[发明专利]单基地雷达系统中一种基于平行因子模型的目标定位方法

权利要求书

1.单基地雷达系统中一种基于平行因子模型的目标定位方法，其特征在于该方法包括：

建立多脉冲单基地MIMO雷达系统模型；

对接收的信号进行预处理；

构造PARAFAC(平行因子)模型并分析其分解唯一性；

利用TALS算法拟合PARAFAC模型，估计出发射导向矩阵，并利用导向矩阵的Vandermonde结构特点来提取角度。

2.根据权利1要求所述的单基地雷达系统中一种基于平行因子模型的目标定位方法，其特征在于，所述建立多脉冲单基地MIMO雷达系统模型，具体包括：

假定：接收信号满足窄带条件，信号包络在天线阵元间传播时间变化很小；目标位于远场，即信号到达各阵元的波可以认为是平面波，单基地MIMO雷达可看作双基地MIMO雷达的特例，即发射阵列和接收阵列相距很近或是同一阵列，因此可认为DOA和DOD是近似相同的，本发明中考虑的单基地MIMO雷达的收发阵列均为均匀线性阵列，雷达发射信号至目标，其中Q为每个相干处理间隔包含的脉冲数目，目标反射信号被雷达接收，在第q个脉冲周期，雷达接收到的信号为：

其中，e_q,k为雷达散射截面积系数矩阵中第q行k列元素，θ_k为第k个DOD(或DOA)，

分别为接收和发射导向向量，为加性高斯白噪声矩阵。

3.根据权利2要求所述的单基地雷达系统中一种基于平行因子模型的目标定位方法，其特征在于，对接收的信号进行预处理，包括：

设计每个脉冲发送的信号都为即S_q＝S，可得：

其中，

上式也可表示为：

Y_q＝AD_q(E)C^T+V_q

其中，为发射导向矩阵，为混合矩阵。

4.根据权利3要求所述的单基地雷达系统中一种基于平行因子模型的目标定位方法，其特征在于，构造PARAFAC模型并分析其分解唯一性，包括：

上述系统模型可建模为如下PARAFAC模型：

其中，和为三阶张量，为雷达散射截面积系数矩阵的列向量，o表示外积，该模型标量形式为：

其三个紧凑形式为：

Y⁽¹⁾＝(Ce E)A^T+V⁽¹⁾

Y⁽²⁾＝(Ee A)C^T+V⁽²⁾

Y⁽³⁾＝(Ae C)E^T+V⁽³⁾

其中，e表示Kronecker积，上述在满足唯一性条件的情况下，能估计出发射导向矩阵，即若

k_A+k_C+k_E≥2(K+1)

则A、C、E在存在列模糊和尺度模糊的条件下是唯一的，估计值和真实值具有如下关系：

其中，分别为A、C、E的估计。

利用A和C的特殊结构，可将上述唯一性条件化为：

min(M,K)+min(Q,K)+k_E≥2(K+1)

若min(M,Q)≥K≥L，则L≥2即可满足上述条件，而已有方法通常需要雷达发送相互正交的波形，即要求从而要求L≥M，这将耗费过多的频谱资源。

5.根据权利4要求所述的单基地雷达系统中一种基于平行因子模型的目标定位方法，其特征在于，利用TALS算法拟合PARAFAC模型，估计出发射导向矩阵，并利用导向矩阵的Vandermonde结构特点来提取角度，包括：

TALS(三线性交替最小二乘)算法是基于三线性模型的一种常用的拟合算法，简单易行，并能实现收敛，其基本思想是：每步更新一个矩阵，对余下的矩阵，依据前一次估计的结果，用LS(最小二乘)方法交替更新，直到收敛，TALS算法的具体步骤如下：

步骤(1)：初始化：令i＝0，初始化和

步骤(2)：i＝i+1；

步骤(3)：由Y⁽¹⁾计算得的LS解：

步骤(4)：由Y⁽²⁾计算得的LS解：

步骤(5)：由Y⁽³⁾计算得的LS解：

步骤(6)：计算

步骤(7)：重复步骤(2)～(7)直至算法收敛；

由于发射导向矩阵为均匀线阵，故A具有Vandermonde结构，所以可以通过恢复的Vandermonde结构来提取角度，从而估计出DOD，因为单基地MIMO雷达的发射和接收阵列方向角相同，因此可由DOD的估计得到DOA的估计。