1.一种基于单基地面阵的FDA-MIMO雷达无网格目标参数估计方法,其特征在于,包括以下步骤:步骤S1、单基地面阵FDA-MIMO雷达系统是由发射端和接收端构成,发射端和接收端分别构建阵元数为、的均匀平面阵列,其中,;
步骤S2、根据步骤S1中的单基地面阵FDA-MIMO雷达系统建立该系统下的接收信号模型,并对其矢量化,在矢量化后的接收信号模型中引入选择矩阵,构建出角度-距离去耦合的接收信号模型;
步骤S3、根据步骤S2中的角度-距离去耦合的接收信号模型计算其协方差矩阵;
步骤S4、根据步骤S3中的协方差矩阵按照协方差匹配准则,建立适用于接收信号模型的低秩矩阵重构优化问题;
步骤S5、利用协方差矩阵的性质通过交替投影的方法求解步骤S4中建立的优化问题;
步骤S6、根据步骤S5对优化问题的求解得到协方差矩阵,通过多重信号分类方法由协方差矩阵得到角度和的信息,并得到距离的信息,其中,和分别为目标相对于参考阵元的方向与轴和轴的夹角,为目标到天线的距离;
步骤S2中,角度-距离去耦合的接收信号模型为:
;
其中,为接收阵列接收到个快拍时的接收信号,,为接收阵列接收到个快拍时的接收信号,,其接收信号的维度是;为选择矩阵,其维度是,选择矩阵的结构满足,;
其中,上标T 为转置运算符,将按行分为份,表示的第份,将按行分为份,表示的第份,将按行分为份,表示的第份,的第行索引值为的位置为1,其余全为零,,;和为目标相对于参考阵元的方向与轴和轴的夹角,为目标到天线的距离,表示Khatri-Rao积,是由向量组成的矩阵,,和分别为包含了和全部元素的向量,表示克罗内克积,和分別为接收端对应的第个目标相对于参考阵元的方向与轴和轴的夹角和的导向矢量,和分別为发射端对应的和的导向矢量;为个目标的发射导向矢量的距离部分组成的矩阵;接收信号的复反射系数集合:,其维度为,为第个快拍的复反射系数,为独立的零均值的复高斯噪声,,其维度是,为第个快拍的噪声。
2.如权利要求1所述的一种基于单基地面阵的FDA-MIMO雷达无网格目标参数估计方法,其特征在于,单基地面阵FDA-MIMO雷达系统为:单基地面阵FDA-MIMO雷达系统的发射端是均匀平面阵列构成的阵元数为的发射阵列,单基地面阵FDA-MIMO雷达系统的接收端是均匀平面阵列构成的阵元数为的接收阵列;其中发射阵列的阵元间距为,接收阵列的阵元间距为,假设,其中为半波长。
3.如权利要求1所述的一种基于单基地面阵的FDA-MIMO雷达无网格目标参数估计方法,其特征在于,步骤S3中,根据角度-距离去耦合的接收信号模型计算其协方差矩阵,具体为,,其中,为角度-距离去耦合的接收信号模型,为协方差矩阵,为选择矩阵,无噪协方差矩阵是维度为的三维的托普利兹矩阵,为噪声功率,为单位矩阵,上标H为共轭转置符,为协方差运算符。
4.如权利要求1-3任一项所述的一种基于单基地面阵的FDA-MIMO雷达无网格目标参数估计方法,其特征在于,步骤S4中,根据步骤S3中的协方差矩阵按照协方差匹配准则,建立适用于角度-距离去耦合的接收信号模型的低秩矩阵重构优化问题,具体如下:;
其中,为接收信号的采样协方差矩阵,为自定义阈值,为秩运算符,为无噪协方差矩阵,为Frobenius范数, 为包含所有信息的向量。
5.如权利要求4所述的一种基于单基地面阵的FDA-MIMO雷达无网格目标参数估计方法,其特征在于,步骤S5中,利用协方差矩阵的性质通过交替投影的方法求解步骤S4中建立的优化问题,具体为,S51、步骤S4中的优化问题等价表示为:
;
其中,,,表示优化问题的约束中包含无噪协方差矩阵的部分,表示优化问题的约束中的其他部分,其中,为噪声功率,为选择矩阵,无噪协方差矩阵有以下四个性质:低秩、托普利兹、半正定和;
S52、步骤S51的优化问题等价为:
;
其中,矩阵、分别属于、;为一个秩不大于的复值矩阵集合,;为一个复值矩阵集合,其满足三个条件:、托普利兹和半正定,表示为;
S53、构建如下更新准则,
;
其中,、表示的第、次迭代结果,和为步长,表示目标个数,、分别为向集合、集合的投影,其迭代停止条件为,是自定义参数,为的第次迭代结果,为的第次迭代结果,为的第次迭代结果,为的第次迭代结果;
S54、按照步骤S53中建立的更新规则来求解步骤S52中的优化问题,直至其收敛或者达到最大迭代次数,得到无噪协方差矩阵。
6.如权利要求5所述的一种基于单基地面阵的FDA-MIMO雷达无网格目标参数估计方法,其特征在于,步骤S53中,为向集合的投影,具体为,令,对于矩阵D,其在集合上的投影表示为,
;
其中,是一个对角矩阵,其对角元素是矩阵D中最大的个奇异值,和分别是对应的左奇异矩阵和右奇异矩阵。
7.如权利要求5所述的一种基于单基地面阵的FDA-MIMO雷达无网格目标参数估计方法,其特征在于,步骤S53中,为向集合的投影,具体为,令,对于矩阵,其在集合上的投影投影表示为三种按顺序的投影组合:、和,、和分别表示矩阵在集合上的按顺序的第一种、第二种、第三种的投影,即;
投影是将矩阵投影到约束上,即圆心为、半径为自定义阈值的球的内部或表面,其中,,则获得矩阵:,其中,为选择矩阵,为接收信号的采样协方差矩阵,为矩阵在约束上的投影:;
投影是将矩阵投影到三维托普利兹矩阵的集合上,获得矩阵;
投影是将矩阵投影到一个半正定矩阵集合中,将矩阵进行特征值分解,则投影表示为:,其中,为将矩阵的所有负特征值都置零的特征值集合,为矩阵的特征值对应的特征向量。
8.如权利要求7所述的一种基于单基地面阵的FDA-MIMO雷达无网格目标参数估计方法,其特征在于,投影是将矩阵投影到三维托普利兹矩阵的集合上,具体为,S531、假设,表示维度为,Y为的第一维矩阵的维度,将矩阵分成如下子阵,;
其中,为第行列的子阵,为的第行列的子阵,其维度为,,;
S532、令
;
其中,表示集合中元素的均值,为矩阵的第条对角线上维度为的块矩阵的均值,定义主对角线为第零条对角线,上三角的对角线编号依次增加,下三角的对角线编号依次减小,的维度为,的维度为,其表示矩阵中第行第列的块矩阵,为的第条对角线上维度为的块矩阵的均值,表示矩阵中第行第列的元素,表示矩阵的第条对角线上元素的均值,包含第一维矩阵信息的向量由组成,,则向量表示为,;
由组成的维度为的包含第二维矩阵信息的向量表示为,
;
其中,为包含第一维矩阵信息的向量,;
S533、令由向量组成的列向量:,为包含第二维矩阵信息的向量,,由步骤S3中无噪协方差矩阵的结构,建立三维托普利兹矩阵,其维度为,该三维托普利兹矩阵即为投影。