本發(fā)明屬于雷達采樣，特別是一種基于單比特量化的頻控陣mimo雷達去耦合與目標參數(shù)估計方法。

背景技術：

1、在雷達信號處理的應用中，第一步是對信號的采樣和量化?，F(xiàn)有技術中，基于無限精確采樣的假設下才能對信號幅度進行高精度量化。然而在實際應用中，傳統(tǒng)的模數(shù)轉換器(adc)實現(xiàn)高速采樣和高精度量化需要很大的功耗和成本，而單比特adc只需要一個比較器就能實現(xiàn)信號的量化功能，可以有效降低雷達系統(tǒng)的復雜度、成本和功耗，可廣泛應用于信號處理領域。

2、頻控陣(frequency?diversearray,fda)通過在發(fā)射信號上增加一個與陣元位置相關的頻率增量，采用不同的發(fā)射信號載頻，使得其空間傳播波束不但與方位角有關，也與距離有關，可實現(xiàn)距離-角度聯(lián)合估計。

3、多輸入多輸出(mimo)雷達系統(tǒng)的發(fā)射端有多個天線，可以同時發(fā)射不同的雷達波形，且發(fā)射波形之間互相獨立滿足正交性，同時利用接受端的多天線來接收反射回來的回波信號。利用發(fā)射端與接受端的多天線特性，mimo陣列可以利用較少的天線構成一個大規(guī)模的虛擬陣列。使得mimo雷達具有較大的自由度，可識別性和分辨率。

4、基于上述內容，文獻1(l.liu,h.zhang,l.lan?and?j.y.deng,“joint?rangeandangle?estimation?by?fda-mimo?radar?with?unknown?mutual?coupling,”in?ieeetransactions?on?aerospace?and?electronic?systems,vol.59,pp.3669-3683,2023,doi:10.1109/taes.2022.3230383.)研究了具有未知相互耦合的fda-mimo雷達的聯(lián)合距離和角度估計問題。在設計階段，利用帶狀對稱的toeplitz結構，在發(fā)射和接收陣列中都構造了互耦合矩陣(mcm)，通過將mcm轉換為帶有選擇矩陣的對角矩陣，消除了互耦合效應。文獻2(w.g.tang,h.jiang?and?q.zhang,“range-angle?decoupling?and?estimation?forfda-mimo?radar?viaatomic?norm?minimization?and?accelerated?proximal?gradient”in?ieee?signal?processing?letters,vol.27,pp.366-370,2020,doi:10.1109/lsp.2020.2972470.)提出了一種基于無網格壓縮感知的算法來聯(lián)合估計fda-mimo雷達的距離和角度。首先，提出了一種解耦模型來相互分離其范圍和角度。在此基礎上，提出了一個距離角估計的二維原子范數(shù)最小化(anm)問題，并將其轉化為具有凸松弛的半定規(guī)劃(sdp)問題。最后，提出了一種計算效率高的近端近似梯度(apg)估計算法來解決sdp問題。

5、以上文獻皆假設雷達接收機內使用無限精度采樣的adc進行信號處理，但使用高精度采樣的adc往往具有很高的硬件成本，在許多民用場景中，高成本的雷達硬件系統(tǒng)是難以接受的。此外，高精度采樣也會產生巨額的數(shù)據(jù)量，增加雷達實時處理的難度。

技術實現(xiàn)思路

1、本發(fā)明的目的在于針對上述現(xiàn)有技術存在的問題，通過在雷達接收端利用單比特采樣技術，降低雷達系統(tǒng)成本，并提出一種基于單比特量化的頻控陣mimo雷達去耦合與目標參數(shù)估計的方法。

2、實現(xiàn)本發(fā)明目的的技術解決方案為：一種基于單比特量化的頻控陣mimo雷達去耦合與目標參數(shù)估計方法，所述方法包括：

3、步驟1，通過考慮互耦效應的fda-mimo雷達發(fā)射/接收信號；

4、步驟2，對接收信號進行單比特量化；

5、步驟3，從單比特量化后的數(shù)據(jù)中估計協(xié)方差矩陣；

6、步驟4，利用考慮互耦的music算法估計目標的距離和角度；

7、步驟5，去耦合并對距離和角度估計進行校正；

8、步驟6，基于步驟4和步驟5的結果估計互耦系數(shù)。

9、進一步地，步驟1中fda-mimo雷達的接收信號表示為：

10、

11、式中，為發(fā)射天線第l次發(fā)射對應的接收信號，s(l)是包含各目標復反射系數(shù)的信號向量，表示零均值和方差的復高斯噪聲向量，m表示發(fā)射天線的個數(shù)，n表示接收天線的個數(shù)；是考慮相互耦合效應的聯(lián)合發(fā)射-接收導向向量，k表示目標的個數(shù)；和分別是發(fā)射和接收導向向量矩陣，表示相互耦合矩陣，和分別是發(fā)射和接收陣列的相互耦合矩陣，表示為：

12、ct＝toep([ct0,ct1,...,ctp,0,...,0]),

13、cr＝toep([cr0,cr1,...,crp,0,...,0]),

14、其中，ctp和crp分別表示發(fā)射域和接收域的非零互耦系數(shù)，p＝0,1,…,p，p為非零和非1耦合系數(shù)的個數(shù)，p＜m/2&p＜n/2，ct0＝cr0＝1，toep(?)表示一個對稱的toeplitz矩陣。

15、進一步地，步驟2所述對接收信號進行單比特量化，具體包括：

16、通過兩個復隨機抖動序列對接收信號進行單比特量化，具體公式為：

17、

18、其中，sgn表示符號函數(shù)，表示使用τ1(l)對信號進行單比特量化后的數(shù)據(jù)，表示使用τ2(l)對信號進行單比特量化后的數(shù)據(jù)；re和im分別表示實部和虛部，l表示發(fā)射天線共發(fā)射l次脈沖。

19、進一步地，兩個復隨機抖動序列的每個部分的實部和虛部均遵循均勻分布t表示均勻抖動的尺度參數(shù)。

20、進一步地，步驟3所述從單比特量化后的數(shù)據(jù)中估計協(xié)方差矩陣，具體公式為：

21、

22、式中，表示協(xié)方差矩陣，(·)h表示矩陣的共軛轉置。

23、進一步地，步驟4所述利用考慮互耦的music算法估計目標的距離和角度，具體包括：

24、步驟4-1，對協(xié)方差矩陣進行特征值分解：

25、

26、其中表示的特征值，ei表示與λi對應的特征向量，λs＝diag([λ1,...,λk])，和分別表示信號子空間和噪聲子空間，分別列為k個大特征值和剩余的mn-k個小特征值對應的特征向量；

27、步驟4-2，ca(θ1,r1),...,ca(θk,rk)形成的子空間和形成的信號子空間是相同的，且形成的信號子空間與形成的噪聲子空間滿足正交性，則：

28、

29、式中，a(θk,rk)表示第k個目標對應的搜索區(qū)域內的聯(lián)合發(fā)射-接收導向向量，θk,rk分別為第k個目標的角度和距離，||·||表示歐幾里得范數(shù)；

30、步驟4-3，根據(jù)music算法原理，通過搜索區(qū)域中的距離r和角度θ，用以下譜函數(shù)p(θ,r)的k個峰估算所有k個目標的距離和角度：

31、

32、式中，a(θ,r)表示搜索區(qū)域內的聯(lián)合發(fā)射-接收導向向量。

33、進一步地，步驟5具體包括：

34、步驟5-1，定義發(fā)射域中的選擇矩陣為其中i表示單位矩陣，0表示零矩陣，

35、定義接收域的選擇矩陣定義為

36、定義聯(lián)合發(fā)射-接收選擇矩陣為

37、步驟5-2，基于聯(lián)合發(fā)射-接收選擇矩陣消除接收信號的互耦效應，表示為：

38、

39、式中，是新的復高斯噪聲向量，表示消除互耦效應后的接收信號；

40、步驟5-3，通過步驟2的方式對消除互耦效應的接收信號進行單比特量化，之后通過步驟3的方式估計對應的協(xié)方差矩陣并將進行特征值分解得到其噪聲子空間

41、步驟5-4，基于步驟5-3的結果，構建譜函數(shù)

42、

43、通過搜索譜函數(shù)的峰值，估算互耦校正后的目標的距離和角度。

44、進一步地，步驟6具體包括：

45、步驟6-1，利用互耦矩陣的帶狀對稱toeplitz結構和導向矢量的vandermonde結構，將具有相互耦合的發(fā)射和接收導向矢量分別表示為：

46、

47、其中，和是在考慮互耦效應情況下通過music算法估計得到的第k個目標的角度和距離，表示第k個目標的發(fā)射導向向量，表示第k個目標的發(fā)射角度導向向量；和分別是發(fā)射和接收陣列的非0互耦系數(shù)；

48、和分別定義為：

49、

50、將上式代入得到：

51、

52、其中，表示第k個目標對應的搜索區(qū)域內的聯(lián)合發(fā)射-接收導向向量，的第一個系數(shù)c(1)＝1；

53、利用k個目標的估計值，將上式進一步表示為：

54、qc＝0

55、其中，

56、

57、式中，qi表示矩陣q的第i列向量，i＝1,2,...,(p+1)2；

58、則qc＝0表示為：

59、

60、其中，是c中的未知系數(shù)，c((p+1)2)表示c中的第(p+1)2個系數(shù)；

61、步驟6-2，基于步驟6-1，將互耦系數(shù)的最小二乘解表示為：

62、

63、其中，表示矩陣的偽逆；

64、步驟6-3，根據(jù)得到發(fā)射陣列和接收陣列的互耦系數(shù)和分別為：

65、

66、另一方面，提供了一種基于單比特量化的頻控陣mimo雷達去耦合與目標參數(shù)估計系統(tǒng)，所述系統(tǒng)包括：

67、第一模塊，用于通過考慮互耦效應的fda-mimo雷達發(fā)射/接收信號；

68、第二模塊，用于對接收信號進行單比特量化；

69、第三模塊，用于從單比特量化后的數(shù)據(jù)中估計協(xié)方差矩陣；

70、第四模塊，用于利用考慮互耦的music算法估計目標的距離和角度；

71、第五模塊，用于去耦合并對距離和角度估計進行校正；

72、第六模塊，用于估計互耦系數(shù)。

73、本發(fā)明與現(xiàn)有技術相比，其顯著優(yōu)點為：

74、(1)本發(fā)明提出一種基于具有互耦的低比特量化頻控陣mimo雷達去耦合與目標參數(shù)估計研究方法，能夠實現(xiàn)多目標的距離和角度聯(lián)合估計，并有效地解決了傳統(tǒng)雷達系統(tǒng)中采樣速率慢、功耗大、成本高等問題，降低了系統(tǒng)成本，提高了采樣性能。

75、(2)設置選擇矩陣對存在互耦效應的信號去耦合，提高了目標參數(shù)估計的精度。

76、(3)利用互耦矩陣的帶狀對稱toeplitz結構和導向矢量的vandermonde結構可以較準確得估計出互耦矩陣的系數(shù)。

77、下面結合附圖對本發(fā)明作進一步詳細描述。