冲击噪声背景下基于稀疏表示的双基地MIMO雷达多目标定位

2014-06-02郑志东袁红刚张剑云

电子与信息学报 2014年12期

关键词：范数信号处理协方差

郑志东袁红刚张剑云

郑志东*①②袁红刚①张剑云②

①(北方电子设备研究所北京 100083)②(合肥电子工程学院合肥 230037)

双基地MIMO雷达；定位；冲击噪声；矩阵行2范数；近似零范数

1 引言

2 信号及噪声模型

3 接收数据预处理

尽管子空间算法能够有效地估计出目标的角度值，但在低SNR、低快拍数时，此类算法的估计精度并不高，而且需要预先估计目标源数目，这在冲击噪声较强时，往往无法准确得到，进而导致了算法估计性能的下降。为了克服上述不足，本文利用稀疏重构算法进行双基地MIMO雷达的收发角度估计。稀疏重构算法[13,14]由于充分利用了目标空域稀疏的先验信息，缓解了空域稀疏采样的旁瓣问题[4]，由此可以获得比传统子空间算法更好的估计性能[13,14]。本文以下基于文献[13]和文献[14]的思想，以协方差矩阵构造稀疏线性模型，提出基于协方差矩阵-近似零范数(Covariance Matrix Smoothed L0 norm, CMSL0)算法进行目标的收发角度估计。

4 CMSL0算法描述

4.1 基于协方差的稀疏线性模型

4.2 模型求解

由于DOD和DOA均由独立估计得出，因此需要进行目标的收发角度配对。本文利用分数低阶矩阵[9](FLOM)代替二阶矩构造代价函数，构造出基于FLOM的最大似然代价函数，从中选取出DOD和DOA的正确配对关系。

5 计算机仿真

实验1 算法的有效性验证

实验2 算法的参数估计性能比较

实验3 随机布阵时算法的有效性验证

图1 3种算法下DOA和DOD的估计结果

图2 配对之后目标的位置估计结果

图3 两种算法的成功率和均方根误差随GSNR的变化曲线

图4 两种算法的参数估计成功率和RMSE随的变化曲线

6 结论

针对实际应用中，常常存在冲击噪声的情况，本文首先提出了矩阵行2范数最大的归一化加权预处理方法，该方法无需已知冲击噪声特征指数的先验信息或估计值；其次，为了在目标源数目未知情况下实现收发角度的估计，本文提出了基于CMSL0的目标DOA和DOD估计算法，并利用FLOM最大似然法实现目标的定位。理论和仿真实验表明：经过矩阵行2范数最大化预处理后的数据协方差矩阵有界，并具有传统的协方差矩阵形式；经过相同的预处理之后，MUSIC和CMSL0算法均能有效地估计出目标的角度；由于CMSL0算法充分利用了目标在空域内的稀疏特性，使得低GSNR条件下，CMSL0算法的估计精度优于MUSIC算法；在同等条件下，CMSL0算法对冲击噪声的稳健性优于MUSIC算法。此外，与MUSIC算法相比，CMSL0算法不需要预先估计目标源的数目，且收发阵元间隔大于半波长时仍能有效地估计出目标的角度。

图5 随机布阵下目标DOA和DOD的估计结果

[1] Fisher E, Haimovich A, Blum R S,.. Spatial diversity in radar-models and detection performance[J]., 2006, 54(3): 823-838.

[2] Haimovich A M, Blum R S, Lenard J,MIMO radar with widely separated antennas[J]., 2008, 25(1): 116-129.

[3] 李建峰, 张小飞, 汪飞. 基于四元数的Root-MUSIC的双基地MIMO雷达中角度估计算法[J]. 电子与信息学报, 2012, 34(2): 300-304.

Li Jian-feng, Zhang Xiao-fei, and Wang Fei. Quaternion root- MUSIC algorithm for angle estimation in bistatic MIMO radar[J].&2012, 34(2): 300-304.

[4] 孙理, 朱晓华, 贺亚鹏, 等. 双基地稀疏阵列MIMO雷达快速多目标定位方法[J]. 电子与信息学报, 2013, 35(5): 1142-1148.

Sun Li, Zhu Xiao-hua, He Ya-peng,.. Fast multi-target localization with sparse array in bistatic MIMO radar[J].&, 2013, 35(5): 1142-1148.

[5] Chen Chen, Zhang Xiao-fei, and Ben De. Coherent angle estimation in bistatic multi-input multi-output radar using parallel profile with linear dependencies decomposition[J]., 2013, 7(8): 867-874.

[6] Zheng Zhi-dong, Zhang Jin, and Zhang Jian-yun. Joint DOD and DOA estimation of bistatic MIMO radar in the presence of unknown mutual coupling[J]., 2012, 92(12): 3039-3048.

[7] Tsakalides P, Raspanti R, and Nikias C L. Angle/Doppler estimation in heavy tailed clutter backgrounds[J]., 1999, 35(2): 419-436.

[8] Shao M and Nikias C L. Signal processing with fractional lower order moments: stable processes and their applications [J]., 1993, 81(7): 986-1010.

[9] Liu T H and Mendel J M. A subspace-based direction finding algorithm using fractional lower order statistics[J]., 2001, 49(8): 1605-1613.

[11] 王鞠庭, 江胜利, 何劲, 等. 冲击噪声下基于子空间的MIMO雷达DOA估计研究[J]. 宇航学报, 2009, 30(4): 1653-1657.

Wang Ju-ting, Jiang Sheng-li, He Jin,.. Subspace-based DOA estimation in impulsive noise environments[J]., 2009, 30(4): 1653-1657.

[12] Visuri S, Oja H, and Koivunen V. Subspace-based direction- of-arrival estimation using nonparametric statistics[J]., 2001, 49(9): 2060-2073.

[13] Yin J and Chen T. Direction-of-arrival estimation using a sparse representation of array covariance vectors[J]., 2011, 59(9): 4489-4493.

[14] Hyder M and Mahata K. An improved smoothed L0 approximation algorithm for sparse representation[J]., 2010, 58(4): 2194-2205.

[15] Ma W K, Hsieh T H, and Chi C Y. DOD estimation of quasi-stationary signals with less sensors than sources and unknown spatial noise covariance: a Khatri-Rao subspace approach[J]., 2010, 58(4): 2169-2180.

郑志东：男，1985年生，博士，工程师，主要研究方向为MIMO雷达技术、雷达信号处理、阵列信号处理.

袁红刚：女，1972年生，硕士，高级工程师，研究方向为雷达信号处理.

张剑云：男，1963年生，教授，博士生导师，研究方向为雷达及目标环境模拟、雷达信号处理、高速信号处理.

Multitarget Localization Based on Sparse Representation forBistatic MIMO Radar in the Presence of Impulsive Noise

Zheng Zhi-dong①②Yuan Hong-gang①Zhang Jian-yun②

①(,100083,)②(,230037,)