[發(fā)明專利]沖擊噪聲下基于免疫布谷鳥搜索的雙基地MIMO雷達(dá)測向方法

有效

• 申請?zhí)枺?/td>: 201610265227.8
• 申請日: 2016-04-26
• 公開（公告）號: CN105954731B
• 公開（公告）日: 2018-02-13
• 發(fā)明（設(shè)計）人: 高洪元;李佳;張世鉑;刁鳴;劉丹丹;梁炎松;杜亞男
• 申請（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號: G01S7/41
• 分類號: G01S7/41;G01S13/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及的是一種雷達(dá)的測向方法，具體地說是一種雙基地多輸入多輸出(Multiple Input Multiple Output，MIMO)雷達(dá)的測向方法。

背景技術(shù)

MIMO雷達(dá)現(xiàn)已成為熱門的研究課題，它是在MIMO理論和空時編碼理論應(yīng)用于通信系統(tǒng)并取得重大突破后提出來的一種新型雷達(dá)體制，與傳統(tǒng)的能夠發(fā)送多個相干波形的相控陣?yán)走_(dá)相比，MIMO雷達(dá)可以克服衰落效應(yīng)并提高空間分辨率，通過波形分集提高檢測和估計性能。目前，根據(jù)雷達(dá)天線的空間分布，MIMO雷達(dá)可以分為集中式MIMO雷達(dá)和分布式 MIMO雷達(dá)兩類，即所謂的單基地MIMO雷達(dá)和雙基地MIMO雷達(dá)。前者的概念由麻省理工學(xué)院林肯實驗室的Bliss和Forsythe等人提出，后者的概念則由新澤西技術(shù)研究所的Fisher、理海大學(xué)的Blum和貝爾實驗室的Chizhik等人提出。對于第一類單基地MIMO雷達(dá)，其布陣方式與相控陣?yán)走_(dá)類似，陣列中各個陣元間距足夠小，接收到的是相干信號；而第二類雙基地MIMO雷達(dá)，它借用了移動通信中空間分集的思想，陣列中各個陣元間距足夠大，從而可以從多個不同角度同時照射目標(biāo)以獲得空間分集增益，從而提高檢測和估計性能以及空間分辨率。與單基地MIMO雷達(dá)不同，雙基地MIMO雷達(dá)的發(fā)射陣列和接收陣列分開配置，因此，給定目標(biāo)的波離角(Direction of Departure，DOD)與波達(dá)角(Direction of Arrival，DOA) 是不同的，需要同時估計出目標(biāo)的DOD與DOA。

在雙基地MIMO雷達(dá)的研究中，目標(biāo)的DOD和DOA估計是非常重要的研究方向，近些年引起相關(guān)學(xué)者和研究機(jī)構(gòu)的研究熱潮，并在國際會議和期刊上發(fā)表了大量的科研成果。經(jīng)對現(xiàn)有的技術(shù)文獻(xiàn)檢索發(fā)現(xiàn)，Mohamed Laid Bencheikh等在信號處理(Signal Processing) 上發(fā)表的“Polynomial root finding technique for joint DOA DOD estimation in bistatic MIMO radar”中提出了基于MUSIC算法的雙基地MIMO雷達(dá)的DOD和DOA估計方法，但是需要全面的譜峰搜索，其運(yùn)算量巨大；Jinli C.等在電子快報(Electronics Letters)上發(fā)表的“Angle estimation using ESPRIT without pairing in MIMO radar”中提出了無需額外配對的ESPRIT算法，但在以上的研究方法中，信號模型中的接收噪聲主要考慮的是高斯噪聲，采用二階或高階統(tǒng)計量的方法進(jìn)行處理，而關(guān)于沖擊噪聲下的測向研究則少有涉及。

大量研究表明，雷達(dá)實際工作情況下的噪聲通常是具有代數(shù)拖尾概率密度函數(shù)的沖擊噪聲，而這類沖擊噪聲更適合用對稱ɑ穩(wěn)定(Symmetricɑ-Stable，SɑS)分布進(jìn)行表征，但其不存在二階及以上矩，這使得傳統(tǒng)的基于二階或高階累積量的DOD與DOA估計方法性能惡化。另外，大多數(shù)測向算法屬于子空間分解類算法(如MUSIC算法和ESPRIT算法)，需要將信號子空間和噪聲子空間進(jìn)行分離，且要求目標(biāo)是非相干，還需要充足的獨(dú)立同分布的樣本(即大的快拍數(shù))，而且目標(biāo)的信噪比要高，才能夠正確地完成測向任務(wù)。基于子空間分解類算法的測向方法都只能應(yīng)用于均勻線陣的情況，而屬于參數(shù)模型擬合類的最大似然(Maximum Likelihood，ML)算法則可應(yīng)用于任意幾何形狀的陣列，以及任意的樣本數(shù)量。將最大似然算法應(yīng)用于雙基地MIMO雷達(dá)目標(biāo)的DOD和DOA估計，其在信噪比低、快拍數(shù)小以及相干信源情況下都具有優(yōu)異的性能，但是ML估計涉及了一個多維非線性優(yōu)化的問題，其運(yùn)算量相當(dāng)大。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種收斂速度快、估計精度高、魯棒性好、去相干能力強(qiáng)、抗沖擊噪聲能力佳的沖擊噪聲下基于免疫布谷鳥搜索的雙基地MIMO雷達(dá)測向方法。

本發(fā)明的目的是這樣實現(xiàn)的：

步驟一：獲取信號采樣數(shù)據(jù)；

步驟二：對接收到的采樣數(shù)據(jù)進(jìn)行無窮范數(shù)歸一化預(yù)處理，獲得加權(quán)信號協(xié)方差矩陣；

步驟三：設(shè)定參數(shù)并初始化信仰空間；

步驟四：初始化鳥蛋，計算所有鳥蛋的適應(yīng)度并降序排列，尋找當(dāng)前最優(yōu)適應(yīng)度，對應(yīng)的即為最優(yōu)鳥蛋；

步驟五：利用文化機(jī)制制備疫苗母本，將制備好的疫苗母本放入疫苗庫等待接種；

步驟六：利用Lévy飛行更新鳥蛋，計算Lévy飛行更新鳥蛋適應(yīng)度并用貪婪選擇策略對 Lévy飛行更新鳥蛋進(jìn)行選擇；