[发明专利]一种低信噪比情况下压缩感知雷达多目标参数估计方法

权利要求书

1.一种低信噪比情况下的压缩感知雷达多目标参数估计方法，其特征在于，包括以下步骤：

步骤1，建立压缩感知雷达回波脉冲串的联合稀疏表示模型，在稀疏字典Ψ下，第i个脉冲的接收信号r_i具有如下的稀疏表示模型r_i＝Ψθ_i，其中θ_i为第i个脉冲对应的稀疏向量；

步骤2，对所探测目标速度区间划分为U个子区间V₁,V₂,…V_U，根据各速度区间构造脉冲压缩积累观测矩阵，在压缩接收数据量的同时，实现对应该速度区间的回波脉冲积累；

步骤3，利用不同区间对应的脉冲压缩观测矩阵对回波脉冲信号群进行观测，得到不同速度区间对应的压缩观测数据；

步骤4，对该速度区间对应的脉冲积累观测后数据进行联合稀疏重构，得到该速度区间对应的重构稀疏向量；

步骤4中的对各速度区间对应脉冲积累观测后数据进行联合稀疏重构，包括以下步骤：

步骤4.1：将感知矩阵Γ分为J＝L×M个子矩阵，其中L，M分别为目标信息空间所包含的距离单元数与多普勒单元数，定义如下的识别函数来推导各子矩阵的构造方法，

其中Γ_i为感知矩阵Γ的第i列，为第B个子矩阵G的第A列，A、B与i之间存在如下的对应关系

A＝floor(i/J)+1

B＝mod(i/J)-floor((A-1)/h)

步骤4.2：初始化残差θ＝0，Ξ₀＝0；

步骤4.3：计算

步骤4.4：更新Λ＝Λ∪λ，Ξ_t＝[Ξ_t-1,G^(j)]；

步骤4.5：利用最小二乘法计算

步骤4.6：更新残差t＝t+1；

步骤4.7：判断，如果循环次数满足t≥K，则终止循环；否则跳转至步骤4.2继续循环；

步骤5，将各速度区间对应的重构稀疏向量进行整合处理；最终得到目标参数的估计；

步骤5中对各速度区间对应稀疏向量进行整合处理，包括以下步骤：

步骤5.1：令速度区间V_i所对应的优化重构稀疏向量为θ_i，将θ_i中对应速度区间V_i以外的非零元素置零，保留对应速度区间V_i内的非零元素，得到筛选处理后该速度区间对应的重构稀疏向量

对速度区间V_i所对应的优化重构稀疏向量θ_i进行筛选，具体规则如下：

其中，为速度区间V_i所对应的稀疏向量索引范围，Index(θ_i(j))为当前元素θ_i(j)的索引值；

步骤5.2：将各速度区间对应的优化重构稀疏向量叠加整合，得到全速度扫描范围内的优化重构稀疏向量

2.根据权利要求1所述的低信噪比情况下的压缩感知雷达多目标参数估计方法，其特征在于，步骤2中预设目标速度区间与脉冲分组的对应关系，具体包括：

步骤2.1，计算压缩感知雷达的速度容限，即目标在P个脉冲持续的时间内停留在同一个距离单元中的最大速度其中T_r表示压缩感知雷达系统的脉冲持续时间，d_m表示距离分辨单元的大小，floor()为向下取整函数；

步骤2.2，计算速度估计值对应的脉冲分组内的脉冲数h，

3.根据权利要求1所述的低信噪比情况下的压缩感知雷达多目标参数估计方法，其特征在于，步骤2中根据目标所在速度区间，以该区间的平均速度设置相位补偿因子具体为：利用相位补偿因子构成脉冲积累观测矩阵的基向量其中为目标所在速度区间的平均速度对应的多普勒频移量。