[發(fā)明專利]一種基于監(jiān)督學習的分布式MIMO雷達目標定位性能計算方法

有效

• 申請?zhí)枺?/td>: 202110543520.7
• 申請日: 2021-05-19
• 公開（公告）號: CN113360841B
• 公開（公告）日: 2022-05-03
• 發(fā)明（設計）人: 何茜;紀瑞明;葉沙兵
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F17/16
• 分類號: G06F17/16;G06N3/04;G06N3/08;G01S7/40
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 陳一鑫

該方法公開了一種基于監(jiān)督學習的分布式MIMO雷達目標定位性能計算方法，屬于信號處理技術領域。利用本發(fā)明方法可以基于樣本集先驗統(tǒng)計特性，得到利用全連接神經網絡實現分布式MIMO雷達目標定位任務的MSE性能界。依據此性能界，可以實現對神經網絡拓撲結構的優(yōu)化，使得其性能接近于基于傳統(tǒng)方法的性能界。

技術領域

本發(fā)明屬于信號處理技術領域，它特別涉及用監(jiān)督學習的方法對目標進行定位的性能分析，適用于分布式MIMO雷達目標定位問題。

背景技術

多輸入多輸出(Multiple Input Multiple Out，簡稱MIMO)雷達是一種能夠適應復雜環(huán)境的新型雷達，它的基本思想是將多個發(fā)射天線和接收天線布置在不同的空間位置，每個發(fā)射天線發(fā)射不同波形的信號，接收天線接收到回波信號將其傳遞到處理中心進行聯合處理。分置天線MIMO雷達除了在波形增益方面具備優(yōu)勢外，還擁有傳統(tǒng)雷達不具備的空間分集增益，并在緩解衰落、提升分辨率、抑制干擾以及反隱身等方面具有巨大潛力，可以顯著提高雷達的目標定位性能。

對于如目標定位等參數估計問題，一般采用極大似然估計等傳統(tǒng)方法。克拉美羅界(Cramer-Rao Bound，簡稱CRB)為基于傳統(tǒng)方法的無偏估計量的方差確定了一個下限，即無偏估計量的方差只能無限制的逼近CRB，而不會小于CRB。在雷達參數估計領域，CRB具有很大的實用意義，它被證明是評估雷達系統(tǒng)參數估計性能最有效的下界之一。

隨著深度學習的蓬勃發(fā)展，將其應用到雷達信號處理領域成為新的研究熱點。當前，由于計算復雜度可控且函數擬合能力強悍，基于監(jiān)督學習的神經網絡作為一種典型的深度學習模型，已被用于解決雷達目標定位問題。在文獻1(S.Pak,B.K.Chalise andB.Himed，“Target Localization in Multi-static Passive Radar Systems withArtificial Neural Networks，”International Radar Conference(RADAR),Toulon,France,2019,pp.1-5.)中，針對由多發(fā)單收天線以及單一目標組成的被動雷達場景，作者提出了一種基于神經網絡的目標定位方法。在文獻2(W.Zhu and M.Zhang，“A DeepLearning Architecture for Broadband DOA Estimation，”IEEE 19th InternationalConference on Communication Technology(ICCT),Xi'an,China,2019,pp.244-247.)中，作者提出了一種基于神經網絡的寬帶DOA估計方法。包括以上文獻在內，在構建樣本集時，網絡的輸入往往存在噪聲或者誤差，對神經網絡的參數估計性能造成影響。本發(fā)明致力于在已知樣本集先驗統(tǒng)計特性(包括噪聲或者誤差統(tǒng)計特性)的前提下，研究基于監(jiān)督學習的分布式MIMO雷達目標定位的性能，給出其均方誤差(Mean Square Error，簡稱MSE)界，并與基于傳統(tǒng)方法的分布式MIMO雷達目標定位的MSE界——CRB進行對比。

發(fā)明內容

本發(fā)明針對背景技術的不足解決的技術問題是，在已知樣本集先驗統(tǒng)計特性的前提下，計算基于監(jiān)督學習的分布式MIMO雷達目標定位的性能，給出其MSE界，并與基于傳統(tǒng)方法的分布式MIMO雷達目標定位的CRB進行對比。

本發(fā)明技術方案為一種基于監(jiān)督學習的分布式MIMO雷達目標定位性能計算方法，該方法包括：

步驟1：設分置天線MIMO雷達，具有M個單天線發(fā)射機和N個單天線接收機，且場景中存在一個位置未知的靜止目標；在接收端，所有NM條收發(fā)路徑對應的接收信號為：

v_nm＝[v_nm[1],v_nm[2],...,v_nm[K]]^T