一種雙基地mimo雷達(dá)陣列目標(biāo)角度估計(jì)和互耦誤差校準(zhǔn)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于雷達(dá)信號(hào)處理領(lǐng)域，涉及雙基地多輸入多輸出（Multi-input Multi-output，ΜΙΜΟ)雷達(dá)信號(hào)的角度估計(jì)和誤差校準(zhǔn)，具體地說(shuō)是一種適用于雙基地 ΜΠΚ)雷達(dá)系統(tǒng)目標(biāo)角度估計(jì)和互耦誤差校準(zhǔn)的方法。
【背景技術(shù)】
[0002] 近幾十年來(lái)，目標(biāo)角度估計(jì)一直是雷達(dá)信號(hào)處理領(lǐng)域的一個(gè)重要研究?jī)?nèi)容，利用 雙基地多輸入多輸出（Multi-inputMulti_output，MIMO)雷達(dá)系統(tǒng)進(jìn)行發(fā)射角（Direction ofDeparture，D0D)和接收角（DirectionofArrival，D0A)估計(jì)時(shí)，其分辨率明顯優(yōu)于傳 統(tǒng)的相控陣?yán)走_(dá)。針對(duì)雙基地Μ頂0雷達(dá)信號(hào)的D0D和D0A估計(jì)問(wèn)題，人們提出了大量行之 有效的方法，取得了一些重要進(jìn)展。但現(xiàn)有方法對(duì)雙基地ΜΜ0雷達(dá)陣列陣元之間的互耦效 應(yīng)考慮較少。陣元間耦合的現(xiàn)象普遍存在于陣列天線(xiàn)系統(tǒng)中，互耦效應(yīng)的存在會(huì)導(dǎo)致各類(lèi) 算法的性能?chē)?yán)重下降。
[0003] 人們已嘗試提出一些新的目標(biāo)角度估計(jì)方法用于雙基地Μ頂0陣列傳感器互耦誤 差的校準(zhǔn)。例如在文獻(xiàn)：郭藝奪，張永順，張林讓等，雙基地ΜΜ0雷達(dá)收發(fā)陣列互耦條件 下目標(biāo)定位方法，西安電子科技大學(xué)學(xué)報(bào)（自然科學(xué)版）38(6) (2011)82-88中，提出了一 種未知互耦條件下的雙基地Μ頂0雷達(dá)D0D和D0A估計(jì)方法，該方法能夠消除互耦效應(yīng)帶來(lái) 的不利影響，提高目標(biāo)角度的估計(jì)性能，但該方法不僅需要進(jìn)行多次譜峰搜索，還需對(duì)角度 進(jìn)行配對(duì)，這使得算法的計(jì)算復(fù)雜度較高。

【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有方法的不足，本發(fā)明提出了一種基于旋轉(zhuǎn)不變子空間（Estimationof SignalParametersviaRotationalInvarianceTechniques，ESPRIT)算法的雙基地 M頂0雷達(dá)陣列D0D和D0A估計(jì)方法。該方法利用陣列流型矩陣的結(jié)構(gòu)特性和均勻線(xiàn)陣互耦 矩陣的帶狀Toeplitz特性，能實(shí)現(xiàn)在未知互耦條件下D0D和D0A的精確估計(jì)和配對(duì)。采用 的技術(shù)方案如下：
[0005] -種雙基地ΜΜ0雷達(dá)陣列目標(biāo)角度估計(jì)和互耦誤差校準(zhǔn)方法，包括如下步驟：
[0006] 步驟1:雙基地Μ頂0雷達(dá)系統(tǒng)在^時(shí)刻接收的數(shù)據(jù)向量為X(t);
[0007] 步驟2 :計(jì)算接收到的數(shù)據(jù)向量x(tj的協(xié)方差矩陣R，并將R的特征值分解，求得 信號(hào)子空間矩陣Es;
[0008] 步驟3:構(gòu)造矩陣民，并提取子矩陣匕和E^
[0009] 步驟4 :對(duì)矩陣特征值分解，獲得其特征值矩陣Φ，特征向量矩 陣Q;
[0010] 步驟5 :根據(jù)矩陣Φ龍對(duì)角線(xiàn)元素，估計(jì)出D0A;
[0011] 步驟6 :構(gòu)造一個(gè)常量矩陣FJP-個(gè)變換矩陣B;
[0012] 步驟7 :利用常量矩陣Ft和變換矩陣B以及步驟2中的矩陣Es來(lái)構(gòu)造矩陣Et，并 提取子矩陣Etl和Et2;
[0013] 步驟8:利用步驟4中的Q和步驟7中的Etl和Et2，構(gòu)造矩陣Φ?;
[0014] 步驟9:根據(jù)矩陣Φ,的對(duì)角線(xiàn)元素，估計(jì)出D0D。
[0015] 作為優(yōu)選方案，步驟1中接收的數(shù)據(jù)X(t)的建模表達(dá)式為：x (tD= AsCt^+nCtj)；
[0016] 其中，1 = 1，2, . . .，L，L表示快拍數(shù)；sUD表示、時(shí)刻一個(gè)P維的發(fā)射信號(hào)向量， nh)表示t時(shí)亥IJ一個(gè)MN維的零均值高斯白噪聲；A表示MNXP維的陣列流型矩陣，其中Μ 表示發(fā)射陣列的陣元個(gè)數(shù)，Ν表示接收陣列的陣元個(gè)數(shù)，Ρ表示目標(biāo)信號(hào)個(gè)數(shù)。
[0017] 作為優(yōu)選方案，步驟3中的矩陣EJ勾造的步驟包括：
[0018] 步驟3. 1:構(gòu)造一個(gè)常量矩陣Fr;
[0019] 步驟3. 2 :將常量矩陣Fr左乘E s，即得到矩陣Er= F Λ。
[0020]作為優(yōu)選方案，步驟6中的吊里矩陣Ft- [0 _ 2Κ)ΧΝΚ〗Ν(Μ2Κ)0Ν(Μ2Κ)XNK]，
[0022]
，g = 1，2,· · ·，N，h = 1，2,· · ·，Μ，Κ 表示互耦系數(shù)的個(gè)數(shù)。
[0023]作為優(yōu)選方案，步驟8中所述的?t=((E tlQ)HEtlQ)
[0024] 和現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：
[0025] 本發(fā)明充分利用陣列流型矩陣的結(jié)構(gòu)特性和均勻線(xiàn)陣互耦矩陣的帶狀Toeplitz 特性，能實(shí)現(xiàn)未知互耦效應(yīng)情況下D0D和D0A的精確估計(jì)。與現(xiàn)有方法相比，本發(fā)明的方法 無(wú)需對(duì)角度進(jìn)行譜峰搜索，計(jì)算量小，對(duì)目標(biāo)角度的估計(jì)精度高，特別是在低信噪比環(huán)境下 依然能取得較好的估計(jì)性能。
【附圖說(shuō)明】
[0026] 圖1是本發(fā)明實(shí)施流程圖；
[0027] 圖2是在信噪比為10,快拍數(shù)為200次的情況下，本發(fā)明估計(jì)的D0D和D0A值；
[0028] 圖3是200次蒙特卡洛實(shí)驗(yàn)條件下，快拍數(shù)為200,信噪比由-10到10變化時(shí)，本 發(fā)明與傳統(tǒng)ESPRIT方法估計(jì)D0A的均方根誤差比較；
[0029] 圖4是200次蒙特卡洛實(shí)驗(yàn)條件下，快拍數(shù)為200,信噪比由-10到10變化時(shí)，本 發(fā)明與傳統(tǒng)ESPRIT方法估計(jì)D0D的均方根誤差比較。
【具體實(shí)施方式】
[0030] 下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
[0031] 如圖1所示，為本發(fā)明實(shí)施流程圖，本發(fā)明提出的一種雙基地ΜΜ0雷達(dá)陣列目標(biāo) 角度估計(jì)和互耦誤差校準(zhǔn)方法包括如下步驟：
[0032] 步驟1，雙基地Μ頂0雷達(dá)系統(tǒng)在、時(shí)刻接收的數(shù)據(jù)向量為：
[0033] X(tj) =As(tj)+n(tj) (1)
[0034] 式⑴中，1 = 1，2,…，L，L表不快拍數(shù)；s(ti)表不、時(shí)刻一個(gè)P維的發(fā)射信號(hào) 向量，nh)表示、時(shí)刻一個(gè)麗維的零均值高斯白噪聲；A表示麗XP維的陣列流型矩陣， 其中Μ表示發(fā)射陣列的陣元個(gè)數(shù)，N表示接收陣列的陣元個(gè)數(shù)，P表示目標(biāo)信號(hào)個(gè)數(shù)；并且A 的關(guān)系式為：
[0035]A= [a1;￡^2，· · ·，￡1卩] (2)
[0036] 進(jìn)一步，
[0037]
[0038] 式（3)中，％表示第p組相配對(duì)的真實(shí)D0A，θp表示第p組相配對(duì)的真實(shí)DOD，Ct 和(；分別表示發(fā)射陣列和接收陣列的互耦矩陣，?表示Kronecker積，p= 1，2,. . .，P。
[0039] 進(jìn)一步，
[0042] 式⑷和式（5)中，（·）τ表示?的轉(zhuǎn)置；
[0044] 式（6)中，ctk和c均表示互耦系數(shù)，k= 1，2, . . .，Κ，Κ表示互耦系數(shù)的個(gè)數(shù)。 [0045] 步驟2,利用步驟1中接收到的數(shù)據(jù)向量xh)，求得陣列數(shù)據(jù)的協(xié)方差矩陣：
[0047] 進(jìn)一步，將R的特征值分解得：
[0049] 式（7)和式⑶中，（·）H表示?的共輒轉(zhuǎn)置，Λs表示協(xié)方差矩陣的前P個(gè)最大 特征值構(gòu)成的對(duì)角矩陣，Es表不與Λs對(duì)應(yīng)的特征向量矩陣（也稱(chēng)為信號(hào)子空間矩陣），ΛN