压缩感知MIMO雷达波形设计

发布时间：2020-09-14 14:06

　　将压缩感知技术应用到MIMO雷达领域是近年研究的热点。本篇论文研究了压缩感知MIMO雷达在给定环境的噪声和干扰的情况下,无需恢复原始信号,直接使用压缩量测信号,以最大化雷达检测概率为目标,设计适应环境的波形。本文主要研究了以下几个部分:(1)基于压缩感知雷达压缩采样GLRT检测器,在检测信号的过程中无需恢复原始信号。实验结果表明,经过压缩感知的测量信号,在减少数据处理量的同时仍能维持较高的检测性能。(2)基于压缩感知MIMO雷达,为了提高检测性能,设计了一种基于梯度下降思路的迭代计算发射波形的方法。首先根据先验信息设计压缩感知MIMO雷达模型。然后在接收端无需恢复接收信号,直接使用压缩量测信号,以最大化雷达系统信干噪比为目标来设计目标函数,最终使用联合优化发射信号与滤波器的方法。这种设计方法运行速度快,能在使用压缩感知大幅减少数据量的情况下,获得高检测概率的波形。(3)基于压缩感知MIMO雷达,设计了一种基于遗传算法的优化压缩感知MIMO雷达优化波形的方法。根据给定的信干噪比目标函数,用淘汰低信干噪比的波形来指引进化方向。由于随机初始化多个信号带来的更强搜索能力,虽然该方法数据量更大,但是设计出的波形更接近全局最优。本文还对比了不同的选择算子对收敛速度的影响。本篇论文提出了基于梯度下降算法以及遗传算法的压缩感知MIMO雷达波形设计。把压缩感知引入雷达系统,减少了计算量。梯度下降算法主要应用于在噪声与干扰等先验条件频繁变化,或是后端数据处理能力不高的情况;遗传算法主要应用与在先验条件稳定,一次设计出的波形便能相对长期使用的场景,特别在压缩感知率较低的情况下,其优化出的波形可以达到更高的检测概率。
【学位单位】：深圳大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN958
【部分图文】：

示意图,雷达,拓扑结构,示意图

交波形设计的工作；接收端的信号处理，可根据多普勒容限进行处理，或是使用 DBF技术及匹配滤波器进行雷达波形综合处理；目标跟踪方面，可以对跟踪算法进行研究，如基于空间分集的动态追踪算法和 MIMO 雷达目标检测跟踪的研究；和压缩感知技术进行结合，也有相关的 MIMO 雷达系统研究成果[7]。MIMO 雷达根据天线位置分配，可以分为集中式 MIMO 雷达与分布式 MIMO 雷达，又可以称之为相干型 MIMO 雷达与统计型 MIMO 雷达。图 1-1 展示了这几种 MIMO 雷达的不同。集中型 MIMO 雷达的发射和接收天线位置在同一位置，相对于目标所称的角度几乎相同。由于 MIMO 雷达应用了波形分集（Waveform Diversity）技术，因此雷达可以获得更好的 DOA(Direction ofArrival)估计能力[8]和参数识别能力，也能设计更灵活的方向图[9]，还具有低截获性能。分布式 MIMO 雷达根据收发阵列的天线间距较大，可分为发射分集 MIMO 雷达、接收分集 MIMO 雷达以及收发分级 MIMO 雷达。由于空间分集增益，每个阵元有不同的 RCS(Radar Cross-Section)，所以在参数估计精度上有所提高，可克服雷达信号之间的相互干扰，提高目标的分辨力。

模型图,雷达信号,模型,雷达

压缩感知 MIMO 雷达波形设计雷达稀疏信号压缩检测缩采样雷达探讨压缩检测问题。传统无失真采样，根据信号速率的两倍。压缩采样雷达能保证在回复原信号的的速率采样，节省了采样所需功率，降低了后续信号处研究了一种压缩采样雷达压缩 GLRT 检测器，可直接通，且无需对信号进行恢复，大大降低了后端雷达计算负消耗以及计算时间。本节还给出了压缩采样雷达压缩 G器的性能对比，其中传统雷达是按照奈奎斯特率的 ADC 采值的情况下，使用压缩测量，在相对较高 SNR(Signal-t证压缩 GLRT 检测器的高性能。模型

曲线,ROC曲线,结果对比,雷达波形

压缩感知 MIMO 雷达波形设计据上节对于理论上下界的推导，进行第二次实验。在这次实验中，参数 δ成 0.05。从图 2-3 中可以看到，蒙特卡罗仿真的接收机工作特性曲线出现界之间。

【参考文献】