基于信号结构信息的MIMO雷达参数估计方法

For the strategic demand of high resolution radar, this project will focus on MIMO radar. To solve the high precision DOA estimation problem under the condition of low signal-to-noise ratio(SNR), small sample size and color noise environment, MIMO radar parameter estimation method based on signal structure information is first studied in this project. Firstly, we will establish the multi-dimensional sparse model of MIMO radar, reveal the general law of multi-dimensional sparse representation of MIMO radar data. In view of signal multi-dimensional structure information, the Direction of arrival (DOA) estimation based on the tensor algebra theory is proposed to improve the accuracy under color noise environment. According to the sparse structural characteristics of MIMO radar signal, sparse Bayesian learning theory is introduced to the signal reconstruction to realize high precision signal reconstruction with small sample set. Then we will establish the relationship of sparse reconstruction dictionary Kronecker structure and Tucker model in the tensor analysis. According to the joint multi-dimensional sparse features of the received signal, the tensor sparse Bayesian reconstruction method is proposed to increase the efficiency and the accuracy of parameter estimation. At last, we will complete MIMO radar parameter estimation experiment and validation of new methods, which will promote the practical process of MIMO radar in complex environments, and has important theoretical significance and practical value.

面向高分辨率雷达的重大战略需求，以MIMO雷达为研究对象，针对低信噪比、小样本和色噪声环境下高精度波达方向估计问题，首次系统性提出基于信号结构信息的MIMO雷达参数估计方法。首先建立MIMO雷达信号多维稀疏模型，揭示MIMO雷达数据的一般性多维稀疏表征规律；针对MIMO雷达信号多维结构信息，提出基于张量代数理论的波达方向估计方法，利用张量分解提高色噪声环境下参数估计精度；针对MIMO雷达空域稀疏结构特性，提出基于稀疏贝叶斯学习的波达方向估计方法，在小样本条件下实现高精度信号重构；然后分析稀疏重构字典Kronecker结构与张量分解中Tucker模型之间的映射关系，根据接收信号在联合多维度域上的稀疏特性，提出张量稀疏贝叶斯重构技术的波达方向估计方法，提高参数估计的精度和效率，并完成MIMO雷达参数估计新方法的实验与验证，推动MIMO雷达在复杂环境下的实用化进程，具有重要的理论意义和实用价值。

多输入多输出(Multiple-input Multiple-output, MIMO)雷达是一种新型体制雷达，它采用多个发射天线和接收天线，同时发射互相正交的信号，再在接收端通过匹配滤波将各个发射波形分离出来，从而获得远大于实际物理阵元数的等效阵列，增加了观测通道和自由度。多天线同时发射同时接收的工作方式使得MIMO雷达能够实时地采集目标的回波信号；等效阵列技术使MIMO雷达具有更高的分辨率，更多的可辨识目标数，更灵活的波束方向图设计等优势。然而，随着信号环境的日益复杂，如低截获率技术的采用、各类有意或无意的电磁干扰、隐身目标以及信号的时变特性等，都会导致MIMO雷达接收数据的信噪比降低和样本数量的减少。因此如何在低信噪比、小样本和有色噪声条件下实现高分辨率的波达方向估计是目前MIMO雷达系统在实际应用中所面临的关键问题。本项目首次提出系统性的开展基于信号结构信息的MIMO雷达波达方向估计方法研究，这里的结构信息指的是信号多维结构信息和空域稀疏结构信息。针对MIMO雷达信号多维结构信息，提出基于张量代数理论的波达方向估计方法，利用张量分解提高色噪声环境下波达方向估计精度；针对MIMO雷达空域稀疏结构特性，提出基于稀疏贝叶斯学习的波达方向估计方法，在信息极少的条件下实现高精度信号重构；最后综合MIMO雷达信号的多维和空域稀疏特性，提出基于张量稀疏贝叶斯重构技术的波达方向估计方法，解决低信噪比、小样本和有色噪声信号环境下，MIMO雷达高精度波达方向估计问题。在取得相应研究成果的基础上，出版“十二五”国家重点出版规划项目《MIMO雷达参数估计技术》（国家出版基金资助），申请国家发明专利25项，其中获授权12项，发表学术论文37篇，其中SCI检索20篇。本项目研究成果对于丰富MIMO雷达参数估计理论，解决低信噪比、小样本和有色噪声环境下MIMO雷达高精度波达方向估计问题，提高算法的鲁棒性和实用性，进而对推动MIMO雷达在复杂环境下的实用化进程具有重要的理论意义和实用价值。