[发明专利]基于非凸优化的MIMO雷达动目标检测方法

说明书

技术领域

本发明涉及一种雷达动目标检测方法，特别涉及一种基于非凸优化的MIMO雷达动目标检测方法。

背景技术

近年来，随着雷达研究的逐步深入，雷达领域中引入了一种新的雷达系统——多输入多输出（MIMO，Multiple-Input Multiple-Output）雷达。MIMO雷达是采用多个发射天线发送特定波形信号，并采用多个接收天线对回波进行某种联合处理的雷达系统。其基本思想是通过波形分集技术分别获取空间分集和虚拟孔径以提高雷达探测的性能。该雷达系统一经提出便引起了广泛的关注，大量的学者在MIMO雷达的目标检测、参数估计、波形估计以及目标识别等领域开展了深入的研究，研究结果表明由于MIMO雷达结合波形分集技术、信息融合以及阵列信号处理等技术，在抗信号截获、目标检测、参数估计、机动目标跟踪以及目标识别与分类等领域都表现出明显的性能优势。

以往常规的MIMO雷达动目标检测方法，尤其是在高强度杂波和噪声存在的情况下，往往需要大量的数据快照，然而由于观测场景稳定性的严格限制，实际情况中很难获得同一观测场景下得到大量数据快照。考虑到观测场景中动目标大多稀疏出现，即目标个数远小于观测场景中观测单元个数，从稀疏信号重建理论应用的必要条件出发，稀疏信号重建理论可以应用于MIMO雷达动目标检测。利用信号的稀疏特性，从欠采样的随机样本中恢复稀疏信号，即在保证测量样本满足约束条件的情况下，寻找最稀疏的向量。简单常见的稀疏度是指一个向量中非零元素的个数，因此，最稀疏解对应着满足线性测量方程的所有解中，非零元素个数最小的那个向量解。自然地，基于l₀范数最小化约束的优化模型正好满足对应的要求。但是，l₀范数最小化约束的优化问题是一个非确定性多项式困难（NP-hard）问题，从l₀范数最小化约束的优化模型中求解稀疏解是相当困难的。因此，l₀范数最小化约束的优化问题很少在现实中使用。

在MIMO雷达动目标检测中，采用高效的稀疏信号重建算法对信号进行高概率的恢复，可以在相对较少的回波数据需求下，大大提高其目标估计精确度，降低其计算复杂度。现有的稀疏信号重建算法大致可分为两类：一类是凸优化算法，这类算法主要是基于l₁范数最小化约束的算法，如基追踪算法（Basis Pursuit algorithm,BP）与梯度投影法（Gradient Projection,GP）；另一类是贪婪算法，这类算法包括匹配追踪算法（Matching Persuit）、正交匹配追踪算法（Orthogonal Matching Persuit），压缩采样匹配追踪（CoSaMP）等。凸优化算法较贪婪算法有更高的估计精度，而贪婪算法有更低的计算复杂度。

用凸优化问题来替代l₀范数最小化约束的优化问题是一种解决稀疏信号重建问题的途径，但是在实际应用过程中也存在一些问题：

（1）只有在很严格的条件下才有l₁范数最小化约束的优化问题与l₀范数最小化约束的优化问题求解结果的等价性；

（2）l₁范数最小化约束的优化问题仍不能保证获得满意的稀疏解，它往往与真实的稀疏解（l₀范数最小化约束的优化问题的解）的差距甚大。

因此，利用凸优化算法往往仍无法获得较为准确的动目标检测结果，检测结果往往仍具有较高的旁瓣水平和较低的分辨率。

发明内容

本发明所要解决的技术问题是提供一种基于非凸优化的MIMO雷达动目标检测方法，以实现收发天线阵列均为均匀线阵的相干MIMO雷达对动目标的检测，进一步提高MIMO雷达动目标检测的分辨率，获取更加精确的动目标距离-角度-多普勒成像。

本发明为解决上述技术问题采用以下技术方案：

一种基于非凸优化的MIMO雷达动目标检测方法，所述MIMO雷达是一个收发天线阵列均为均匀线性阵的窄带相干MIMO雷达系统，且收发阵列中第一个天线位置相同，检测方法包括如下步骤：

步骤1，根据雷达参数对观测区域进行距离-角度-多普勒网格划分，将远场雷达观测场景划分成N_r个距离分辨单元，N_a个角度分辨单元，N_d个关心的多普勒频移分辨单元，用度数来描述目标多普勒频移；