受恶劣电磁环境和元器件老化等因素影响,多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达的天线阵元发生故障的概率增加,而阵元故障会严重降低目标波达方向(Direction of Arrival,DOA)估计性能。现有的大多数基于深度学习的DOA...受恶劣电磁环境和元器件老化等因素影响,多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达的天线阵元发生故障的概率增加,而阵元故障会严重降低目标波达方向(Direction of Arrival,DOA)估计性能。现有的大多数基于深度学习的DOA估计方法未能充分利用阵列模型的先验信息,导致其建立的映射关系极为复杂,从而使得网络拟合难度较大。为此,提出一种基于先验驱动残差注意力网络的阵元故障MIMO雷达DOA估计方法。首先,利用MIMO雷达协方差矩阵的双重Toeplitz先验特性,构建了基于先验驱动的残差注意力网络,并引入残差注意力块对协方差矩阵的特征进行加权处理,旨在学习阵元故障下存在数据缺失的协方差矩阵和完整协方差矩阵生成向量之间的映射关系。然后,根据残差注意力网络输出的生成向量估计值得到完整的协方差矩阵。最后,利用RD-ESPRIT(Reduced Dimension ESPRIT)算法估计目标DOA。仿真结果表明,所提算法在阵元故障下的DOA估计性能优于现有算法,在信噪比为15 dB时,其DOA估计精度比效果最好的现有算法提高了43.26%。展开更多
多输入多输出(MIMO)正交频分复用(OFDM)雷达通常采用等间距子载频交错(ESI),实现不同发射天线信号在频域的正交。然而,ESI存在距离依赖性的角度误差问题。针对该问题,文中提出一种基于距离分复用(RDM)MIMO OFDM雷达的目标参数估计方法...多输入多输出(MIMO)正交频分复用(OFDM)雷达通常采用等间距子载频交错(ESI),实现不同发射天线信号在频域的正交。然而,ESI存在距离依赖性的角度误差问题。针对该问题,文中提出一种基于距离分复用(RDM)MIMO OFDM雷达的目标参数估计方法。首先,建立RDM MIMO OFDM雷达信号模型,获得发射端在距离维的正交波形,使得雷达接收机的天线孔径得到明显扩展,提升角度分辨率;其次,在距离-速度处理和角度估计之间,提出一种二值掩码方法分离不同发射波形,代替了传统的带通滤波器,同时抑制噪声干扰,改善成像质量;最后,仿真验证所提方法的正确性和有效性,结果表明,与ESI相比,所提方法可以有效去除距离依赖性的角度误差,提升成像分辨率和角度参数估计精度。展开更多
多输入多输出(MIMO)正交频分复用(OFDM)雷达通常采用等间距子载频交错(ESI)方式,实现不同发射天线信号在频域的正交。然而,ESI存在距离依赖性的角度误差和距离模糊问题。针对该问题,提出了一种基于距离分复用(RDM)的MIMO OFDM雷达距离...多输入多输出(MIMO)正交频分复用(OFDM)雷达通常采用等间距子载频交错(ESI)方式,实现不同发射天线信号在频域的正交。然而,ESI存在距离依赖性的角度误差和距离模糊问题。针对该问题,提出了一种基于距离分复用(RDM)的MIMO OFDM雷达距离和角度联合估计方法。首先,建立RDM MIMO OFDM雷达信号模型,获得发射端在距离维的正交波形,同时消除了距离依赖性的角度误差;其次,在距离-速度-角度成像处理中采用改进DFT,代替传统DFT实现多普勒估计和校正;此外,在某些发射天线上额外添加相位偏移,打破目标峰值在距离维的等间距分布特性,通过搜索目标峰值距离索引差来确定模糊数,从而求解距离模糊问题。仿真结果验证了所提方法的有效性。展开更多
多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算...多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel矩阵并施加Schatten-p范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。展开更多
文摘双基地多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达阵元故障会导致三阶观测张量中出现缺失切片数据,严重影响目标角度估计性能。为此,提出一种基于原子范数的阵元故障MIMO雷达差分共阵角度估计方法。首先,对MIMO雷达三阶观测张量进行PARAFAC分解得到收发阵列的不完整因子矩阵;然后,利用收发阵列的因子矩阵分别获得发射和接收差分共阵的导向矩阵,并利用差分共阵的冗余度对故障阵元缺失数据进行填充,从而得到等效虚拟收发阵列的虚拟因子矩阵;最后,为了填补等效虚拟阵列中的空洞,分别对等效虚拟收发阵列的虚拟因子矩阵建立原子范数约束下的低秩矩阵重构模型,并将其表述为半正定规划(Semi-definite Programming, SDP)问题,利用交替方向乘子法(Alternating Direction Method of Multipliers, ADMM)求解该矩阵重构模型。仿真结果表明,所提方法可以有效重构出不完整因子矩阵中的缺失数据,从而改善MIMO雷达阵元故障下的角度估计性能。
文摘多输入多输出(MIMO)正交频分复用(OFDM)雷达通常采用等间距子载频交错(ESI),实现不同发射天线信号在频域的正交。然而,ESI存在距离依赖性的角度误差问题。针对该问题,文中提出一种基于距离分复用(RDM)MIMO OFDM雷达的目标参数估计方法。首先,建立RDM MIMO OFDM雷达信号模型,获得发射端在距离维的正交波形,使得雷达接收机的天线孔径得到明显扩展,提升角度分辨率;其次,在距离-速度处理和角度估计之间,提出一种二值掩码方法分离不同发射波形,代替了传统的带通滤波器,同时抑制噪声干扰,改善成像质量;最后,仿真验证所提方法的正确性和有效性,结果表明,与ESI相比,所提方法可以有效去除距离依赖性的角度误差,提升成像分辨率和角度参数估计精度。
文摘多输入多输出(MIMO)正交频分复用(OFDM)雷达通常采用等间距子载频交错(ESI)方式,实现不同发射天线信号在频域的正交。然而,ESI存在距离依赖性的角度误差和距离模糊问题。针对该问题,提出了一种基于距离分复用(RDM)的MIMO OFDM雷达距离和角度联合估计方法。首先,建立RDM MIMO OFDM雷达信号模型,获得发射端在距离维的正交波形,同时消除了距离依赖性的角度误差;其次,在距离-速度-角度成像处理中采用改进DFT,代替传统DFT实现多普勒估计和校正;此外,在某些发射天线上额外添加相位偏移,打破目标峰值在距离维的等间距分布特性,通过搜索目标峰值距离索引差来确定模糊数,从而求解距离模糊问题。仿真结果验证了所提方法的有效性。
文摘多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel矩阵并施加Schatten-p范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。
