[发明专利]雷达波达方向估计方法、装置、计算机设备及存储介质

说明书

本发明适用于雷达信号处理领域，提供了雷达波达方向估计方法、装置、计算机设备及存储介质，该方法包括：对接收到的K个目标的回波信号组成的矩阵X进行降维处理，得到降维数据矩阵Y；基于降维数据矩阵Y，构造稀疏信号模型；根据该模型得到用于估计K个目标的回波功率的目标函数；初始化和更新该目标函数中的回波信号功率和非均匀噪声协方差矩阵；通过多项求根对稀疏信号模型中需要更新位置的网格点进行更新；当算法迭代次数达到预设的上限值或者算法收敛时，对更新后的空域离散网格进行一维空间谱搜索，得到多输入多输出雷达离格波达方向估计值。本发明具有同时对非均匀噪声和离格误差鲁棒的优点，在粗糙的网格仍具有很好的性能，准确性高。

技术领域

本发明属于雷达信号处理领域，尤其涉及一种雷达波达方向估计方法、装置、计算机设备及存储介质。

背景技术

过去几十年以来，MIMO雷达系统作为一种新型的雷达系统，由于其高分辨率和优越的参数估计性能，一直都是信号处理领域研究的重点。利用MIMO 雷达系统对目标的波达方向(Direction-of-arrival，DOA)进行估计也备受重视。根据天线阵列配置方法的不同，MIMO雷达系统可以大致分为统计型MIMO雷达(statistical MIMO radar)和共址型MIMO雷达(colocated MIMO radar)两种。单基地MIMO雷达作为共址型MIMO雷达系统中的一种，针对其信号的DOA估计问题，科研工作者们基于子空间技术提出了大量的行之有效的方法，例如 MUSIC(multiple signal classification)和ESPRIT(estimation of signalparameters via rotational invariance techniques)算法。但是此类基于子空间的算法的估计性能受到信噪比和快拍数的限制。

针对此，新兴的稀疏贝叶斯学习(Sparse Bayesian Learning，SBL)技术为 DOA估计问题提供了一个新的思路，基于SBL技术，大量的改进的DOA算法被提出，并提出了一种离格稀疏贝叶斯推导(OGSBI)方法，该方法利用线性近似可以有效的减小离格误差，但是计算复杂度较高，并且在非常粗糙的网格条件下该方法并不能完全有效地降低离格误差的影响；因此，为了减低运算复杂度并且实现在粗糙网格条件下的角度估计，提出了一种增强的稀疏贝叶斯学习的方法(ESBL)，该方法能够实现粗糙网格条件下的离格(off-grid)DOA估计。

然而，上述这些方法都是以均匀噪声为前提的，忽略了非均匀噪声的影响，当实际应用中存在非均匀噪声时，这些方法的估计性能会显著衰减，这极大地限制了上述方法的实用性和准确性。

发明内容

本发明实施例提供一种雷达波达方向估计方法，旨在解决现有技术中在非均匀噪声的影响下估计性能显著衰减，从而限制了其实用性和准确性的问题。

本发明实施例是这样实现的，一种雷达波达方向的估计方法，包括如下步骤：对接收到的K个目标的回波信号组成的矩阵X进行降维处理，得到降维数据矩阵Y；

基于所述降维数据矩阵Y，构造稀疏信号模型，所述稀疏信号模型由空域离散网格得到，所述空域离散网格由多个离散网格点构成；

根据所述稀疏信号模型，得到用于估计所述K个目标的回波功率的目标函数；

初始化所述目标函数中的回波信号功率和非均匀噪声协方差矩阵，并计算所述稀疏信号模型中的稀疏回波信号矩阵的均值和协方差；

更新所述目标函数中的回波信号功率和非均匀噪声协方差矩阵；

通过多项求根对所述稀疏信号模型中需要更新位置的网格点进行更新；

判断算法迭代次数是否达到预设的上限值或者算法是否收敛；

若是，则对更新后的空域离散网格进行一维空间谱搜索，得到多输入多输出雷达离格波达方向估计值。