[发明专利]基于采样数据矩阵重构的MIMO雷达DOA估计方法

说明书

本发明涉及基于采样数据矩阵重构的MIMO雷达DOA估计方法，其将MIMO雷达的阵元失效分为冗余虚拟阵元失效和非冗余虚拟阵元失效。当冗余虚拟阵元失效时，对空间上相同位置的正常工作冗余虚拟阵元数据取均值来填充失效阵元的缺失数据，以降低阵元失效对目标DOA的估计的影响，算法处理复杂度低，实时性高。当非冗余虚拟阵元失效时，联合利用MIMO雷达虚拟阵列的采样数据矩阵的低秩和稀疏先验，不仅能挖掘矩阵行间或列间的相关性，而且还能充分利用行内或列内的相关性，对降维填充后的数据矩阵中整行缺失元素进行高精度重构，有效提高MIMO雷达在阵元失效时的DOA估计精度。

技术领域

本发明属于MIMO雷达DOA估计领域，具体涉及一种基于采样数据矩阵重构的MIMO雷达DOA估计方法。

背景技术

多输入多输出(Multiple-Input Multiple-Output，MIMO)技术给雷达系统性能带来了全新的突破。与传统雷达相比，MIMO雷达在目标分辨与参数估计、低截获以及杂波抑制等方面有潜在的优势。波达方向角(Direction of Arrival，DOA)估计是MIMO雷达目标参数估计中的重要组成部分，主要有子空间类和稀疏表征类等DOA估计方法。在实际应用中，由于元器件长时间使用老化和恶劣环境的影响，会导致天线阵元物理性损坏。由于失效阵元无法正常发射和接收信号，因此MIMO雷达经匹配滤波处理后所形成虚拟阵列中存在大量失效虚拟阵元，则其输出数据矩阵中存在大量整行缺失元素，破坏了阵列数据的完整结构，导致现有DOA估计方法精度下降甚至完全失效。

近年来，矩阵填充(Matrix Completion，MC)理论被广泛应用于阵元失效下的DOA估计中。当数据矩阵具有低秩性且满足强不相干性(Strong Incoherence Property，SIP)条件时，MC理论可以利用矩阵中已知均匀分布的少量元素重构出原始完整矩阵。阵列中的失效阵元会导致阵列接收数据矩阵中某些行采样数据全部缺失，而传统MC理论要求采样矩阵中每行每列均有非零元素，故传统MC方法不能直接应用于阵元失效时的阵列缺失数据重构问题。