MIMO雷達目標自適應(yīng)檢測算法研究.pdf

1、環(huán)境的多樣性和復(fù)雜化不斷挑戰(zhàn)著雷達的目標探測能力。不同于傳統(tǒng)的單基雷達或相控陣雷達，多輸入多輸出（Multiple-Input Multiple-Output，MIMO）雷達利用多個發(fā)射天線和接收天線實現(xiàn)對目標更為全面的觀測，獲得更豐富的目標信息，可以顯著提高雷達的目標探測性能，是國際雷達信號處理領(lǐng)域的前沿研究熱點。雷達目標往往淹沒在雜波背景中，利用自適應(yīng)技術(shù)使檢測算法與雜波環(huán)境更為匹配是改善目標探測性能的關(guān)鍵。本文針對MIMO雷達目標

2、自適應(yīng)檢測問題展開研究。主要工作與貢獻如下：
　　1、在復(fù)合高斯雜波背景下，針對有限輔助數(shù)據(jù)的情況，研究了基于Bayesian理論的MIMO雷達靜止目標自適應(yīng)檢測算法。利用雜波的統(tǒng)計分布信息，提出了基于Bayesian的兩步自適應(yīng)廣義似然比檢測器（Generalized Likelihood Ratio Test， GLRT）。針對不同分布的雜波紋理分量，提出了三個雜波協(xié)方差矩陣的最大后驗概率估計?；?Bayesian的算法在輔

3、助數(shù)據(jù)不足的情況下獲得了良好的自適應(yīng)檢測性能。
　　2、在復(fù)合高斯雜波背景下，針對有限輔助數(shù)據(jù)的情況，研究了基于多先驗譜模型的MIMO雷達靜止目標自適應(yīng)檢測算法。通過建立基于多先驗譜模型的協(xié)方差矩陣結(jié)構(gòu)重構(gòu)模型，將協(xié)方差矩陣的估計問題成功轉(zhuǎn)化為了多個模型參數(shù)的估計問題，并利用順序優(yōu)化算法求解了未知參數(shù)的約束最大似然估計，提出了一步自適應(yīng)GLRT。該算法在輔助數(shù)據(jù)不足的情況下獲得了良好的自適應(yīng)檢測性能。
　　3、在復(fù)合高斯雜波

4、背景下，研究了MIMO雷達運動目標自適應(yīng)檢測算法。根據(jù)ad-hoc設(shè)計策略，提出了基于GLRT、Rao和Wald準則的運動目標自適應(yīng)檢測器。針對有限輔助數(shù)據(jù)的情況，提出了基于幾何重心的雜波協(xié)方差矩陣估計算法。較好地解決了復(fù)合高斯雜波環(huán)境中有限輔助數(shù)據(jù)情況下的運動目標檢測問題。
　　4、在高斯雜波背景下，研究了基于極化信息的MIMO雷達運動目標自適應(yīng)檢測算法。提出了極化框架下的 GLRT運動目標檢測器，給出了極化框架下目標速度和雜波