基于子空间拟合的加权块稀疏恢复的MIMO雷达定位算法制造技术

基于子空间拟合的加权块稀疏恢复的MIMO雷达定位算法，包括十一个步骤。本发明专利技术摈弃现有技术中利用选择矩阵消除互耦影响的做法，通过参数化导向矢量构建块MIMO雷达信号接收模型，避免阵列孔径损失，在消除互耦的同时避免了接收信息的丢失，并推导了含有未知互耦系数的块结构接收数据模型的降维矩阵，由于降低了信号模型的维度，因此降低了算法的计算量，提高了计算效率，且摒弃了现有技术子空间拟合不是最优的情况，利用最优子空间拟合原理来构建稀疏恢复模型，相比于现存的算法，使得估算子空间与真实子空间之间误差更小，提高了采样数据信息的利用率，从而使得估算性能得到了提高，为MIMO雷达的有效应用提供了有利技术支撑。本发明专利技术具有好的应用前景。

【技术实现步骤摘要】
基于子空间拟合的加权块稀疏恢复的MIMO雷达定位算法
本专利技术涉及雷达信号处理
，特别是一种基于子空间拟合的加权块稀疏恢复的MIMO雷达定位算法。
技术介绍
多输入多输出（Multiple-inputMultiple-output,简称MIMO）雷达是借鉴通信领域的多输入多输出技术而提出的一种高探测性能和生存能力的新体制雷达。根据发射天线和接收天线的配置距离，MIMO雷达可分为相干MIMO雷达（包括双基地MIMO雷达和单基地MIMO雷达）和统计MIMO雷达。雷达的波达方向（Direction-of-Arrival,简称DOA）是指目标信号的到达方向，它是雷达信号处理中的重要研究方向之一；其主要目的是估计目标位置，进行定位，因此广泛的应用于无人驾驶，无人机，电子对抗，雷达，无线通信等领域。现有技术中，传统的DOA估计算法大多都是基于理想的条件，但是随着MIMO技术的引入，天线数目增多，对于相同的空间，天线之间的间距将会减少，因此距离较近的天线会由于电磁场的存在，产生互相耦合效应干扰的问题。针对互耦条件下利用MIMO雷达进行DOA估算问题，目前方法中大部分会利用一个选择矩阵或者借助辅助阵元来消除互耦效应的影响，但是这会损失阵列孔径，导致阵列接收数据不能全部得到利用，同时也会增加工程复杂度；并且现有技术并没有考虑数据之间的最优拟合问题，从而导致估计数据与真实数据之间的误差较大，影响最终估算性能。综上所述，目前现有的MIMO雷达估算方法都会使得角度估算的分辨率和精确度不理想，而实际情况下，现实中的目标侦察和定位都需要在角度准确估算的基础上进行，因此目前现存技术的角度估算性能在实际应用中得不到保证，对MIMO雷达的有效应用存在制约。
技术实现思路
为了克服现有的MIMO雷达定位估计算法因技术所限，存在的如背景所述弊端，本专利技术提供了摈弃现有技术中利用选择矩阵消除互耦影响的做法，通过参数化导向矢量构建块MIMO雷达信号接收模型，避免阵列孔径损失，在消除互耦的同时避免了接收信息的丢失，并推导了含有未知互耦系数的块结构接收数据模型的降维矩阵，由于降低了信号模型的维度，因此降低了算法的计算量，提高了计算效率，且摒弃了现有技术子空间拟合不是最优的情况，利用最优子空间拟合原理来构建稀疏恢复模型，相比于现存的算法，使得估算子空间与真实子空间之间误差更小，提高了采样数据信息的利用率，从而使得估算性能得到了提高，为MIMO雷达的有效应用提供了有利技术支撑的基于子空间拟合的加权块稀疏恢复的MIMO雷达定位算法。本专利技术解决其技术问题所采用的技术方案是：基于子空间拟合的加权块稀疏恢复的MIMO雷达定位算法，其特征在于包括十一个步骤，步骤A：建立单基地MIMO雷达的系统模型；步骤B：推导未知互耦条件下，MIMO雷达数据模型的降维矩阵表达公式；步骤C：将步骤B中的降维矩阵与步骤A中信号模型相乘；步骤D：根据步骤C所得数据，求接收数据的协方差矩阵，进而进行特征值分解，找寻信号子空间与阵列流型矩阵之间的关系，构建最优子空间拟合模型；步骤E：为了消除互耦影响，参数化互耦发射-接收导向矢量，构造一种块结构表示的MIMO接收数据模型；步骤F：利用新构建的块结构MIMO雷达接收模型，建立新的阵列流型矩阵；步骤G：根据步骤F所得数据，利用块结构MIMO雷达接收模型和子空间拟合理论，在最小二乘意义下转化公式；步骤H：构建块稀疏恢复模型；步骤I：利用块结构表示的导向矩阵和MUSIC-Like函数来构造有效的加权矩阵；步骤J：利用稀疏表示理论和二阶锥编程技术，将目标方向估计问题转化为基于最优子空间拟合的加权块稀疏恢复问题；步骤K：利用重构出的稀疏矩阵中非零元素所对应的过完备字典中的角度位置得到目标方向。进一步地，所述步骤A中，建立单基地MIMO雷达的系统模型时，个发射阵元同时发射个窄带远场信号，在接收端采用个接收阵元，其中发射阵列和接收阵列均采用均匀线阵，阵元间距；由于空间电磁场的作用，距离较近的天线之间会存在相互耦合效应，则互耦条件下，MIMO雷达接收端N个接收阵元接收到的数据建模为：。进一步地，所述步骤B中，其目的在于降低接收数据维度，去除冗余行同时减少了算法的计算量，降维矩阵形式如下：。进一步地，所述步骤C中，能得到未知互耦下的不含有冗余行的MIMO雷达接收数据模型，构建了一个MIMO雷达背景下，基于未知互耦情况下全新的块接收MIMO雷达数据模型，模型表述为以下：。进一步地，所述步骤D中，其目的在于利用信号子空间与阵列流型矩阵张成同一个子空间的原理，构建一个等式，克服估算子空间与真实子空间拟合不是最优的问题；步骤D应用的数据模型的协方差矩阵表示为：；的协方差矩阵表示为：；信号子空间和阵列流型矩阵之间的关系表示为：。进一步地，所述步骤E中，其目的在于避免未知互耦效应影响及接收信号信息的丢失，克服在面对未知互耦问题，会出现信息丢失或者增加工程量的问题，应用的MIMO雷达中的接收数据模型转化为如下的块结构表示模型：。进一步地，所述步骤F中，利用新构建的块结构MIMO雷达接收模型，建立新的阵列流型矩阵，能减小估计数据与真实数据之间的拟合误差，同时利用最小拟合误差求得稀疏恢复中所需要的正则化参数，应用的新的阵列流型矩阵与信号子空间之间满足如下关系：。进一步地，所述步骤G中，其目的是找寻估计子空间与真实子空间之间的最小误差，是利用最小拟合误差求得稀疏恢复算法中所需要的正则化参数值，表述为以下：。进一步地，所述步骤H中，其目的在于将角度估计问题转化为块稀疏矩阵的恢复问题，其中，构建的一个过完备基为；应用的被稀疏表示为：。进一步地，所述步骤I中，其目的在于减小范数与范数之间的差距，从而使得小的权值保存更大的系数，大的权值获得更小的稀疏，最终得到更稀疏的解方案，应用中构造的新函数为：；加权矩阵可以定义为：。进一步地，所述步骤J中，由下面的约束优化公式求得：s.t.。本专利技术有益效果是：本专利技术应用中，首先构建一个互耦条件下MIMO雷达接收数据模型的降维矩阵；然后为了消除互耦影响，参数化互耦发射-接收导向矢量构造一个新的块结构表示的MIMO雷达接收数据模型，形成一个新的不含有未知互耦系数的块结构阵列流型矩阵；利用新形成的块结构数据模型和子空间拟合原理，构建阵列流型矩阵与信号子空间之间的关系式；利用块结构阵列流型矩阵构造过完备字典；随后利用最优子空间拟合模型及稀疏原理构建稀疏恢复模型。本专利技术主要是基于上述块结构表示的接收数据模型及最优子空间拟合原理实现了专利技术目的。本专利技术不仅没有阵列孔径的损失，避免了未知互耦效应的影响，而且利用最优子空间拟合原理，使得估算子空间与真实子空间之间高度拟合，提高了MIMO雷达目标侦察和定位的精确度，避免了互耦误差带来的MIMO雷达目标定位失误。基于上述，本专利技术具有好的应用前景。附图说明以下结合附图和实施例将本专利技术做进一步说明。图1是本专利技术架构框图示意。图2是本专利技术、-SVD算法和SRACV算法的空间谱比较图。<本文档来自技高网...

【技术保护点】
1.基于子空间拟合的加权块稀疏恢复的MIMO雷达定位算法，其特征在于包括十一个步骤，步骤A：建立单基地MIMO雷达的系统模型；步骤B：推导未知互耦条件下，MIMO雷达数据模型的降维矩阵表达公式；步骤C：将步骤B中的降维矩阵与步骤A中信号模型相乘；步骤D：根据步骤C所得数据，求接收数据的协方差矩阵，进而进行特征值分解，找寻信号子空间与阵列流型矩阵之间的关系，构建最优子空间拟合模型；步骤E：为了消除互耦影响，参数化互耦发射-接收导向矢量，构造一种块结构表示的MIMO接收数据模型；步骤F：利用新构建的块结构MIMO雷达接收模型，建立新的阵列流型矩阵；步骤G：根据步骤F所得数据，利用块结构MIMO雷达接收模型和子空间拟合理论，在最小二乘意义下转化公式；步骤H：构建块稀疏恢复模型；步骤I：利用块结构表示的导向矩阵和MUSIC-Like函数来构造有效的加权矩阵W；步骤J：利用稀疏表示理论和二阶锥编程技术，将目标方向估计问题转化为基于最优子空间拟合的加权块稀疏恢复问题；步骤K：利用重构出的稀疏矩阵G°中非零元素所对应的过完备字典中的角度位置得到目标方向。/n

【技术特征摘要】
1.基于子空间拟合的加权块稀疏恢复的MIMO雷达定位算法，其特征在于包括十一个步骤，步骤A：建立单基地MIMO雷达的系统模型；步骤B：推导未知互耦条件下，MIMO雷达数据模型的降维矩阵表达公式；步骤C：将步骤B中的降维矩阵与步骤A中信号模型相乘；步骤D：根据步骤C所得数据，求接收数据的协方差矩阵，进而进行特征值分解，找寻信号子空间与阵列流型矩阵之间的关系，构建最优子空间拟合模型；步骤E：为了消除互耦影响，参数化互耦发射-接收导向矢量，构造一种块结构表示的MIMO接收数据模型；步骤F：利用新构建的块结构MIMO雷达接收模型，建立新的阵列流型矩阵；步骤G：根据步骤F所得数据，利用块结构MIMO雷达接收模型和子空间拟合理论，在最小二乘意义下转化公式；步骤H：构建块稀疏恢复模型；步骤I：利用块结构表示的导向矩阵和MUSIC-Like函数来构造有效的加权矩阵W；步骤J：利用稀疏表示理论和二阶锥编程技术，将目标方向估计问题转化为基于最优子空间拟合的加权块稀疏恢复问题；步骤K：利用重构出的稀疏矩阵G°中非零元素所对应的过完备字典中的角度位置得到目标方向。


2.根据权利要求1所述的基于子空间拟合的加权块稀疏恢复的MIMO雷达定位算法，其特征在于，步骤A中，建立单基地MIMO雷达的系统模型时，M个发射阵元同时发射P个窄带远场信号，在接收端采用N个接收阵元，其中发射阵列和接收阵列均采用均匀线阵，阵元间距由于空间电磁场的作用，距离较近的天线之间会存在相互耦合效应，则互耦条件下，MIMO雷达接收端N个接收阵元接收到的数据建模为：


3.根据权利要求1所述的基于子空间拟合的加权块稀疏恢复的MIMO雷达定位算法，其特征在于，步骤B中，其目的在于降低接收数据维度，去除冗余行同时减少了算法的计算量，降维矩阵形式如下：


4.根据权利要求1所述的基于子空间拟合的加权块稀疏恢复的MIMO雷达定位算法，其特征在于，步骤C中，能得到未知互耦下的不含有冗余行的MIMO雷达接收数据模型，构建了一个MIMO雷达背景下，基于未知互耦情况下全新的块接收MIMO雷达...

【专利技术属性】
技术研发人员：王咸鹏，黄梦醒，孟丹丹，徐腾贤，王华飞，杨永钦，苏婷，
申请(专利权)人：海南大学，
类型：发明
国别省市：海南;46