[发明专利]联合误差条件下双基地MIMO雷达角度估计方法

说明书

本发明公开了一种联合误差条件下双基地MIMO雷达角度估计方法，其通过对接收阵列数据进行匹配滤波处理，并构建一个三维张量模型；然后采用COMFAC算法对三维张量模型进行分解，并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，获得接收方向矩阵、发射方向矩阵、目标协方差矩阵的估计值；最后通过辅助阵元的导引矢量利用最小二乘方法估计目标的DOD与DOA。本发明所述估计方法通过利用阵列测量的多维结构，使其精度显著优于Reduced‑MUSIC法，同时其计算复杂性远低于Reduced‑MUSIC，且比Reduced‑MUSIC法更高效。

技术领域

本发明涉及一种雷达信号处理技术，具体的说涉及一种联合误差条件下双 基地MIMO雷达角度估计方法。

背景技术

多输入多输出(multiple-input multiple-output,MIMO)雷达是下一代雷 达的主流方向。在双基地MIMO雷达中，联合波离角(direction-of-departure， DOD)和波达角(direction-of-arrival，DOA)估计是目标定位的一个基本任 务。目前，有众多性能卓越的算法已经被开发出来了，例如谱峰搜索算法、旋 转不变算法、最大似然估计算法、平行因子算法等等。其中，平行因子(parallel factor，PARAFAC)算法在估计精度方面是最引人注目的，因为它在充分利用 了雷达匹配滤波后数据固有的多维结构。通常，在现有算法中收发阵列被假定 为是确定的。然而，这些算法可能存在估计性能下降的问题，因为收发阵列可能存在误差，例如增益相位误差和互耦效应。对MIMO雷达的收发阵列误差进行 校准是一个重要的研究方向，并且已经得到了很多的关注。目前，已经有部分 研究工作在阵列误差校准方向分别展开。阵列的增益-相位误差常用对角矩阵来 建立模型。在MIMO雷达中，已经提出了一系列增益-相位误差自校准算法，如 改良的ESPRIT算法(J.Li,M.Jin,Y.Zheng,andG.Liao,“Transmit and receive array gainphase error estimation in bistaticmimo radar,”IEEE Antenn.Wirel.Pr.Lett.,vol.14,pp.32–35,Jan.2015.)，ESPRIT-Like方法(Y.D.Guo,Y.S.Zhang,and N.N.Tong,“Esprit-like angle estimation forbistatic mimo radar with gain and phase uncertainties,”Electron.Lett.,vol.47,no.17,pp.996–997,Aug.2011.)，PM-Like 算法(C.Chen and X.Zhang,“Joint angle andarray gain-phase errors estimation using pm-like algorithm for bistatic mimoradar,”Circuits Syst.Signal Process.,vol.32,no.3,pp.1293–1311,Oct.2013.)，PARAFAC-Like方法(J.Li,X.Zhang,and X.Gao,“A joint scheme for angle and arraygainphase error estimation in bistatic mimo radar,”IEEE Geosci.RemoteS.Lett.,vol.10,no.6,pp.1478–1482,Nov.2013.) 和Reduced-MUSICC方案(J.Li,X.Zhang,R.Cao,and M.Zhou, “Reduced-dimension music for angle and array gain-phase error estimation in bistatic mimo radar,”IEEE Commun.Lett.,vol.17,no.3,pp.443–446,Mar.2013.)；关于均匀线性阵列(uniform linear array， ULA)的互耦效应，其可以利用带状对称Toeplitz矩阵进行建模。目前，也有 MUSIC-Like算法(X.Liu andG.Liao,“Direction finding and mutual coupling estimation for bistatic mimoradar,”Signal Processing,vol. 92,pp.517–522,2012.)、ESPRIT-Like算法(Z.Zheng,J.Zhang,and J. Zhang,“Joint dod and doa estimation of bistatic mimo radar inthe presence of unknown mutual coupling,”Signal Processing,vol.92,no. 12,pp.3039–3048,2012；J.Li and X.Zhang,“Joint angles and mutual couplingestimation algorithm for bistatic mimo radar,”International Journal ofAntennas&Propagation,vol.2012,no.8,pp.624–627,2012.)、 高阶奇异值分解(HOSVD)法(X.Wang,W.Wang,J.Liu,Q.Liu,and B.Wang, “Tensor-based real valued subspaceapproach for angle estimation in bistatic mimo radar with unknown mutualcoupling,”Signal Processing, vol.116,pp.152–158,2015.)、PARAFAC算法(F.Wen,X.Xiong,and Z. Zhang,“Angle and mutual coupling estimation in bistatic mimoradar based on parafac decomposition,”Digital Signal Processing,vol.65, pp.1–10,2017；F.Wen,Z.Zhang,K.Wang,G.Sheng,and G.Zhang, “Angle estimation andmutual coupling self-calibration for ula-based bistatic mimo radar,”SignalProcessing,vol.144,pp.61–67,2018.)。 其中，MUSIC-Like算法中DOD和DOA以及互耦系数能通过处理线性约束问题来 计算。为了降低计算负荷，ESPRIT-Like方法通过利用选择矩阵来消除互耦。 HOSVD方法和PARAFAC法能够利用雷达数据的多维结构，其估计精度更高。