DCS-MIMO雷達(dá)目標(biāo)參數(shù)估計及發(fā)射能量自適應(yīng)設(shè)計.pdf

1、分布式壓縮感知理論(Distributed Compressed Sensing，DCS)是將單信號在某個基下的稀疏擴(kuò)展到信號群在某個共同基下的聯(lián)合稀疏，最終實現(xiàn)信號群的聯(lián)合重構(gòu)。利用DCS理論解決多輸入多輸出(Multiple input Multiple output，MIMO)雷達(dá)多通道信號處理問題，可以有效地提高目標(biāo)探測性能。本論文研究共址DCS-MIMO雷達(dá)、統(tǒng)計DCS-MIMO雷達(dá)目標(biāo)參數(shù)估計和統(tǒng)計DCS-MIMO雷達(dá)發(fā)射能

2、量自適應(yīng)設(shè)計問題，完成的工作如下：
　　研究了分布式壓縮感知理論的背景知識、聯(lián)合稀疏模型和聯(lián)合重構(gòu)算法。以JSM-2模型下多傳感器觀測同一稀疏場景的情況為例，分析比較了CS和DCS系統(tǒng)框架的區(qū)別。DCS融合了各個傳感器接收到的信號進(jìn)行聯(lián)合重構(gòu)，而 CS分別重構(gòu)某一傳感器的信息，然后進(jìn)行數(shù)據(jù)融合。因此DCS與CS相比，融合級別更高并且估計更精準(zhǔn)。
　　研究了共址DCS-MIMO雷達(dá)目標(biāo)參數(shù)估計問題。首先構(gòu)建共址DCS-MIMO

3、稀疏基，然后由于一般的參數(shù)估計算法未假設(shè)雷達(dá)接收通道噪聲功率不一致的情況，導(dǎo)致估計精度和恢復(fù)概率嚴(yán)重下降，提出了基于信噪比加權(quán)的DCS-MIMO參數(shù)估計算法和多種信噪比加權(quán)方法。理論和仿真結(jié)果表明該方法的估計精度和重構(gòu)概率高于共址CS-MIMO和共址DCS-MIMO算法，多種信噪比加權(quán)方法能夠適應(yīng)不同的接收通道噪聲功率水平。為了減少重構(gòu)算法的復(fù)雜度，進(jìn)一步提出了基于信噪比加權(quán)的快速DCS重構(gòu)算法，該算法中通過增加每次選擇最佳原子的個數(shù)來

4、減少迭代次數(shù)。
　　研究了統(tǒng)計DCS-MIMO雷達(dá)的場景重構(gòu)和目標(biāo)參數(shù)估計問題。首先分析了統(tǒng)計MIMO雷達(dá)信號模型，實現(xiàn)雷達(dá)接收信號的聯(lián)合稀疏表示，然后給出了JSM-2模型下聯(lián)合重構(gòu)算法，并比較了統(tǒng)計DCS-MIMO與統(tǒng)計CS-MIMO的實現(xiàn)結(jié)構(gòu)。理論分析與實驗仿真表明，與統(tǒng)計CS-MIMO雷達(dá)相比，統(tǒng)計DCS-MIMO的雷達(dá)信號模型與聯(lián)合重構(gòu)算法最大化地利用了各個發(fā)射—接收通道包含的信息，提高了觀測場景的重構(gòu)概率，減小了重構(gòu)誤差

5、。
　　基于認(rèn)知雷達(dá)的思想，研究了統(tǒng)計DCS-MIMO雷達(dá)發(fā)射能量自適應(yīng)設(shè)計問題。由于統(tǒng)計MIMO雷達(dá)不同的發(fā)射—接收天線對目標(biāo)觀測的角度不同，因此各個傳輸路徑對能量衰減也不一致，均分發(fā)射能量并不能達(dá)到最優(yōu)性能。提出了單目標(biāo)和多目標(biāo)環(huán)境下統(tǒng)計DCS-MIMO雷達(dá)發(fā)射能量優(yōu)化準(zhǔn)則并給出了求解方法。在仿真過程中，引入并修正了CS-MIMO雷達(dá)系統(tǒng)下多目標(biāo)參數(shù)估計性能指標(biāo)。結(jié)果表明發(fā)射能量優(yōu)化后的MIMO雷達(dá)與均分發(fā)射能量相比性能優(yōu)勢明