欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202210854486X
申请人: 南京信息工程大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于块Hankel张量构造的MIMO雷达鲁棒DOA估计方法,其特征在于,包括以下步骤:获取存在阵元故障的MIMO雷达回波信号的虚拟阵列输出数据矩阵;

将虚拟阵列输出数据矩阵堆叠形成三阶观测张量;

采用高阶奇异值分解降低三阶观测张量中快拍方向的维度,得到降维后的观测张量;

将降维后的观测张量的各正向切片分别转换为具有二重Hankel结构的切片,构造新张量;

将构造的新张量划分为多个子张量,通过对子张量进行多次串联构造高维的块Hankel张量;

通过建立秩最小化问题实现高维的块Hankel张量中缺失数据的重构,并对恢复后的块Hankel张量进行逆变换操作得到完整的降维后的观测张量;

将完整的降维后的观测张量的正向切片平铺形成完整的虚拟阵列输出矩阵,并采用RD-MUSIC算法进行目标DOA估计。

2.根据权利要求1所述的基于块Hankel张量构造的MIMO雷达鲁棒DOA估计方法,其特征在于,获取存在阵元故障的MIMO雷达回波信号的虚拟阵列输出数据矩阵具体包括以下步骤:对存在阵元故障时的MIMO雷达回波信号进行匹配滤波处理,得到MN*L虚拟阵列输出数据矩阵其中,M为发射阵元数;N为接收阵元数;L为脉冲周期数;(·)T表示矩阵的转置,⊙表示矩阵的Khatri-Rao积;

为阵元故障时发射阵列的流形矩阵,表示大小为M×P的复数矩阵集合;

为阵元故障时接收阵列的流形矩阵,表示大小为N×P的复数矩阵集合;

S为目标系数矩阵,表示大小为L×P的复数矩阵集合;

P为相互独立的远场目标个数。

3.根据权利要求2所述的基于块Hankel张量构造的MIMO雷达鲁棒DOA估计方法,其特征在于,将虚拟阵列输出数据矩阵堆叠形成三阶观测张量具体包括以下步骤:将大小为MN*L虚拟阵列输出数据矩阵堆叠形成具有发射方向、接收方向、快拍方向的三阶观测张量表示维度为M*N*L的复数张量集合;

将观测张量表示为Tucker分解形式:

其中,×1表示张量与矩阵的模式1乘积;

×2表示张量与矩阵的模式2乘积;

×3表示张量与矩阵的模式3乘积;

为P×P×P的单位张量。

4.根据权利要求3所述的基于块Hankel张量构造的MIMO雷达鲁棒DOA估计方法,其特征在于,采用高阶奇异值分解降低三阶观测张量中快拍方向的维度,得到降维后的观测张量具体包括以下步骤:对观测张量进行HOSVD分解:

其中,为维度为M*N*L的核心张量;

为由观测张量模式1展开矩阵的左奇异值向量组成的酉矩阵,即左奇异值向量矩阵;

为由观测张量模式2展开矩阵的左奇异值向量矩阵;

为由观测张量模式3展开矩阵的左奇异值向量矩阵;

对观测张量与矩阵和DP进行模3乘积得到

其中,为降维后的观测张量,表示维度为M*N*P的复数张量集合;

DP=[IP 0P×(L-P)]为定义的辅助降维矩阵,其中IP为P×P的单位矩阵,0P×(L-P)为P×(L-P)的全零矩阵,(·)H为矩阵的共轭转置;

降维后的观测张量的Tucker分解形式表示:其中,为降维后的目标系数矩阵。

5.根据权利要求4所述的基于块Hankel张量构造的MIMO雷达鲁棒DOA估计方法,其特征在于,将降维后的观测张量的各正向切片分别转换为具有二重Hankel结构的切片,构造新张量,具体包括以下步骤:定义为降维后的观测张量第p个正向切片,p=1,2,…,P:表示大小为M×N的复数矩阵集合;

为观测张量第p个正向切片上的第n个列纤维,n=1,2,…,N:表示长度为M×1的复数向量集合;

为列纤维上的第m个元素,m=1,2,…,M;

是以为元素构成的列纤维,即

以列纤维中的γ个元素构造列向量:

其中,表示长度为γ的列向量;表示中第i个元素;i=kγ,kγ+1,…,kγ+γ-1;

其中,kγ=1,2,…,M-γ+1;表示向下取整运算;

将M-γ+1个列向量排列成Hankel矩阵:其中,表示大小为γ×(M-γ+1)的矩阵;

再将η个Hankel矩阵排列成矩阵:

其中,表示大小为γη×(M-γ+1)的矩阵;

将N-η+1个矩阵排列成具有二重Hankel结构的矩阵:则大小为γη×(M-γ+1)(N-η+1)的矩阵可表示为并以P个矩阵为正向切片构造新的维度为γη×(M-γ+1)(N-η+1)×P的张量

6.根据权利要求5所述的基于块Hankel张量构造的MIMO雷达鲁棒DOA估计方法,其特征在于,将构造的新张量划分为多个子张量,通过对子张量进行多次串联构造高维的块Hankel张量,具体包括以下步骤:可划分为多个子张量组成,即张量可看作子张量以维度1和维度2串联,其中,表示张量的维度1串联,表示张量的维度2串联;表示以P个矩阵作为正向子切片构成的维度为γ×(M-γ+1)×P的子张量;

根据矩阵中元素位置的表示方法,用表示中位于第u行第v列的子张量,则张量可表示为:用表示位于中第ξ列的子张量:

将维度为γη×(M-γ+1)×P的张量中子张量以维度1连接成新张量:其中表示维度为γε×(M-γ+1)×P的张量将η-ε+1个张量以维度2串联构造张量:其中表示维度为γε×(M-γ+1)(η-ε+1)×P的张量;

再将以维度3串联构造具有块Hankel结构的张量:其中,表示维度为γε×(M-γ+1)(η-ε+1)×P(N-η+1)的待恢复的张量,表示张量的维度3串联。

7.根据权利要求6所述的基于块Hankel张量构造的MIMO雷达鲁棒DOA估计方法,其特征在于,通过建立秩最小化问题实现高维的块Hankel张量中缺失数据的重构,并对恢复后的块Hankel张量进行逆变换操作得到完整的降维后的观测张量,具体包括以下步骤:建立张量各模展开矩阵的核范数之和最小化模型,重构高维的块Hankel张量的缺失数据:其中,表示张量模式i展开矩阵,i=1,2,3,||·||*表示对矩阵取核范数;为待恢复的完整张量;ΩH3表示不完整张量中非零元素的索引集;表示张量在索引集上的投影;

利用HaLRTC算法求解该凸优化问题,从而由高维张量中的非零元素恢复完整的高维张量对中对应同一元素的所有冗余元素取均值以降低估计误差,再对平均后的高维张量进行逆变换操作得到完整的降维后的观测张量张量中第(m,n,p)个元素可表示为:其中,表示张量中第(d,g,h)个元素,表示张量中第(m,n,p)个元素,ψm,n,p表示对应中所有冗余元素的位置集合,#ψm,n,p表示集合ψm,n,p中元素的数量。

8.根据权利要求7所述的基于块Hankel张量构造的MIMO雷达鲁棒DOA估计方法,其特征在于,将完整的降维后的观测张量的正向切片平铺形成完整的虚拟阵列输出矩阵,采用RD-MUSIC算法进行目标DOA估计,具体包括以下步骤:将完整的降维后的观测张量的正向切片平铺形成完整的虚拟阵列输出矩阵采用RD-MUSIC算法进行目标DOA估计。

9.基于块Hankel张量构造的MIMO雷达鲁棒DOA估计装置,其特征在于,包括:获取数据模块:获取存在阵元故障的MIMO雷达回波信号的虚拟阵列输出数据矩阵;

堆叠模块:用于将虚拟阵列输出数据矩阵堆叠形成三阶观测张量;

降维模块:用于采用高阶奇异值分解降低三阶观测张量中快拍方向的维度,得到降维后的观测张量;

转化模块:用于将降维后的观测张量的各正向切片分别转换为具有二重Hankel结构的切片,构造新张量;

构造模块:用于将构造的新张量划分为多个子张量,通过对子张量进行多次串联构造高维的块Hankel张量;

数据重构模块:用于通过建立秩最小化问题实现高维的块Hankel张量中缺失数据的重构,并对恢复后的块Hankel张量进行逆变换操作得到完整的降维后的观测张量;

估计模块:用于将完整的降维后的观测张量的正向切片平铺形成完整的虚拟阵列输出矩阵,并采用RD-MUSIC算法进行目标DOA估计。