一种阵元失效条件下的MIMO雷达成像方法技术

本发明专利技术公开了一种阵元失效条件下的MIMO雷达成像方法，在MIMO雷达回波信号矩阵中对应失效阵元位置处的行元素上叠加微小的服从高斯分布的随机扰动量，利用矩阵填充技术能将非均匀采样的MIMO雷达回波数据矩阵恢复成完整的均匀采样数据矩阵，然后利用迭代加权lq最小化方法估计出目标场景向量。由于对失效阵元的回波数据未能有效利用，因此重构的目标场景存在较大的误差，影响了目标的成像质量。为了进一步提高目标场景向量的重构精度，利用已获得的目标场景向量粗估计值和感知矩阵重构出失效阵元丢失的目标接收数据，再次利用矩阵填充和迭代加权lq最小化方法获得高精度的目标场景向量估计值，解决了阵元失效条件下的MIMO雷达成像问题。

【技术实现步骤摘要】

本专利技术涉及一种阵元失效条件下的MIMO雷达成像方法，属于MIMO雷达成像

技术介绍
MIMO(MultipleInputMultipleOutput,多输入多输出)雷达作为一种新体制雷达技术，最近受到科研人员的高度关注和研究。与传统的相控阵雷达相比，MIMO雷达能显著提高参数的可识别能力和角分辨率，提高波束设计的灵活性；具有更优的目标检测性能和参数估计性能；通过虚拟天线扩展阵列孔径，提升目标可识别数目的上限。目标成像已成为MIMO雷达系统发展的重要分支之一。近年来，压缩感知(compressedsensing，CS)理论广泛地应用于MIMO雷达目标成像中。压缩感知是一种新的数据压缩、重构理论和算法，可以从少量的非自适应随机投影测量值中获得较高概率的信号重构。在实际雷达探测场景中，目标个数仅占据少量的分辨单元，所以接收到的回波信号是稀疏的。因此，可以使用CS理论处理MIMO雷达成像问题。文献[1]提出基于迭代加权lq最小化的MIMO雷达成像方法，该方法通过建立加权lq最小化的MIMO雷达成像模型，并利用拉格朗日乘数法求解出每次迭代中的目标场景向量的闭式解，能以较高的精度重构出目标的三维像。为了提高MIMO雷达成像的实时性，文献[2]研究了基于SL0算法的MIMO雷达成像方法，该方法利用更加陡峭的双曲正切函数来代替高斯函数以逼近l0范数，为了避免最速下降法存在的“锯齿现象”和收敛速度慢的缺点，采用修正牛顿法进行求解近似l0范数最小化问题，提高了MIMO雷达的成像精度和速度。为了提高成像质量，MIMO雷达一般采用较大的信号带宽以提高目标距离分辨力，此时传统均匀采样时需要较高的采样速度，而数据存储速度与采样速度又相差近100倍，巨大的速度不匹配会导致数据溢出丢失，影响雷达系统的整体性能，因此均匀采样对雷达系统的硬件要求很高；而对回波信号进行非均匀采样能明显降低硬件系统的要求，但是存在采样数据的丢失，导致MIMO雷达的成像误差较大。矩阵填充(MatrixCompletion，MC)是在压缩感知理论基础上发展起来的一种新技术，它能有效将非均匀采样的回波矩阵恢复成完整的均匀采样数据矩阵。MIMO雷达的回波信号通常以矩阵形式表示，如果信号矩阵满足低秩性要求，即该矩阵的特征值具有稀疏特性，则可通过采集矩阵的部分元素恢复出完整的信号矩阵。文献[3]研究了基于矩阵填充技术的MIMO雷达目标参数估计算法，该算法对每个接收天线用少量字典波形进行匹配滤波或者对接收信号进行非均匀采样，然后将结果传到融合中心，在融合中心利用矩阵填充技术恢复出完整的信号矩阵，然后采用MUSIC(MultipleSignalClassification，多重信号分类)算法从恢复出来的信号矩阵中估计出目标的DOA和多普勒频率。在实际环境中，由于恶劣的自然环境、人为的干扰和硬件的使用寿命等众多影响，可能会出现MIMO雷达的部分接收天线关闭或损坏，已关闭或损坏的接收阵列天线将无法获得目标回波数据，这种情况定义为阵元失效。在阵元失效情况下，接收天线输出信号为零，此时MIMO雷达回波信号矩阵中对应失效阵元位置处存在整行元素的丢失情况即整行元素为零，从而导致信号矩阵不再具有强不相干性，因此无法利用矩阵填充技术将非均匀采样的数据恢复成完整的均匀采样数据，导致MIMO雷达成像存在一定程度的恶化。[1]GongP,ShaoZ.TargetestimationbyiterativereweightedlqminimizationforMIMOradar[J].SignalProcessing,SignalProcessing,2014,101:35-41.[2]FengJJ,ZhangG,WenFQ.MIMORadarImagingBasedonSmoothedNorm[J].MMathematicalProblemsinEngineering,2015,2015:1-10.[3]Sun,S,Bajwa,W.U,Petropulu,A.P.MIMO-MCRadar:AMIMORadarApproachBasedonMatrixCompletion[J].IEEETransactionsonAerospaceandElectronicSystems,2015,51(3):1839-1852.
技术实现思路
目的：针对MIMO雷达存在接收阵元失效情况时，由于其采样数据矩阵中存在整行数据缺失即为整行元素为零，导致矩阵填充失效进而影响MIMO雷达成像质量的问题，本发明提供一种阵元失效条件下的MIMO雷达成像方法。技术方案：为解决上述技术问题，本专利技术采用的技术方案为：步骤一：建立阵元失效下的非均匀采样MIMO雷达回波信号模型；步骤二：在MIMO雷达非均匀采样的接收信号矩阵YS中对应失效阵元位置处的行元素上叠加微小的服从高斯分布的随机扰动量，获得叠加微小随机扰动量后的非均匀采样回波矩阵Y'S，使得Y'S能满足矩阵填充条件；步骤三：利用矩阵填充技术将叠加微小随机扰动量后的非均匀采样回波矩阵Y'S恢复成完整的全采样接收回波信号矩阵步骤四：利用迭代加权lq最小化方法从信号矩阵中获得目标场景向量粗估计值；步骤五：利用已获得的目标场景向量粗估计值和感知矩阵重构出失效阵元的目标接收数据，并与MIMO雷达接收信号矩阵YS中失效阵元位置所对应的行数据进行替换，可获得失效阵元数据修复后的目标回波信号矩阵Y”S；步骤六：对目标回波信号矩阵Y”S再次利用矩阵填充和迭代加权lq最小化方法获得高精度的目标场景向量估计值。有益效果：本专利技术提供的一种阵元失效条件下的MIMO雷达成像方法，在MIMO雷达回波信号矩阵中对应失效阵元位置处的行元素上叠加微小的服从高斯分布的随机扰动量，使得其能满足矩阵填充条件，则利用矩阵填充技术能将非均匀采样的MIMO雷达回波数据矩阵恢复成完整的均匀采样数据矩阵，然后利用迭代加权lq最小化方法估计出目标场景向量。由于对失效阵元的回波数据未能有效利用，因此重构的目标场景存在较大的误差，影响了目标的成像质量。为了进一步提高目标场景向量的重构精度，利用已获得的目标场景向量粗估计值和感知矩阵重构出失效阵元的目标接收数据，再次利用矩阵填充和迭代加权lq最小化方法获得高精度的目标场景向量估计值，解决了阵元失效条件下的MIMO雷达成像问题。本专利技术具有如下优点：(1)、在实际环境中，非均匀采样MIMO雷达因天线阵元关闭或损坏，在回波信号矩阵中存在整行元素的丢失，导致无法利用矩阵填充技术获得完整的采样数据，进而影响目标三维像的质量；本本文档来自技高网...

【技术保护点】
一种阵元失效条件下的MIMO雷达成像方法，其特征在于：包括步骤如下：步骤一：建立阵元失效下的非均匀采样MIMO雷达回波信号模型；步骤二：在MIMO雷达非均匀采样的接收信号矩阵YS中对应失效阵元位置处的行元素上叠加微小的服从高斯分布的随机扰动量，获得叠加微小随机扰动量后的非均匀采样回波矩阵Y′S，使得Y′S能满足矩阵填充条件；步骤三：利用矩阵填充技术将叠加微小随机扰动量后的非均匀采样回波矩阵Y′S恢复成完整的全采样接收回波信号矩阵步骤四：利用迭代加权lq最小化方法从信号矩阵中获得目标场景向量粗估计值；步骤五：利用已获得的目标场景向量粗估计值和感知矩阵重构出失效阵元的目标接收数据，并与MIMO雷达接收信号矩阵YS中失效阵元位置所对应的行数据进行替换，可获得失效阵元数据修复后的目标回波信号矩阵Y″S；步骤六：对目标回波信号矩阵Y″S再次利用矩阵填充和迭代加权lq最小化方法获得高精度的目标场景向量估计值。

【技术特征摘要】
1.一种阵元失效条件下的MIMO雷达成像方法，其特征在于：包括步骤如下：
步骤一：建立阵元失效下的非均匀采样MIMO雷达回波信号模型；
步骤二：在MIMO雷达非均匀采样的接收信号矩阵YS中对应失效阵元位置处的行元素上
叠加微小的服从高斯分布的随机扰动量，获得叠加微小随机扰动量后的非均匀采样回波矩
阵Y′S，使得Y′S能满足矩阵填充条件；
步骤三：利用矩阵填充技术将叠加微小随机扰动量后的非均匀采样回波矩阵Y′S恢复成
完整的全采样接收回波信号矩阵步骤四：利用迭代加权lq最小化方法从信号矩阵中获得目标场景向量粗估计值；
步骤五：利用已获得的目标场景向量粗估计值和感知矩阵重构出失效阵元的目标接收
数据，并与MIMO雷达接收信号矩阵YS中失效阵元位置所对应的...

【专利技术属性】
技术研发人员：陈金立，周运，李家强，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32