的重要研究方向之一。随着该研究的深入，产生了许多优秀的角度估计算法。如，多重信号分类 (multiple signal classification algorithm，MUSIC)算法、基于旋转不变技术的信号参数估计(Estimation of Signal Parameters viaRotational Invariance Techniques，ESPRIT)算法、传播算子(Propagator Method，PM)算法和张量的算法等。其中，MUSIC算法利用子空间分解和谱峰搜索得到参数估计，其复杂度较高。ESPRIT算法利用信号子空间的旋转不变特性进行角度估计，其可获得参数估计的闭式解，因而复杂度相对较低。上述两类算法均需要对阵列信号进行奇异值分解，或者或对阵列信号的协方差进行特征值分解，因而算法复杂度往往较高。PM算法不需要奇异值分解或特征值分解，其复杂度往往较低。上述算法都是将阵列信号表述成矩阵的形式，因而没有利用MIMO雷达匹配滤波后信号的多维结构特性，因此参数估计的精度较低。张量算法如平行因子 (Parallel Factor，PARAFAC)算法，高阶子空间分解(High Order Singular ValueDecomposition，HOSVD)算法能够充分利用信号模型的多维结构特性，近年来受到学者的广泛关注。相比HOSVD算法，PARAFAC算法采用迭代的思想进行参数估计，且不需要进行奇异值分解或特征值分解，因而其在计算复杂度和精度方法往往优于HOSVD算法。然而，现有PARAFAC算法均在大快拍背景下参数估计的复杂度仍然较高。

发明内容

鉴于以上原因，有必要提供一种能够降低大快拍背景下PARAFAC复杂度，并使用算法处理相干源，而且适用于实际工程中的硬件运算的基于四线性分解的双基地MIMO雷达角度估算方法。

本发明提供一种基于四线性分解的双基地MIMO雷达角度估算方法，所述基于四线性分解的双基地MIMO雷达角度估算方法包括如下步骤：

S1、对接收阵列数据进行匹配滤波处理，估计接收数据的协方差矩阵，并构建协方差矩阵的四阶张量模型；

S2、对接收方向矩阵、发射方向矩阵、目标协方差矩阵进行初始化，将接收方向矩阵、发射方向矩阵、目标协方差矩阵初始化为一个单位矩阵；

S3、利用交替最小二乘法对接收方向矩阵、发射方向矩阵以及目标协方差矩阵进行迭代计算，直至满足收敛条件；