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: 2022111972463
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: 计算;推算;计数
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:

1.一种基于因子矩阵先验的阵元失效MIMO雷达角度估计方法,其特征在于,包括以下步骤:(1)对存在阵元失效的双基地MIMO雷达接收信号进行匹配滤波,得到虚拟阵列的输出信号并计算获得虚拟阵列协方差矩阵R;

(2)利用虚拟阵列协方差矩阵构造四阶协方差张量将协方差张量表示成张量CANDECOMP/PARAFAC分解模型;具体为:(2.1)双基地MIMO雷达虚拟阵列协方差矩阵能够重新排列成一个四阶协方差张量其中,(·)*表示共轭;表示Tucker运算;

(2.2)重新调整因子矩阵使得g中的元素都为1,此时将g消除得到协方差张量的简化表达式(2.3)由于CP分解的置换和缩放效应的扰动,协方差张量的因子矩阵表示为和其中和表示四个因子矩阵;表示置换矩阵;Λ1、Λ2、Λ3和Λ4为P×P的实值对角矩阵,对角元素对应着缩放系数;N1、N2、N3和N4表示拟合误差;

(2.4)由于MIMO雷达的发射和接收导向矩阵At、Ar均为范德蒙德结构,而因子矩阵和的每一个列向量是用不同的常数对At和Ar的对应列向量分别缩放得到的,因此当忽略拟合误差项影响时,矩阵和也具有范德蒙德结构,即因子矩阵U(n),n=1,…,4,具有范德蒙德结构;

(2.5)忽略拟合误差项的影响,得到因子矩阵之间的关系为和其中对角矩阵对角矩阵(3)利用因子矩阵的范德蒙德结构特点、因子矩阵之间的相互关系以及张量的低CP秩,建立具有因子矩阵先验约束的张量填充模型;具体为:为有效恢复出失效阵元的缺失数据,利用因子矩阵的范德蒙德结构特点、因子矩阵之间的相互关系以及张量的低CP秩,建立用于失效阵元缺失数据恢复的张量填充模型:其中,M(n),n=1,2,3,4,表示辅助矩阵,Ω表示不完整协方差张量中已知非零元素的集合;表示投影到集合Ω的投影算子;||·||*表示核范数;||·||F表示Frobenius范数;λ表示正则化参数;表示块Hankel矩阵操作,定义为将矩阵变换到块Hankel矩阵的操作,其中,up表示U的第p列,p=1,2,…,P;S1+S2=S+1;表示Hankel操作,定义为将向量变换为Hankel矩阵的操作,其中,S1+S2=S+1;

(4)为求解具有约束的张量填充模型,将步骤(3)中的张量填充模型转换无约束的增广拉格朗日函数形式;

(5)利用ADMM算法迭代求解步骤(4)中的增广拉格朗日函数,迭代结束时获得因子矩阵U(1),U(2)和对角矩阵Δ(3),Δ(4);

(6)根据因子矩阵U(1),U(2)和对角矩阵Δ(3),Δ(4),利用Tucker运算构造出完整协方差张量再通过对称厄米特展开还原为完整的协方差矩阵R,最后采用ESPRIT算法进行目标角度估计。

2.根据权利要求1所述的一种基于因子矩阵先验的阵元失效MIMO雷达角度估计方法,其特征在于,所述步骤(1)具体为:(1.1)双基地MIMO雷达的发射阵列和接收阵列皆为均匀线性阵列,分别由M个发射阵元和N个接收阵元组成;对阵元失效下双基地MIMO雷达所采集到的回波信号进行匹配滤波,经过脉冲积累后,获得MN个虚拟阵元输出的回波信号矩阵为:其中,为在Q个快拍下虚拟阵列回波信号矩阵;和分别为存在失效阵元时的发射阵列和接收阵列流形矩阵;为高斯白噪声矩阵;S∈P×Q为目标系数矩阵,其中P为相互独立的远场目标;⊙表示Khatri-Rao积;

(1.2)ΩT和ΩR分别为失效发射阵元和失效接收阵元的位置集合,当发射阵列中第pt∈ΩT个阵元出现故障时,其流形矩阵中的第pt行全为零;当接收阵列中第pr∈ΩR个阵元出现故障时,流形矩阵中的第pr行全为零;虚拟阵列协方差矩阵在Q脉冲周期下的最大似然估计为:其中,(·)H表示共轭转置,Rs=SSH/Q=diag(ρ)表示信号协方差矩阵,diag(ρ)表示由向量ρ生成的对角矩阵,ρ=[ρ1,ρ2,…,ρP],ρp,p=1,2,…,P,表示第p个目标的反射系数,表示噪声协方差矩阵。

3.根据权利要求1所述的一种基于因子矩阵先验的阵元失效MIMO雷达角度估计方法,其特征在于,所述步骤(4)具体为:将步骤(3)中的优化模型表示成无约束的增广拉格朗日函数形式:

其中,为了简洁表示,定义={Δ(3),Δ(4)}、和β>0表示惩罚系数;D(n)表示拉格朗日乘子矩阵,n=1,2,3,4;<·>表示内积。

4.根据权利要求1所述的一种基于因子矩阵先验的阵元失效MIMO雷达角度估计方法,其特征在于,所述步骤(5)具体为:利用交替方向乘子算法迭代求解步骤(4)中的优化问题,其中第k次迭代更新变量和的步骤如下:(5.1)在第k次迭代中,通过求解优化问题来更新变量将子问题转化为关于求解U(1)和U(2)的凸优化问题:式中,(·)T表示转置;R(n)和分别为张量和的模式n展开;凸优化问题(3)的解满足:其中,

表示的逆变换;通过求解U(n)每一行的闭式解来获得U(n)的解;令和Wi=diag(Ω(n)(i,:)),i∈{1,2,…,In};当n=1时,I1=M;当n=2时,I2=N;则式(4)能够转化为:λU(n)(i,:)Pk(n)WiPk(n)H+βkU(n)(i,:)=C(i,:)(5)式中,U(n)(i,:)表示矩阵U(n)第i行;C(i,:)表示矩阵C中第i行,因此,行向量U(n)(i,:)的闭式解表示为:U(n)(i,:)=C(i,:)[λPk(n)WiPk(n)H+βkI]-1(6)然后,通过求解U(n)的每一行得到因子矩阵U(n)=[(U(n)(i,:))T L (U(n)(In,:))T]T,n=1,2;

(5.2)关于求解Δ={Δ(3),Δ(4)}的凸优化问题表示为:类似地,该凸优化问题的解满足:

式(8)能够进一步表示为:

式中,为求解第i个方程组所得到的对角矩阵,n=3,4,i=1,2,…,In且当n=3时,I3=M,当n=4时,I4=N;因此Δi(n)的闭式解能够表示为:其中,表示广义逆;为减小估计误差,对Δi(n)取平均作为Δ(n)的解:(5.3)关于变量的优化问题表示为:

利用SVT算法求解矩阵核范数最小化问题,上述优化问题的解为:

其中,为奇异值软阈值收缩算子,1/βk为阈值;

(5.4)变量的更新表达式为:

(5.5)更新β的表达式为βk+1=ρβk。

5.根据权利要求1所述的一种基于因子矩阵先验的阵元失效MIMO雷达角度估计方法,其特征在于,所述步骤(6)具体为:根据步骤(5)得到的因子矩阵U(1),U(2)和对角矩阵Δ(3),Δ(4),利用Tucker运算构造出完整协方差张量并将通过对称厄米特展开为协方差矩阵,最后再利用ESPRIT算法估计出目标角度。

6.一种计算机存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-5中任一项所述的基于因子矩阵先验的阵元失效MIMO雷达角度估计方法。

7.一种计算机设备,包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的基于因子矩阵先验的阵元失效MIMO雷达角度估计方法。