[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

摘要

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。

主权项

1.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，其特征在于，包括如下步骤：(1)发射阵列发射相互正交的相位编码信号，接收端进行匹配滤波处理后获得接收数据，并利用降维矩阵对接收数据进行降维处理；(2)利用酉变换矩阵，将降维后接收数据的增广样本矩阵变成实域，进行奇异值分解并获得稀疏表示框架下的相应模型；(3)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；(4)设计实域加权最小化l1范数框架，利用编程软件包SOC二阶锥计算方法，获得恢复矩阵，寻找恢复矩阵中的非零行，实现对MIMO雷达系统中目标DOA的估计；所述步骤(1)中按如下步骤对接收数据进行降维处理：(1.1)根据单基地MIMO雷达系统发射—接收导向矢量的结构可知，MIMO雷达系统的发射—接收导向矢量满足：式中a_t(θ)和a_r(θ)分别为发射导向矢量和接收导向矢量，Q＝M+N–1，分别是转换矩阵和一维导向矢量，其中，Jm＝[0N×m,IN,0N×(M‑m‑1)]，m＝0,1,...,M‑1；利用矩阵GH中对应Q个不同的元素，将二维导向矢量转换为一维导向矢量即进行降维处理；(1.2)根据转换矩阵，降维矩阵为W＝F‑1/2GH，其中(1.3)利用W获得降维接收数据则有式中满足B＝[b(θ₁),b(θ₂),...,b(θ_p)]，S＝[s(t₁),...,s(t_J)]，N＝[n(t₁),...,n(t_J)]；s(t)＝[s₁(t),s₂(t),...,s_p(t)]^T，中β_p(t)和f_p分别是反射系数和多普勒频率，n(t)是一个具有零均值并且协方差矩阵为σ²I_MN的附加随机复高斯白噪声矢量，M为发射天线数、N为接收天线数，θ_p表示第p个目标的波达角，p＝1，2，…，P；所述步骤(2)中按如下步骤利用酉变换矩阵，将降维后接收数据的增广样本矩阵变成实域，进行奇异值分解并获得稀疏表示框架下的相应模型：(2.1)考虑增广样本矩阵其中Γ_Q是具有反对角元素为1，其他元素为0的Q×Q交换矩阵，(·)^*表示共轭操作，Y是中心厄米特矩阵并且能够转换为一个实域矩阵，其中，酉变换矩阵为导向矩阵满足diag(·)表示对角化操作，其中关于接收数据的线性阵列在降维转换后是中心对称的，酉变换之后，实域导向矩阵表示为经过代数运算，写成如下形式其中S_Υ＝[Φ^*S ΦS^*Γ_J]U_2J是实域信号矩阵，是实域噪声矩阵；(2.2)进行奇异值分解并获得稀疏表示框架下的相应模型，如下所示对YΥ应用奇异值分解技术，有其中V_S是由对应着P个最大奇异值的Y_Υ的实域右奇异向量构成；(2.3)基于对应于整个空间目标的稀疏性，X＝AS+N中的信号模型转变成为一个稀疏表示模型；用Ω表示一系列可能的位置，表示覆盖Ω的网格,P<<L，发射完备字典和接收完备字典表示为构造完备字典为在稀疏表示框架下，X＝AS+N的信号模型写成为其中和S具有相同的行支持，即矩阵是稀疏的；是发射—接收导向矩阵，其中表示Kronecker积操作，是发射导向矢量，应用稀疏表示框架，实域一维完备字典表示为：式中在稀疏表示框架下，所述步骤(3)中按如下步骤利用实域导向矢量和它相应噪声子空间的正交性，设计对角线元素与实域MUSIC谱相对应的权值矩阵：(3.1)将实域一维完备字典分为两部分：则有式中是由对应着可能目标的实域导向矢量p＝1，2，…，P组成，是由字典剩下的实域导向矢量组成，V_n是实域噪声子空间，通过对Y_Υ进行奇异值分解可以得到；(3.2)根据实域导向矢量和相应噪声子空间的正交性，当J→∞时，W1,i→0，W2,i＞0，定义权值矩阵由于W1,i/max(W2)＜W2,i/max(W2)，所述步骤(4)中按如下步骤设计实域加权最小化l1范数框架，利用编程软件包SOC二阶锥计算方法，获得恢复矩阵，寻找恢复矩阵中的非零行，对MIMO雷达系统中的目标DOA进行估计：实域加权最小化l1范数为式中是正则化参数，利用编程软件包SOC二阶锥计算，完成测绘