为提升低空突防作战场景下分布式多输入多输出(Multiple Input and Multiple Output,MIMO)雷达系统的目标检测效能,提出一种合作博弈功率分配(Cooperative Game Power Allocation,CGPA)算法。基于带误差的支援信息建立了低空多径环境下...为提升低空突防作战场景下分布式多输入多输出(Multiple Input and Multiple Output,MIMO)雷达系统的目标检测效能,提出一种合作博弈功率分配(Cooperative Game Power Allocation,CGPA)算法。基于带误差的支援信息建立了低空多径环境下的分布式MIMO雷达信号模型,并推导了基于奈曼皮尔逊准则的检测模型。结合Max-Min准则以信干噪比(Signal to Interference plus Noise Ratio,SINR)为优化模型的效用函数。在此基础上,利用加权方法简化了联盟利益Shapley值的计算,得到满足帕累托最优性和公平性的合作资源分配方案。通过对发射功率资源的细致化管理,有效减小多径效应引起接收信号幅度的参差与衰落。在改善接收信号的稳定性的同时,挖掘并利用多径环境下丰富的散射特性,有效提升了雷达系统的探测效能。仿真实验验证了分布式MIMO雷达系统低空多径目标检测的出色性能,所提功率分配算法能够有效提升系统检测性能,并具有较好的实时性。展开更多
在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,当接收天线数远远大于发送天线数时,通信信道渐近正交,传统的最小均方误差(Minimum Mean Square Error,MMSE)检测算法能够获得线性近似最优性能,但随着收发天线数增加...在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,当接收天线数远远大于发送天线数时,通信信道渐近正交,传统的最小均方误差(Minimum Mean Square Error,MMSE)检测算法能够获得线性近似最优性能,但随着收发天线数增加,MMSE检测算法涉及到高维的矩阵求逆运算,难以应用在实际生活中。因此,文中提出了一种低复杂度的并行共轭梯度软输出检测算法,该算法对传统的共轭梯度(Conjugate Gradient,CG)法进行改进,并行求解共轭方向和优化步长,在提高算法检测性能的同时还加快了算法的收敛速度;然后利用信道编译码中的比特对数似然比近似算法求解出软信息,进一步提升检测算法的性能。通过理论定量地分析了算法的复杂度,并通过仿真实验对不同检测算法在不同判决方式下的误码率性能和收敛速度进行了研究,结果表明:所提出的并行CG软输出检测算法在复杂度降低的情况下,仅需要少量次数的迭代,便能以较快的收敛速度达到近似最佳的MMSE线性检测性能。展开更多
文摘为提升低空突防作战场景下分布式多输入多输出(Multiple Input and Multiple Output,MIMO)雷达系统的目标检测效能,提出一种合作博弈功率分配(Cooperative Game Power Allocation,CGPA)算法。基于带误差的支援信息建立了低空多径环境下的分布式MIMO雷达信号模型,并推导了基于奈曼皮尔逊准则的检测模型。结合Max-Min准则以信干噪比(Signal to Interference plus Noise Ratio,SINR)为优化模型的效用函数。在此基础上,利用加权方法简化了联盟利益Shapley值的计算,得到满足帕累托最优性和公平性的合作资源分配方案。通过对发射功率资源的细致化管理,有效减小多径效应引起接收信号幅度的参差与衰落。在改善接收信号的稳定性的同时,挖掘并利用多径环境下丰富的散射特性,有效提升了雷达系统的探测效能。仿真实验验证了分布式MIMO雷达系统低空多径目标检测的出色性能,所提功率分配算法能够有效提升系统检测性能,并具有较好的实时性。
