Professional Documents
Culture Documents
I
数值结果说明了最大似然估计随收发天线数乘积的增加而渐近趋于目标参数真实
值。另外,本文采用两种不同的方法导出非相干 MIMO 雷达的模糊函数,并以实
例加以说明。
(4) 相干(coherent)和非相干处理
相干和非相干处理的关键区别之一在于是否要求雷达系统的所有发射机和接
收机相位同步。本文研究了 MIMO 雷达利用相干和非相干处理对目标位置和速度
进行联合估计的问题,比较了二者的联合估计性能。通过理论和数值分析,指出
在相干处理的性能优于非相干处理的情况下,当发射天线和接收天线数的乘积足
够大时,用非相干处理代替相干处理不会造成太大的性能损失。这为实际实现提
供了指导,如果要求的天线数在可以承受的范围内,那么从易于实现的角度来讲
更建议采用非相干处理。
关键词:比幅测角,相干和非相干处理,MIMO 雷达,动目标检测,参数估计。
II
ABSTRACT
III
presented. Considering that the antenna placement has significant effects on the MIMO
radar estimation performance, we demonstrate the conditions that need to be met to
provide the optimal antenna placement.
(3) Joint estimation using noncoherent MIMO radar
When the MIMO radar is employed to jointly estimate the target position and
velocity, it is shown that the maximum likelihood (ML) estimator is noncoherent. The
Cramer-Rao bound is derived, the mean square error of the ML estimate is analyzed,
and a threshold phenomenon is observed. Theoretical analysis and numerical results
both show that the ML estimate approaches the actual parameter value as the product of
the number of transmit and receive antennas increases. Two approaches are used to
derive the noncoherent MIMO radar ambiguity function. A few illustrative examples are
also provided.
(4) Coherent and noncoherent processing
One of the main differences between coherent and noncoherent processing is
whether phase synchronization is required for all the radar transmitters and receivers.
Joint position and velocity estimation is studied for both coherent and noncoherent
processing, and the resulting estimation performances are compared. It is shown that in
the cases where the coherent processing outperforms the noncoherent approach, the
coherent processing can be replaced by the noncoherent one with little loss of
performance, provided that the product of the number of transmit and receive antennas
is large enough. This is useful for practical purpose, which suggests that if the required
amount of antennas is affordable, then the noncoherent processing is preferred since it is
much easier to realize.
IV
目 录
第一章 绪 论 ........................................................1
1.4 本文的主要内容及章节安排......................................... 5
2.1 信号模型......................................................... 7
2.2 联合波束形成方向图分析.......................................... 10
3.1 信号模型........................................................ 20
V
3.2.3 相控阵雷达动目标检测器 ..................................... 25
3.2.4 自适应 MIMO 雷达动目标检测器 .............................. 26
3.3 仿真分析........................................................ 26
4.1 信号模型........................................................ 35
4.2 克拉美-罗界及最大似然估计....................................... 37
5.1 信号模型........................................................ 58
5.2 最大似然估计.................................................... 60
VI
5.2.2 渐近特性 ................................................... 61
5.3 位置速度联合估计的克拉美-罗界................................... 64
5.4 均方误差分析.................................................... 67
6.1 信号模型........................................................ 90
6.3 相干处理和非相干处理的克拉美-罗界............................... 94
VII
6.5.1 非正交信号的情况 .......................................... 104
6.5.2 空间色噪声的情况 .......................................... 105
6.6 小结........................................................... 107
全文总结与展望.....................................................108
附 录.............................................................110
参考文献...........................................................139
攻读博士期间取得的研究成果.........................................147
VIII
主要符号说明
本文以黑体字符表示矩阵或向量
[ ⋅ ]H 复共轭转置(埃米特转置)运算
[ ⋅ ]† 转置运算
[ ⋅ ]* 复共轭运算
⊗ Kronecker 积
Khatri-Rao 积(列向 Kronecker 积)
Hadamard 积
ℜ{ ⋅ } 求实部运算
ℑ{ ⋅ } 求虚部运算
∇θ { ⋅ } 关于向量 θ 求梯度运算
IX
第一章 绪 论
1 绪 论
s (t )
h(t ) r (t )
信道 / 目标
噪声 n(t )
图 1-1 通信或雷达系统的简单框图.
1
[4]
图 1-2 目标 RCS 随观测角度的变化 .
2
1.2 MIMO 雷达的分类
3
用全向天线发射窄带正交信号,具有低截获概率的优点,并可通过综合脉冲形成
达到宽带信号的性能,是 MIMO 雷达的雏形[6]。
林肯实验室的 Bliss 和 Forsythe 在第 37 届 Asilomar 会议上提出的 MIMO 雷达
与 SIAR 的思想较为类似。该 MIMO 雷达发射/接收阵列中的天线以较小的间距集
中放置,在接收端的匹配滤波器组之后,基本采用与传统雷达相似的信号处理方
法,其最大的特点在于利用了发射信号的正交性,可以在接收端完成等效的发射
波束形成。该 MIMO 雷达的阵列结构与传统相控阵雷达接近,具有较强的可实现
性,发射波形的设计是其关键问题之一,可归为共置天线 MIMO 雷达。国外研究
共置天线 MIMO 雷达的机构主要有美国的林肯实验室、佛罗里达(Florida)大学、
加州理工(Caltech)大学、杜克(Duke)大学、卡耐基梅陇(Carnegie Mellon)
大学、英国的伦敦大学学院(UCL)以及以色列的班古林(Ben-Gurion)大学等。与
共置天线 MIMO 雷达有关的文献有[7-14]等等。
在 2004 年的 IEEE 雷达会议上,新泽西理工(NJIT)的 Fishler、Haimovich
及里海(Lehigh)大学的 Blum 等首次提出了统计 MIMO 雷达的概念。该雷达的天
线分布在空间不同位置,充分利用目标的 RCS 散射特性获得空间分集增益,提高
了雷达在较高信噪比环境中的目标检测能力,并具有高精度的目标定位能力,可
归为分置天线 MIMO 雷达。这种 MIMO 雷达的思想与通信 MIMO 更接近,在一
定程度上讲突破了传统雷达的概念。国外研究分置天线 MIMO 雷达的主要有美国
的里海大学、新泽西理工大学、普林斯顿(Princeton)大学、卓克斯(Draxel)大
学、特拉华(Delaware)大学、拉法耶特(Lafayette)学院、雪城(Syracuse)大
学以及芬兰的赫尔辛基理工(Helsinki-tech)大学等。与分置天线 MIMO 雷达有关
的文献有[2],[3],[15-19]等等。
国内方面,最早研究 MIMO 雷达的是电子科技大学,其他的研究机构还包括
清华大学、西安电子科技大学、南京理工大学、国防科技大学、北京理工大学、
空军雷达学院、海军航空工程学院、中电 38 所等等。
近年来,随着国内外学者对 MIMO 雷达关注度的提高,涌现了许多相关的文
献。在 IEEE 信号处理期刊中收录了两篇对现阶段的研究进行文献综述的论文,分
别对是关于分置天线[1]和共置天线[20]的。
一些文献特别对 MIMO 雷达的信号检测性能进行了研究。例如在文献[3]中,
作者阐述了目标检测方面 MIMO 雷达相对传统相控阵雷达的优势,对目标在空间
的 RCS 起伏及其影响进行了深入研究,并指出 MIMO 雷达的关键优势之一是由空
间分集所带来的增益。文献[18]研究了 MIMO 雷达对均匀杂波中运动目标的检测性
4
能,正交信号和大间距分置天线的使用,使得雷达可以同时从明显不同的角度独
立地探测目标,从而降低了所有天线上观测到的多普勒频移都很低的概率,文章
从分集增益和几何增益的角度讨论了 MIMO 雷达比之传统相控阵雷达的优势。
研究 MIMO 雷达参数估计性能的文献也不少。文献[21]提出了稀布阵雷达中关
于距离和相位估计的克拉美-罗界。在[15]中,作者分析了使用 MIMO 雷达进行波达
角估计的优势,并引入平均克拉美-罗界(average CRB)和中断克拉美-罗界(outage
CRB)来对估计的性能进行评估。在[22]中,作者研究了目标定位的精度问题,对
克拉美-罗界、最优线性无偏估计量和几何精度因子(GDOP)进行了分析。文献[23]
给出了 MIMO 雷达速度估计的克拉美-罗界,并且在此基础上讨论了天线的最优放
置方式。在[10]中,作者基于克拉美-罗界矩阵,对 MIMO 雷达中的距离压缩和最优
化波形的问题进行了分析。在[24]中,作者考虑了使用 MIMO 雷达对复高斯扩展目
标的位置和速度进行联合估计的问题,推导了联合估计的克拉美-罗界,并研究了
最大似然估计的均方误差和天线数之间的关系。
MIMO雷达系统的优化设计问题也是研究的热点,其中讨论波形优化的文献占
大多数。比如在[25]中,作者采用最大化条件互信息量和最小化均方误差进行波形
设计,并指出在总发射功率一定的情况下,使用这两种准则所得到的解相同。文
献[26]考虑了目标功率谱未知的情况,在这种情况下,上述两种准则得到的波形不
同。文献[27]和[28]采用了不同的设计方法,它们基于克拉美-罗界来设计适用于目标
参数估计的最优化波形。模糊函数作为雷达分析的重要工具而被广泛应用,可以
通过模糊函数来分析雷达对运动目标的位置估计能力与速度估计能力之间的内在
关系。基于此考虑,在[29]中作者采用了模糊函数来设计所需要的波形。在[24]中,
作者研究了非相干MIMO雷达的模糊函数。文献[29]和[30]对相干MIMO雷达的模糊函
数进行了推导。
目前国际上对 MIMO 雷达的研究热度有增无减。在如 ICASSP、Asilomar、雷
达会议等等著名的大型国际会议中,都设有 MIMO 雷达的专场讨论会。由于 MIMO
雷达的概念很新,且为通信理论在雷达领域的应用提供了平台,越来越多通信界
和雷达界的专家先后展开了这方面的研究工作。MIMO 雷达在多种应用中都展现
了巨大的潜力,有待于学者们对其进行更加深入的研究。
1.4 本文的主要内容及章节安排
5
幅测角。2.1 节给出信号模型。2.2 节分析联合波束形成的方向图,给出半功率波
束宽度以及旁瓣电平的计算公式。2.3 节讨论如何合理的形成同时多波束,以及如
何在 MIMO 雷达中利用同时多波束完成比幅测角。
第三章研究均匀杂波中的运动目标检测问题。3.1 节给出 MIMO 雷达、相控阵
雷达的信号模型、以及所考虑的杂波模型。3.2 节推导了集中式和分布式 MIMO 雷
达动目标检测器、相控阵雷达动目标检测器、以及一种具有恒虚警率能力的自适
应 MIMO 雷达动目标检测器。3.3 节的仿真分析对各种雷达系统的接收机工作特性
进行了比较,特别分析了集中式和分布式 MIMO 雷达的性能差异,讨论了发射阵
元分置的问题,并验证了 3.2 节给出的自适应 MIMO 雷达动目标检测器的恒虚警
率特性。
第四章研究分置天线 MIMO 雷达的速度估计及天线布置的问题。4.1 节给出适
用于速度估计的信号模型。4.2 节推导了速度估计的克拉美-罗界,给出了最大似然
估计的表达式,并讨论了基于克拉美-罗界的系统优化问题。本章从 4.3 节起,考
虑目标为各向同性散射的特例。4.3 推导了这种简化情况下的克拉美-罗界和最大似
然估计。4.4 节给出了天线优化布置的策略,讨论了奇异费歇尔信息矩阵的问题。
4.5 节给出了关于最大似然估计的均方误差以及克拉美-罗界的仿真结果与分析。
第五章讨论非相干 MIMO 雷达对目标位置及速度的联合估计问题。5.1 节给出
信号模型。5.2 节推导最大似然估计,给出其简化模型并对最大似然估计的渐近特
性进行分析。5.3 节推导了位置速度联合估计的克拉美罗-界。5.4 节对采用单脉冲
和多脉冲时的最大似然估计的均方误差分别进行了分析。5.5 节通过两种方法推导
了非相干 MIMO 雷达的模糊函数,并给出了简化后的模糊函数的图例。5.6 将本章
结果推广到更一般的情况进行分析。
第六章讨论相干与非相干 MIMO 雷达。6.1 节给出了相干和非相干 MIMO 雷
达的信号模型。6.2 节对相干和非相干处理时最大似然估计的均方误差进行了比较。
6.3 给出了相干和非相干处理情况下的克拉美-罗界。6.4 节通过仿真实验比较两种
处理方式下的性能差异。6.5 节进一步将前文结果扩展到非正交信号和空间色噪声
的情形中。
最后是对全文的总结,并给出了对后续工作的一点想法。
6
第二章 共置天线 MIMO 雷达同时多波束比幅测角
2 共置天线 MIMO 雷达同时多波束比幅测角
2.1 信号模型
7
图 2-1 MIMO 雷达系统示意图.
其中 TP 为发射信号的脉冲宽度。定义发射信号矢量
s(t ) = [ s1 (t ) s2 (t ) sM (t )]† , (2-2)
其中上标 † 表示转置。正交的发射信号不会在空间某方向上被相互叠加或者抑制,
而是各自对全方位进行覆盖。在窄带假设下,位于 θ 方向的目标接收到的信号为
p(t ) = a†t (θ )s(t − τ t ) , (2-3)
其中 τ t 表示信号从发射参考阵元传播到目标处的时延,
at (θ ) = [1 e− jΔφt e− j ( M −1) Δφt ]† , (2-4)
其中 τ r 表示信号从目标传播到接收参考阵元的时延,系数 α 反映了传播衰减和目
标散射等对回波的影响, v(t ) 是噪声向量,
a r (θ ) = [1 e − jΔφr e− j ( N −1) Δφr ]† , (2-6)
8
图 2-2 匹配滤波及联合波束形成.
波器匹配于某一发射信号。利用发射信号的正交性,匹配滤波器的输出是仅由单
个发射信号引起的回波。由于接收端有 N 个接收天线,每一天线对应 M 个匹配滤
波器,故总共有 MN 个匹配滤波的输出
y =α ca r (θ ) ⊗ at (θ ) + u , (2-7)
其中 Δϕr = 2π d r sin θb / λ 。
实际上,通过构造联合导向矢量
b(θb ) b r (θb ) ⊗ bt (θb ) (2-10)
可将上述两步合二为一。这种采用联合导向矢量对所有匹配滤波器的输出信号进
9
。图 2-2 所示的系统中共有 B 个
行相位补偿并求和的过程被称为“联合波束形成”
这样的联合波束形成器。波束形成器 b( b = 1, 2, ..., B )的输出为
zb = b H (θb )y , (2-11)
2.2 联合波束形成方向图分析
根据 2.1 节的分析,可推得联合波束的方向图表达式为
N
⎡M ⎤
F (θ ) = ∑ ⎢ ∑ e j ( m −1)( Δφt −Δϕt ) ⎥e j ( n −1)( Δφr −Δϕr ) , (2-12)
n =1 ⎣ m =1 ⎦
进一步对 F (θ ) 求模,并根据欧拉公式可得联合波束的幅度方向图
⎡ Nπ ⎤ ⎡ Mπ ⎤
sin ⎢ d r (sin θ − sin θb ) ⎥ sin ⎢ dt (sin θ − sin θb ) ⎥
A(θ ) = ⎣ λ ⎦× ⎣ λ ⎦。 (2-14)
⎡π ⎤ ⎡π ⎤
sin ⎢ d r (sin θ − sin θb ) ⎥ sin ⎢ dt (sin θ − sin θb ) ⎥
⎣λ ⎦ ⎣λ ⎦
10
2
⎛ ⎡ Nπ ⎤⎞
⎜ sin ⎢ λ d (sin θ − sin θ b ) ⎥ ⎟
A(θ ) = N 2 ⎜ ⎣ ⎦⎟ 。 (2-16)
⎜ π
d (sin θ − sin θb ) ⎟⎟
N
⎜ λ
⎝ ⎠
2.2.1 半功率波束宽度
在联合波束的半功率点处有下式成立
2
⎛ ⎡ Nπ ⎤⎞
⎜ sin ⎢ λ d (sin θ − sin θ b ) ⎥ ⎟
⎜ ⎣ ⎦⎟ = 1 。 (2-17)
⎜ N π d (sin θ − sin θ ) ⎟ 2
⎜ λ b ⎟
⎝ ⎠
由此可得
Nπ
d (sin θ − sin θb ) = 1.002 。 (2-18)
λ
记半功率波束宽度为 θ3dB ,令 θ = θb + θ3dB / 2 ,则有
⎛ 1 ⎞ 1
sin θ = sin ⎜ θb + θ3dB ⎟ ≈ sin θb + θ 3dB cos θb , (2-19)
⎝ 2 ⎠ 2
2.2.2 旁瓣电平
旁瓣峰值的位置可近似由下式确定
Nπ 2l + 1
d (sin θ − sin θ b ) ≈ π , l = ±1, ±2,... , (2-21)
λ 2
那么第 l 旁瓣的峰值位于
⎡ (2l + 1)λ ⎤
θl ≈ sin −1 ⎢ + sin θb ⎥ 。 (2-22)
⎣ 2 Nd ⎦
11
图 2-3 MIMO 雷达和传统相控阵雷达的波束方向图.
12
图 2-4 加汉明窗后 MIMO 雷达和传统相控阵雷达的波束方向图.
在上述所讨论的各种情况中,MIMO 雷达的波束方向图都比传统相控阵性能更好。
2.3 同时多波束比幅测角
2.3.1 同时多波束形成
13
系统,可以在发射子阵内使用同一信号,而在不同发射子阵间使用相互正交的信
号。这种情况下发射信号的覆盖不是全方位的。每个子阵在方向 Θ 上形成较宽的
发射波束,宽波束照射的区域即为雷达可同时探测的区域。根据正交性,这些宽
波束不会相互影响而使该区域变得更宽或更窄。
假设被 MIMO 雷达发射信号所覆盖的区域在 θ min 和 θ max 方向之间(当全向覆盖
时有 θ min = −π / 2 ,θ max = π / 2 )
。为了同时对整个[ θ min , θ max ]区域进行探测,需要在
接收端形成同时多波束加以覆盖。在窄带情况下,设波长为 λ ,接收端有 N r 个阵
元,阵元间距 d r 。让第一个接收波束指向 θ 0 = Θ 。根据(2-20)式,该波束的半功率
宽度为 φ0 = 0.638λ /( N r d r cos θ 0 ) 。设其右边相邻波束的指向为 θ1R ,相应的半功率
波束宽度为 φ1R 。下面分析如何使这两个相邻的波束相交于半功率点处。注意到
θ1R = θ 0 + (φ0 + φ1R ) / 2 , φ1 = 0.638λ / ( N r d r cos θ1 ) ,于是 θ1R 的值可以通过解方程
(
φ1R = 0.638λ / N r d r cos ⎡⎣θ 0 + (φ0 + φ1R ) / 2 ⎤⎦ ) (2-24)
来求得。类似的,为使任意相邻波束相交于半功率点, θ 0 右边所有波束的指向可
通过迭代求解以下方程逐一确定
⎧ R 0.638λ
⎪φi = φiR−1 + φiR
⎪ N r d r cos(θi −1 +
R
)
⎨ 2 , i = 1, 2,…。 (2-25)
⎪ φ R
⎪θiR−1 + i −1 + φiR ≤ θ max
⎩ 2
同样的, θ 0 左边所有波束的指向可通过迭代求解以下方程逐一确定
⎧ L 0.638λ
⎪φ =
j
φ jL−1 + φ jL
⎪ N r d r cos(θ j −1 −
L
)
⎨ 2 , j = 1, 2,…。 (2-26)
⎪ φ L
⎪θ jL−1 − j −1 − φ jL ≥ θ min
⎩ 2
将同时多波束的所有指向用一个列向量表达为
θ = [… , θ jL−1 ,θ jL , … ,θ1L , θ 0 ,θ1R , … ,θ iR−1 ,θ iR , …]† 。 (2-27)
为表述方便,对该方向向量的下标重命名后记为
θ = [θ1 , θ 2 , , θ B ]† , (2-28)
14
图 2-6 同时多波束形成示意图.
点处相交的,一个波束的峰值点恰好是其他波束的谷点,所以称这些同时形成的
多个波束是正交的。
设 发 射 阵 各 单 元 的 间 距 为 dt , 则 对 应 于 虚 拟 发 射 波 束 的 相 位 差 矢 量 为
Δφt = 2π dt sin θ / λ , 对 应 于 接 收 波 束 的 相 位 差 矢 量 为 Δφ r = 2π d r sin θ / λ 。 令
qt = [0,1, , M − 1]† , q r = [0,1, , N − 1]† ,则有虚拟发射导向矩阵
bt = exp{− jqt Δφ†t } = [bt (1), , bt ( B )]
, b = [b(1),
其中 表示 Khatri-Rao 积(列向 Kronecker 积) , b( B)] 为 MN×B 的矩
阵, b(i ) = b r (i ) ⊗ bt (i ) , i = 1, ,B。
假设 MIMO 雷达有 N = 16 个全向同性的天线(收发共用)以半波长为间距均
匀直线排列。各天线发射相互正交的波形,因此发射信号全向覆盖,并有
θ min = −π / 2 , θ max = π / 2 。利用(2-25)和(2-26)式进行运算,总共需要同时形成 25
个联合波束以覆盖从 −π / 2 到 π / 2 的区域。同时多波束的方向图如图 2-7 所示,从
仿真结果可见这些波束正好在-3 dB 处相交。表 2-1 列出了本例中这 25 个联合波束
的具体指向。由于在本例中考虑了全向辐射, θ 0 = Θ = 0 ,因而所得的多波束位置
是关于 0 对称的。
15
图 2-7 同时多波束方向图.
表 2-1 同时多波束的波束指向
2.3.2 同时多波束比幅测角
16
(a) 交于半功率点的相邻两波束 (b) 对数比幅器
图 2-8 比幅测角示意图[34] .
对两个波束通道输出信号取对数并相减,比幅器的输出为
为简化运算,通常采用高斯函数来逼近归一化的方向图。令
⎧⎪ F1 (θ ) = e −α (θ −θ1 )
2
⎨ , (2-32)
−α (θ −θ 2 )2
⎪⎩ F2 (θ ) = e
其中 α 是未知参数。如前所述,两相邻波束的交点是半功率点,半功率波束宽度
为 θ3dB ,故
2
F1 (θ12 ) = F1 (θ1 + θ3dB / 2) = e −αθ3 dB /4 = 1/ 2 , (2-33)
由此可解出参数 α
α = 4 ln 2 / θ32dB 。 (2-34)
将 α 带入(2-31)可求得目标角度为
ΔA ⋅θ3dB
θtgt = + θ12 , (2-35)
8ln 2
17
表 2-2 真实目标角度和仿真结果
在仿真过程中,一旦有目标被雷达处理器检测到,就对发现目标的两个波束通道
进行比幅测角。仿真结果在表 2-2 中列出,第一栏是真实目标方向,第二栏是测量
得到的目标方向。 测量误差不超过 1 度。
在各种情况下, 可见基于前述准则的 MIMO
比幅测角法是非常有效的。
2.4 本章小结
MIMO 雷达可以通过发射正交波形使发射信号全方位覆盖,在接收端同时形
成多个联合波束则可实现在任意时刻对所有感兴趣空域进行探测。MIMO 雷达接
收端的同时多波束为比幅测角创造了有利条件。比幅测角简单易行,是工程中常
用的测角技术。本章研究了如何将比幅测角应用到 MIMO 雷达系统中。由于角度
测量的精度直接取决于波束方向图的半功率宽度,所以必须对 MIMO 雷达联合波
束的性能进行严格的分析。通过分析 MIMO 雷达联合波束形成的原理,本章推导
了 MIMO 雷达联合波束的方向图,给出了其半功率波束宽度及峰值旁瓣高度的计
算公式。对给定的 MIMO 雷达系统,可以利用这些公式直接求出半功率波束宽度,
并以此为基础进行同时多波束比幅测角。文中给出的仿真与理论结果完全吻合,
18
说明了推导正确性。本章还给出了一种确定 MIMO 雷达同时多波束数目及波束指
向的方法,并对如何通过比较相邻联合波束通道输出信号的幅度来测量目标角度
进行了讨论。
19
第三章 均匀杂波中的运动目标检测
3 均匀杂波中的运动目标检测
3.1 信号模型
假设一目标以绝对速度 | v | 朝 Ω 方向运动,在二维笛卡尔坐标系中目标沿 x 和
y 轴的速度分量分别为
vx =| v | cos Ω
。 (3-1)
v y =| v | sin Ω
20
图 3-1 MIMO 雷达系统示意图.
21
复高斯分布,具有相关矩阵
E {clk clkH } = C′ , (3-6)
且
E {clk clH' k ' } = 0 K × K , ∀k ≠ k ' or l ≠ l ' 。 (3-7)
不同收发路径的噪声之间相互独立,即
E {nlk nlH' k ' } = 0 K × K , ∀k ≠ k ' or l ≠ l ' 。 (3-9)
注意到上文给出的信号模型忽略了各收发路径中的传输损耗不同。也就是假
设所有发射、接收天线与检测单元之间的距离近似相等,仅观测角 θ kt 和 θlr 不同。
3.1.2 相控阵雷达信号模型
22
收天线间距。式(3-10)中的噪声和上文介绍的 MIMO 雷达系统的噪声具有相同的特
性。杂波特性将在下一小节说明。
3.1.3 杂波模型
这里采用与[35]类似的杂波模型。杂波不同于雷达目标,存在于很大的范围内。
假设杂波背景是空间均匀的,即各杂波散射单元的统计分布特性相同,由于各天
线接收到的杂波回波是大量杂波散射单元回波的总和,故杂波回波是渐近高斯的。
这种杂波模型适用于森林、草地等均匀表面的回波。另外,受风等因素的影响,
杂波的内部运动也需要考虑。综上所述,接收杂波回波服从复高斯分布,随时间
的起伏相对于观测时间长度(K 个脉冲期间)是慢变化的。
完整的杂波模型需要描述杂波的时间相关特性及空间相关特性。杂波的时间
相关矩阵 C′ 已在(3-6)中给出。后文中,为表述简洁,将热噪声和杂波回波一起记
为 xlk = clk + nlk ,其时间相关矩阵 C = E { xlk xlkH } = C′ + σ n2 I K × K 。
杂波的空间相关特性由(3-7)表述,不同收发路径的杂波回波是不相关的。这
种杂波回波空间不相关的假设对分置天线的雷达系统来讲是合理的,而对共置天
线的雷达系统则不然。然而,为了分析简便,对共置天线的传统相控阵雷达仍采
用该假设,这很可能高估了相控阵雷达可达到的性能。因此实际上 MIMO 雷达相
比相控阵雷达的优势可能比本章给出的结果更为显著。对于给定收发路径中的杂
波,假设其时间相关特性是已知的或者可以预先估计的。
3.2 运动目标检测
利用(3-2)和(3-10)定义的信号模型,基于广义似然比检测(generalized likelihood
ratio test, GLRT),本节推导几种不同模式的动目标检测器。假设在检测单元内要
么出现速度为 v = (vx , v y ) 的单个目标,要么没有目标。
MIMO 雷达通常采用集中处理的方式。所有的接收信号,即(3-2)所述 MN 个
收发路径的信号,全部被传送到一个中心处理器进行联合处理。这 MN 个接收信
号向量 rlk 构成一个新的向量 r = [r11† , †
, rNM ]† 。同时,MN 个目标反射系数 α lk 构成
新的向量 α = [α11 , , α NM ]† 。接收信号向量的联合条件概率密度函数可写为
23
M N
1 − ( r −α d ( v , v ) ) C−1 ( rlk −α lk dlk ( vx , v y ) )
H
f (r | α, vx , v y , H1 ) = ∏∏ e lk lk lk x y (3-11)
k =1 l =1 πK det{C}
及
M N
1
f (r | H 0 ) = ∏∏
H −1
e −rlk C rlk , (3-12)
k =1 l =1 πK det{C}
其中 C = C′ + σ n2 I K × K 。定义广义似然比检测[31]为
⎛ max f (r | α, vx , v y , H1 ) ⎞ >1
H
ξ = ln ⎜ x y
ˆ ⎟ γˆ 。
α ,v ,v
(3-13)
⎜ f (r | H 0 ) ⎟<
⎝ ⎠ H2
注意到对 f (r | α, vx , v y , H1 ) 关于 α 、 vx 、和 v y 求最大值,等效于求下式的最小值
又进一步等效于求下式的最大值
将 αˆlk 带入(3-13)可得判决规则如下
⎛M N ⎞ >1
2 H
dlkH (vx , v y )C−1rlk
ξ = max ⎜ ∑∑ H ⎟ γ。 (3-17)
vx ,v y ⎜
k =1 l =1 d lk (vx , v y )C d lk (vx , v y ) ⎟ <
−1
⎝ ⎠ H2
在 MIMO 雷达中采用分布式处理,可以大大降低系统复杂度。这里介绍一种
简单的分布式处理,并与集中式处理进行复杂度和性能的比较。在分布式处理中,
每个接收站(接收天线)自主处理接收信号,再将局部判决的结果传送给融合中
24
心。
在分布式 MIMO 雷达检测器中采用的全局统计量和判决规则如下
2 H1
M N dlkH ( f lk )C−1rlk
>
ξ = ∑∑ max −1
γ。 (3-18)
k =1 l =1
flk d ( f lk )C dlk ( flk ) <
H
lk
H2
由上式可见这是一种软判决的方法。接收站 l 不做硬判决,而是估计出发射站 k 发
射的信号所经历的多普勒频移 flk ,将此作为软判决的结果传送给融合中心。融合
中心对所有软判决结果求和,进而得出最终的检测统计量。注意到每次检测每个
收发天线对(transmitter-receiver pair)只需传送一个采样给中心站,而集中式 MIMO
检测器要求每次检测每个收发天线对传送 K 个采样给中心站。二元或多元局部判
决[25],[37]-[40]可以看作是上述采样被量化后的形式。因为对软判决进行融合的结果通
常优于对硬判决进行融合,所以基于(3-18)的检测器性能应该不亚于基于二元或多
元局部判决的检测器。
根据(3-18),在分布式 MIMO 检测器中,求取一个收发路径对应的多普勒频移
flk 需要进行一次一维搜索。假设此一维搜索的复杂度(即完成搜索的平均运算量)
为η 。每一接收天线接收到来自 M 个发射天线的信号,需要完成 M 次搜索,则一
个接收天线所需的复杂度为 Mη 。分布式 MIMO 雷达系统共有 N 个接收天线,故
总的复杂度为 MNη 。对于(3-17)的集中式 MIMO 雷达检测器,总共需要进行一次
二维搜索来求得二维向量 (vx , v y ) ,所需复杂度的数量级为η 2 。当 M 和 N 较小时,
分布式 MIMO 雷达系统的复杂度较低。当然,由于计算 GLRT 检测统计量所需的
MN 个多普勒频移是对各收发路径分别独立估计得来的,而实际上这些多普勒频移
是对应于同一目标的、是有关联的,所以分布式 MIMO 检测器的性能相对较低。
3.2.3 相控阵雷达动目标检测器
在传统相控阵雷达中,发射阵和接收阵分别形成指向检测单元的发射波束和
接收波束。发射波束形成已体现在(3-10)的表达式中。接收波束形成则可看作是对
N 个(3-10)所示的接收信号向量加权求和,进而得到单个接收向量 r 的过程,
N
r = ∑ al* (φrsteer )rl , (3-19)
l =1
其中 φrsteer 表示接收波束的指向。
相控阵雷达的动目标检测是基于 K × 1 维的接收向量 r 完成的。假定波束指向
25
φrsteer 与波达方向 φr 一致。按照 3.2.1 节的方式推导,可得检测统计量为
2 H1
d H ( f d )C−1r >
ξ = max −1
γ。 (3-20)
fd d ( f d )C d( f d ) <
H
H2
由于相控阵雷达只能观测到由于目标径向速度引起的单个多普勒频移 f d ,故(3-20)
表示的 GLRT 检测统计量是在对 f d 的估计上得来的。
此前在推导检测统计量时,假设噪声加杂波(后文统称为干扰)的时间相关
矩阵 C 是已知的。然而,该矩阵可能是未知的。另外,分布式或集中式 MIMO 雷
达系统中不同收发路径对应的干扰特征可能不相同,因而有不同的干扰相关矩阵。
据此,用 Clk 来表示发射天线 k 和接收天线 l 对应路径的干扰相关矩阵。
实际上,不难把上文推导的检测器全都转化为具有恒虚警率特性的自适应检
测器[41],[42]。只需要将原检测器中的真实干扰相关矩阵用其估计值代替即可。干扰
相关矩阵的估计
1 L
Clk = ∑ rlk (i )rlkH (i )
ˆ (3-21)
L i =1
3.3 仿真分析
本节对上文讨论的各系统给出仿真结果,并比较它们在不同参数环境下的性
26
能。仿真之前必须确定杂波的协方差矩阵 C′ 。假定杂波散射单元受风等因素的影
响具有一定的内部运动,此类杂波的时间相关特性可由其功率谱密度( power
spectral density, PSD)来描述[4],[44]
f 2λ 2
Pcc λ − 2
Scc ( f ) = e 8σ v , (3-23)
2π 2σ v
3.3.1 接收机工作特性
27
图 3-2 目标以 68km/h 按随机方向运动时的 ROC 曲线( α lk = α = 常数,PRF=500Hz,CNR=40dB).
28
综合来看,图 3-2 和图 3-3 显示了 MIMO 雷达相比相控阵雷达的两种增益。
第一种是几何增益。因为 MIMO 雷达能够从不同角度探测运动目标,而相控阵只
能从单个角度进行探测,所以当目标的运动方向与相控阵的观测方向垂直时,相
控阵的性能下降,而 MIMO 雷达的性能几乎不受影响,由此带来几何增益[44]。另
一种是分集增益[3]。图 3-2 仅反映了几何增益,而图 3-3 反映了两种增益的共同效
应。
值得注意的是,如[3]所述 MIMO 雷达并非总优于相控阵。一般地,当信噪比
足够高时 MIMO 雷达占优,当信噪比很低时则相控阵占优。感兴趣的读者可参见
[3]
中的详述。当信号强度非常小时,也会遇到相同的问题。然而,由于这里考虑的
是运动目标,与[3]中讨论不同,MIMO 雷达在低信噪比时仍具有比相控阵雷达更好
的性能,这源自附加的几何增益。
29
图 3-4 检测统计量 ξ 在 H1 假设、不同接收天线数情况下的 CDF 曲线.
器所采用的二维搜索对检测统计量施加了更强的约束,因此有效减少了出现虚警
的可能。这也是集中式 MIMO 雷达优于分布式 MIMO 雷达的原因。当然,集中式
MIMO 雷达所需的二维搜索对计算复杂度的要求也更高。
3.3.3 发射阵元的分置
30
φblk
bl
bs
图 3-6 收发角二分线及其影响的示意图.
2 fc | v | ⎛ θ t −θ r ⎞
flk = cos(φlkbs ) cos ⎜ k l ⎟, (3-26)
c ⎝ 2 ⎠
31
图 3-7 目标以 300km/h 按随机方向运动时, 1 × 8 和 2 × 4 MIMO 雷达
系统的 ROC 曲线(PRF=2KHz,CNR=30dB).
3.3.4 检测统计量的恒虚警率特性
32
图 3-9 目标以 300km/h 按随机方向运动时,天线数为 1 × 8 的恒虚警率雷达
系统的 ROC 曲线, L=200(PRF=500Hz,CNR=40dB).
33
式 MIMO 雷达和相控阵雷达的性能都较 C 完全确知时有所下降,集中式 MIMO 雷
达的性能仍优于相控阵雷达系统。
3.4 小结
34
第四章 分置天线 MIMO 雷达的速度估计及天线布置
4 分置天线 MIMO 雷达的速度估计及天线布置
4.1 信号模型
35
图 4-1 发射和接收天线相对目标及其运动方向的位置.
36
vx vy
= Alk + Blk , (4-3)
λ λ
其中 λ 为载波波长,而
Alk = cos φkt + cos φlr ,
那么,观测量(多个接收天线的时间采样数据)的联合概率密度函数( joint
probability density function)可写为[82]
⎧⎪ 1 N E M
2
⎫⎪
p(r; θ) ∝ exp ⎨− 2 ∑ ∫ rl (t ) − ∑ αlkζ lk sk (t − τ lk )e j 2π flk ( v ) t
dt ⎬ 。 (4-6)
σ T M
⎩⎪ w l =1 k =1
⎭⎪
把观测数据代入式(4-6),并对其取对数,得到对数似然函数
2
1 N
E M
ln p(r; θ) = −
σ w2
∑∫
l =1
T
rl (t ) −
M
∑α
k =1
lk ζ lk sk (t − τ lk )e j 2π f lk ( v ) t
dt + C , (4-7)
其中 C 表示与 θ 中参数无关的常数。
4.2 克拉美-罗界及最大似然估计
4.2.1 速度估计的克拉美-罗界
本节在前述信号模型的基础上推导目标速度估计的克拉美-罗界。对关于未知
参数向量 θ 的任意无偏估计 θ̂ ,其第 i 个元素的方差满足下式[46],[47]
{
J (θ) = E ∇ θ ln p (r; θ) [∇ θ ln p (r; θ) ]
†
}
37
{
= − E ∇θ [∇ θ ln p (r; θ) ] ,
†
} (4-9)
∂ ∂ ∂ ∂ ∂ ∂ ∂ ∂
其中 ∇θ 为梯度运算符,∇θ = [ , , , , , , , , ]† 。
∂vx ∂v y ∂ζ 11R ∂ζ 11I ∂ζ 12 R ∂ζ 12 I ∂ζ NMR ∂ζ NMI
克拉美-罗界矩阵是费歇尔矩阵的逆,即 CCRB = J −1 (θ) 。注意这里假设反射系数 ζ lk 是
确定未知的。另外,利用[15]中介绍的方法,在附录 A.2.1 中给出了当反射系数为随
机变量时的 CRB 计算。
考虑到对数似然函数 ln p(r; θ) 是多普勒频移 flk 的显函数,引入新的参数向量
ϑ = [ f11 ( v), f12 ( v), , f NM ( v ), ζ 11R , ζ 11I , ζ 12 R , ζ 12 I , , ζ NMR , ζ NMI ]† , (4-10)
其中,
⎡ A11 A12 ANM ⎤
⎢ λ λ λ ⎥,
U=⎢ ⎥ (4-13)
⎢ B11 B12 BNM ⎥
⎢⎣ λ λ λ ⎥⎦
符号 0 和 I 分别表示零矩阵和单位矩阵,其维数如相应下标所示。
38
⎡ ∂ 2 ln p (r; θ) ⎤
[ J (ϑ )]i, j = − E ⎢ ⎥
⎢⎣ ∂flk ( v )∂f l′ k ′ ( v ) ⎥⎦
⎧ 0 l ≠ l′
⎪⎪ E
= ⎨ 8π 2 , (4-15)
⎪
⎪⎩ σ w
2
M ℜ ζ ζ*δ
{
lk lk ′ lkk ′ } l = l′
, 1 ≤ i, j ≤ NM ,
其中
j 2π [ flk ( v ) − f ′ ( v )]t
δ lkk = α lkα lk*
′ ′
∫
T
t 2 sk (t − τ lk ) sk*′ (t − τ lk ′ )e lk
dt , (4-16)
这里 l = 1, , N 且 k , k ′ = 1, …, M 。当 k = k ′ 时,(4-16)中的积分项表示对第 k 个发射
信号的有效脉宽的平方与第 lk 个接收信号的脉冲中心(详见式(4-60))的平方进行
求和、再以第 lk 路径的传输系数的模平方进行加权的结果。注意到计算中所用的
是时延后的接收信号,时延的大小由发射天线 k 到接收天线 l 间的路径长度决定。
当 k ≠ k ′ 时,(4-16)中的积分项与第 lk 和第 lk ′ 路接收信号的重叠时间的均值的平方
有关。由于这里考虑的是复信号,故计算中带有共轭运算。对固定的 l,将不同 k、
k ′ 对应的 δ lkk ′ 放入一 M × M 的矩阵 δl 中,该矩阵的第 kk ′ 个元素为 [δl ]kk ′ = δ lkk ′ 。
考虑 ϑ 中的第 i 和第 j 个元素,
右下角的矩阵 L 与目标复反射系数的导数有关。
其中 NM + 1 ≤ i, j ≤ 3 NM ,如(4-10)所述。进一步假设元素 i 与 ζ lkR 或 ζ lkI 有关、元
素 j 与 ζ l ' k ' R 或 ζ l ' k ' I 有关,则
⎧ 0 l ≠ l′
⎡ ∂ ln p (r; θ) ⎤ ⎪ E
2 ⎪
[ J (ϑ )]i , j = −E ⎢ ⎥ = ⎨2 , (4-17)
⎣ ∂ζ lkR ∂ζ l ′k ′R ⎦ ⎪ M ℜ {γ lkk ′ } l = l ′
⎪⎩ σ w
2
⎧ 0 l ≠ l′
⎡ ∂ ln p (r; θ) ⎤ ⎪ E
2 ⎪
[ J (ϑ )]i , j = −E ⎢ ⎥ = ⎨2 , (4-18)
⎣ ∂ζ lkI ∂ζ l ′k ′I ⎦ ⎪ M ℜ {γ lkk ′ } l = l ′
⎪⎩ σ w
2
以及
⎧ 0 l ≠ l′
⎡ ∂ ln p (r; θ) ⎤ ⎪⎪ E
2
[ J (ϑ )]i, j = −E ⎢ ⎥ = ⎨2 , (4-19)
⎣ ∂ζ lkR ∂ζ l ′k ′I ⎦ ⎪ M ℑ{γ lkk ′ } l = l ′
⎪⎩ σ w
2
39
其中
j 2π [ f lk ( v ) − f ′ ( v )]t
γ lkk ′ = α lkα lk* ′
∫ T
sk (t − τ lk ) sk*′ (t − τ lk ′ )e lk
dt 。 (4-20)
⎧ 0 l ≠ l′
⎡ ∂ ln p (r; θ) ⎤ ⎪
2 ⎪
[ J (ϑ )]i , j = −E ⎢ ⎥ = ⎨ 4π
E
, (4-22)
⎣ ∂f lk ∂ζ l ′k ′I ⎦ ⎪ M ℜ {ζ lkηlkk ′ } l = l ′
⎪⎩ σ w
2
其中
j 2π [ f lk ( v ) − f ′ ( v )]t
ηlkk ′ = α lkα lk* ′
∫
T
tsk (t − τ lk ) sk*′ (t − τ lk ′ )e lk
dt 。 (4-23)
式(4-23)中的积分项与式(4-20)相似,但是在积分项中出现了 t。这使得该项表示的
运算类似于关于互相关信号求有效重心,得到的结果是对该互相关信号的时间中
心的估算。当 k = k ′ 时,上述积分项表达了接收天线 l 收到的来自发射天线 k 的信
号的时间中心。
将 J (ϑ ) 和 ∇θϑ † 代入(4-11)可得费歇尔矩阵
⎡ UDU † UG ⎤
J (θ) = ⎢ † ⎥。 (4-24)
⎣ (UG ) L ⎦
为了得到克拉美-罗矩阵,需要对费歇尔矩阵求逆。一般地, UDU† 和 L 是可
逆的,于是可以对(4-24)运用矩阵求逆引理[48]来得到费歇尔矩阵的逆
⎡ ( UDU † − UGL−1 ( UG )† ) − ( UDU † − UGL−1V † ) UGL−1 ⎤
−1 −1
⎢ ⎥ (4-25)
J −1 (θ) = ⎢ −1 ⎥ .
( ) ( )
−1
⎢ − L − (UG ) ( UDU ) UG ( UG ) ( UDU ) L − (UG ) ( UDU ) UG
† † −1 † † −1 † † −1
⎥
⎣ ⎦
40
由于仅对 vx 和 v y 的估计感兴趣,它们的方差分别满足
var (vˆx ) ≥ CRBvx = ⎡⎣ J −1 (θ) ⎤⎦ , (4-26)
1,1
⎡ CRBvx i⎤
Cup
CRB
2
= ( UDU †
− UGL−1
( UG ) ) ⎢ i
† −1
= ⎥。
CRBv y ⎥⎦
(4-28)
⎢⎣
2
CRB 的两个对角元素决定了 v x 和 v y 的估计的克拉美-罗界。它们由多个参
矩阵 Cup
量确定,例如载波波长、单个发射机的能量、噪声的功率谱密度、目标反射系数、
感兴趣的距离单元、与发射信号有关的项 δ lkk ′ 、γ lkk ′ 和ηlkk ′ ,以及隐含在位置矩阵 A
和 B 中的雷达天线的数目和位置等等。
4.2.2 最大似然估计
4.2.3 基于克拉美-罗界的系统优化分析
41
v y 的克拉美-罗界之和达到最小,也就是说最优的 β 应该满足
{
β = arg min β∈Φβ CRBvx + CRBvy ( )} = arg {min β∈Φ β ξ (β) , } (4-30)
4.3 基于各向同性散射目标的速度估计
为简化分析并给出直观有用的结论,从本节开始重点讨论各向同性散射目标
的特例。各向同性散射目标的反射系数不随观测角度而变,因此各收发路径对应
的反射系数相等,即对所有 l、k 有 ζ lk = ζ = ζ R + jζ I 。注意到本章后文的讨论都是
基于此简化模型展开的。
4.3.1 克拉美-罗界
对各向同性的散射目标,对数似然函数可写为
2
1 N
E M
ln p(r; θ) = −
σ w2
∑∫
l =1
T
rl (t ) − ζ
M
∑αk =1
s (t − τ lk )e
lk k
j 2π f lk ( v ) t
dt + C 。 (4-31)
由于各收发路径对应的反射系数相等,未知参数向量的维数被大大降低了,此时
有
θ = [vx , v y , ζ R , ζ I ]† , (4-32)
和
ϑ = [ f11 ( v), f12 ( v), , f NM ( v ), ζ R , ζ I ]† , (4-33)
相应可求得
⎡U 02×2 ⎤
∇θϑ † = ⎢ 2× NM , (4-34)
⎣ 02× NM I 2×2 ⎥⎦
和
⎡ D × NM G ′NM ×2 ⎤
J (ϑ ) = ⎢ NM , (4-35)
⎣ (G ′ ) 2× NM
†
L′2×2 ⎥⎦
42
G 少 了 很 多 元 素 。 在 矩 阵 L′ 中 , 考 虑 ϑ 的 第 i 和 第 j 个 元 素 , 其 中
NM + 1 ≤ i, j ≤ NM + 2 ,于是
E
⎡ ∂ 2 ln p(r; θ) ⎤ 2 M
[ J (ϑ )]NM +1, NM +1 = − E ⎢ ⎥= 2 γ, (4-36)
⎣ ∂ζ R2 ⎦ σw
E
⎡ ∂ 2 ln p (r; θ) ⎤ 2 M
[ J (ϑ )]NM + 2, NM +2 = −E ⎢ ⎥= 2 γ , (4-37)
⎣ ∂ζ I2 ⎦ σw
以及
⎡ ∂ 2 ln p (r; θ) ⎤
[ ]NM +1, NM + 2 [ ]NM + 2, NM +1
J (ϑ ) = J (ϑ ) = − E ⎢ ⎥ =0, (4-38)
⎣ ∂ζ R ∂ζ I ⎦
其中
N M M
γ = ∑∑∑ α lkα lk* ′ ∫ sk (t − τ lk ) sk*′ (t − τ lk ′ )e j 2π [ f lk ( v ) − f lk ′ ( v )]t
dt 。 (4-39)
T
l =1 k =1 k ′=1
以及
E
⎡ ∂ 2 ln p(r; θ) ⎤ 4π M
[ J (ϑ )]i, NM + 2 = −E ⎢ ⎥= ℜ {ζηlk } , (4-41)
⎣ ∂f lk ( v)∂ζ I ⎦ σ w2
其中
M
ηlk = ∑ α lkα lk* ′ ∫ tsk (t − τ lk ) sk*′ (t − τ lk ′ )e j 2π [ f lk ( v ) − f lk ′ ( v )]t
dt 。 (4-42)
T
k ′=1
将 J (ϑ ) 和 ∇θϑ † 代入(4-11)可得费歇尔矩阵
43
J ( θ ) = ( ∇ θϑ † ) J (ϑ )( ∇ θϑ † ) † =
⎡ 2 E 2 E 2 E E ⎤
⎢ 8π M ζ N 8π 2 ζ N 4π M N 4π M N
⎥
⎢ λ 2σ 2 ∑ A l ℜ {δ l } A †l M
λ 2σ w2
∑ A l ℜ {δ l } B †l − M
λσ w2
∑∑ Alk ℑ {ζη lk } ∑∑M A
λσ w2 k =1 l =1 lk
ℜ { lk }⎥
ζη
⎢ w l =1 l =1 k =1 l =1
⎥
⎢ 2 E 2 E 2 E E ⎥
⎢ 8π M ζ N 8π 2 ζ N 4π M N 4π M N ⎥
⎢
λ 2
σ 2 ∑ B l ℜ {δ l } A †l M
λ 2σ w2
∑ B ℜ {δ } B
l l
†
l − M
λσ w
2 ∑ ∑ B ℑ {ζη } lk lk
M
∑ ∑ B ℜ {ζη lk }⎥
λσ w2 k =1 l =1 lk
⎢ w l =1 l =1 k =1 l =1 ⎥
⎢ E E E ⎥
⎢ 4π M N 4π M N 2 ⎥
2 ∑ ∑ ∑ ∑ Blk ℑ {ζη lk }
⎢ − M A ℑ {ζη lk } − M M γ 0 ⎥
⎢ λσ w k =1 l =1 lk λσ w2 k =1 l =1 σw 2
⎥
⎢ E E E ⎥
⎢ 4π M N 4π M N 2 ⎥
2 ∑ ∑ ∑ ∑ B ℜ {ζη }
⎢ M Alk ℜ {ζη lk } M 0 M γ ⎥
⎢⎣ λσ w k =1 l =1 λσ σw
2 2
⎦⎥
lk lk
w k =1 l =1
(4-43)
其中 δl 的定义已在(4-16)式后面给出, A l 和 Bl ( l = 1,..., N )分别表示位置矩阵 A
和 B 的第 l 行。这样, J −1 (θ) 中与速度估计有关的左上角的 2 × 2 维的子矩阵为
λ 2σ w2 1 ⎡ h − z ⎤ ⎡CRBvx ⎤ i
CRB = ⎢− z g ⎥ = ⎢ •
2
Cup ⎥, (4-44)
8π
E
ζ
2 2 gh − z 2 ⎣ ⎦ ⎢⎣ CRBvy ⎥⎦
M
其中 g, h 和 z 的定义分别为
2
N
1 M N
g ≡ ∑ A l ℜ {δ l } A − †
∑∑ A η , (4-45)
l =1
l
γ k =1 l =1
lk lk
2
N
1 M N
h ≡ ∑ Bl ℜ {δ l } B − †
∑∑ B η , (4-46)
l =1
l
γ k =1 l =1
lk lk
和
N
1 ⎛M N M N
z ≡ ∑ A l ℜ {δ l } Bl† − 2 ⎜ ∑∑ A ℑ {ζη } ∑∑ Blk ℑ{ζηlk }
ζ γ ⎝ k =1 l =1
lk lk
l =1 k =1 l =1
。 (4-47)
M N
⎞ M N
+ ∑∑ Alk ℜ {ζηlk } ∑∑ Blk ℜ {ζηlk } ⎟
k =1 l =1 k =1 l =1 ⎠
4.3.2 最大似然估计
⎧ ⎧ N E M
2
⎫⎪⎪⎫ 。 (4-48)
= arg ⎨max θ ⎨−∑ ∫ rl (t ) −ζ ∑ α lk sk (t − τ lk )e j 2π flk ( v ) t
dt ⎬⎬
⎩ ⎩ l =1 T M k =1 ⎪⎪
⎭⎭
44
对任意的 v = (vx , v y ) ,对数似然函数的最大值点应使得
∂
ln p (r; θ) =0 (4-49)
∂ζ R ζ R =ζˆRML
∂
ln p (r; θ) =0 (4-50)
∂ζ I ζ ˆ
I =ζ I ML
两式成立。由此可求得目标复反射系数 ζ = ζ R + jζ I 的最大似然估计
ζˆML = ζˆR + jζˆI
ML ML
1 M N
=
E
∑∑ α ∫ r (t )s (t − τ
k =1 l =1
∗
lk l
∗
k lk )e − j 2π flk ( v )t dt , (4-51)
γ T
{ {
v ML = arg max v ln p(r; θ) | ζ = ζˆML }}
⎧⎪ 2
⎫⎪ (4-52)
1 M N
= arg ⎨max v
γ
∑∑ α ∗
lk ∫ rl (t )s (t − τ lk )e
∗
k
− j 2π f lk ( v ) t
dt ⎬。
⎪⎩ k =1 l =1 T ⎪⎭
对上式给出的最大似然估计进一步化简是很困难的, v ML 需要采用数值方法来得
到。这里采用先二维网格搜索后迭代优化的办法来求取最大似然估计 v ML 。
假设接收信号满足正交性准则,正如稍后将看到的那样, γ 中 k ≠ k ' 对应的项
统统为零,于是 γ 成为一个与速度无关的常数,由此可简化(4-52)。这时,最优估
计器将选择使匹配滤波器(匹配于延时后的发射信号)输出取得最大值的向量 v 作
为对目标速度的估计。该最优估计器可由一组匹配滤波器来近似,这些匹配滤波
器允许的速度范围应覆盖感兴趣的目标速度的范围。然而,当正交接收信号的假
设不成立时, k ≠ k ' 对应的项非零,它们会出现在 γ 中。注意到这些 k ≠ k ' 对应的
项是受目标速度向量的影响的。这种情况下的最优估计器结构更为复杂。这种较
复杂的估计器仍可由匹配滤波器来近似,但此时需要被最大化的对象应为匹配滤
波器的输出与另一项之比,该项反映了不同发射天线发射的信号之间的干扰,这
对于非正交信号来讲是容易理解的。
45
4.4 基于各向同性散射目标的系统优化设计
观察克拉美-罗界子矩阵(4-44),对于给定的载波波长和信噪比(故 E | ζ |2 / M σ w2
,速度估计的克拉美罗界可表达为 g (4-45)、h (4-46)和 z (4-47)的函
也是给定的)
数。将 CRBvx 和 CRBvy 带入(4-30),目标函数变为
g+h
ξ (β) = , β ∈ Φβ , (4-53)
gh − z 2
而最优化参数应满足
⎧ g+h ⎫
β = arg ⎨min β∈Φβ ⎬。 (4-54)
⎩ gh − z 2 ⎭
4.4.1 天线优化布置
本节的其余部分均考虑了正交信号的情况,如假定 1 所阐述。
假定 1(正交信号):假设 M 个发射信号正交
⎧1, k = k′
∫T
sk (t ) sk∗′ (t )dt = ⎨
⎩0, k ≠ k ′,
(4-55)
关于正交信号假定的进一步讨论可见附录 A.2.2。
在假定 1 成立时,式(4-16), (4-39),(4-42)可被简化(见附录 A.2.3)为
⎧⎪ 0 k′ ≠ k
δ lkk =⎨ (4-57)
∫
′ 2
⎪⎩| α lk | t 2 sk (t − τ lk ) dt =| α lk |2 ε lk2 k′ = k,
2
T
M N
γ = ∑∑ |α lk |2 , (4-58)
k =1 l =1
∫
2
ηlk =| α lk |2 t sk (t − τ lk ) dt =| α lk |2 Ξ lk , (4-59)
T
其中
46
ε lk2 = σ 2 + Ξ lk2 , Ξ lk = t + τ lk , (4-60)
σ 2 = ∫ (t − t ) 2 | sk (t ) |2 dt , σ 是发射信号的有效脉冲宽度, t = ∫ t sk (t ) dt 表示发
2
T T
47
能使目标函数的梯度为零
†
⎡ ∂ξ (β) ∂ξ (β) ∂ξ (β) ⎤
∇βξ (β) = ⎢ , , , ⎥
⎣ ∂β1 ∂β 2 ∂β 3 ⎦ β =β
(4-65)
= [ 0, 0, 0, ]
†
= 0,
更确切地说, β 应使得
†
⎡ ∂ξ (β) ∂ξ (β) ∂ξ (β) ∂ξ (β) ⎤
∇βξ (β) = ⎢ , …, , , …, ⎥
⎣ ∂φ1 ∂φM ∂φ1 ∂φNr ⎦
t t r
β =β
。 (4-66)
= [ 0,…, 0, 0,…, 0] = 0
†
以下的定理表明(4-66)只可能有一种解,所以这种解必然是(4-54)优化问题的
解,能使得速度估计的性能达到最佳。
定理 1:设 MIMO 雷达具有 M( M ≥ 3 )个以足够大间距分置的发射天线和 N
( N ≥ 3) 则对具有任意 ε 2
个以足够大间距分置的接收天线且满足假定 1 和假定 2,
和 Ξ (4-60)的波形,仅有均匀天线布置能获得最优解。
定理 1 的证明可由接下来的两条引理得到。
引理 1:设 MIMO 雷达具有 M( M ≥ 3 )个以足够大间距分置的发射天线和 N
( N ≥ 3) 则对具有任意 ε 2
个以足够大间距分置的接收天线且满足假定 1 和假定 2,
和 Ξ (4-60)的波形,除均匀天线布置外没有其他解能使零梯度条件(4-66)成立。
引理 1 的证明:
见附录 A.2.6。 ■
引理 2:设 MIMO 雷达具有 M( M ≥ 3 )个以足够大间距分置的发射天线和 N
( N ≥ 3 )个以足够大间距分置的接收天线且满足假定 1 和假定 2,则任意均匀天
线布置都能使零梯度条件(4-66)成立。
引理 2 的证明:
见附录 A.2.7。 ■
引理 3:设 MIMO 雷达具有 M( M ≥ 3 )个以足够大间距分置的发射天线和 N
( N ≥ 3 )个以足够大间距分置的接收天线且满足假定 1 和假定 2,则所有均匀天
线布置达到的性能完全相同。
引理 3 的证明:在引理 3 所给出的假设条件下,根据附录 A.2.7 中的(A-87),
对所有均匀天线布置的情况,g, h, z (4-62)-(4-64)满足
gβ =hβ = ε 2 NM , z β = 0。 (4-67)
sym sym sym
于是,目标函数的值在所有均匀天线布置的情况下是相同的,即
48
g+h 2
= 。 (4-68)
gh − z 2 β sym
ε NM
2
因此,所有均匀布置天线达到的性能完全相同。 ■
定理 2:设 MIMO 雷达具有 M( M ≥ 3 )个以足够大间距分置的发射天线和 N
( N ≥ 3) 则对具有任意 ε 2
个以足够大间距分置的接收天线且满足假定 1 和假定 2,
和 Ξ (4-60)的波形,若最优天线布置存在,那么任何均匀天线布置都是最优的。发
射天线和接收天线间的相对位置对最优性能没有影响。
定理 2 的证明:根据定理 1,除均匀布置外没有其他解能达到最优;根据引理
3,所有均匀布置所得的性能相同,所以,任何均匀布置应该是最优的。
当代入形如(4-61)的均匀天线布置时,可以发现最终的目标函数表达式与 φ0t 和
φ0r 的取值无关。因此发射天线和接收天线间的相对位置对性能没有影响。 ■
从(4-68)还可以看到,对一采用均匀(最优)天线布置的 MIMO 雷达系统,增
加 ε 或者收发天线数乘积 NM 可以提高速度估计精确性。
2
4.4.2 奇异费歇尔信息矩阵
当费歇尔信息矩阵奇异时,若无附加条件则不能精确估计所需的参量。为了
理解奇异费歇尔信息阵可能导致的问题,考虑一个共置的收发天线对的情况。由
于它们最多只能测得单个多普勒频率,所以无法得到二维的速度信息。若目标运
动的方向恰与从天线指向目标的向量垂直,则无法测得任何目标速度信息。
不恰当的天线布置可能导致奇异的费歇尔信息矩阵,这种天线布置往往使得
(4-24)中的 J (θ) 的行或列可由其余行或列的线性组合来表示。为简便起见,这里讨
论正交信号的情况。其他情况下的讨论则可类推。在假定 1 和假定 2 的条件下,
将(4-57)-(4-59)代入(4-43),若费歇尔信息阵的前两行/列成正比,即
M N M N M N
则费歇尔信息矩阵将是奇异的。
例如,对一个单发射天线和单接收天线的雷达系统( l = k = 1 )
,
A112 A B A
= 11 2 11 = 11 , (4-70)
A11 B11 B11 B11
49
其满足式(4-69),故该系统将产生奇异的费歇尔信息矩阵。在另一个导致奇异费歇
尔信息矩阵的例子中,考虑有多发射天线和多接收天线的雷达系统,其中所有发
射和/或接收天线都是共置的,即对任意的 l 和 k 有 Alk = A11 和 Blk = B11 ,这样
NMA112 NMA11 B11 NMA11
= = , (4-71)
NMA11 B11 NMB112 NMB11
也使得式(4-69)成立。直观地讲,上述两种系统都只能够提供一条传输路径,只能
测得 f11 。由于本质上只有单个有效的观测数据,故不足以用来估计二维的速度参
量 v = (vx , v y ) 。
4.5 仿真及数值结果分析
4.5.1 最大似然仿真
③ 这里采用了较大的信号时间长度,目的是为缩短求最大似然估计均方误差的仿真时间。
50
图 4-2 ML 估计的 MSE 以及 CRB. 3x3MIMO 雷达, 其中 {φ1t = 50° , φ2t = 81° , φ3t = 230° } , {φ1r = 167 ° ,
φ2r = 65° , φ3r = 80° } , {R1t = 4000, R2t = 8290, R3t = 6000} m, {R1r = 8000, R2r = 7300, R3r = 5000} m.
图 4-3 ML 估计的 MSE 以及 CRB. 3x3MIMO 雷达, 其中 {φ1t = 9° , φ2t = 110° , φ3t = 351° } , {φ1r = 20° ,
φ2r = 70° , φ3r = 205° } , {R1t = 4000, R2t = 8290, R3t = 6000} m, {R1r = 8000, R2r = 7300, R3r = 5000} m.
标的角度分别为 {φ1t = 50° , φ2t = 81° } 和 {φ1r = 65° , φ2r = 80° } 。发射天线和接收天线与目
标的间距分别为 {R1t = 4000, R2t = 8290} m 和 {R1r = 7300, R2r = 5000} m。
51
图 4-4 ML 估计的 MSE 以及 CRB. 2x2MIMO 雷达, 其中 {φ1t = 50° , φ2t = 81° } ,
{φ1r = 65° , φ2r = 80° } , {R1t = 4000, R2t = 8290} m, {R1 = 7300, R2 = 5000} m.
r r
仿真结果表明,最大似然估计的均方误差随信噪比增加逐渐逼近克拉美罗界,
这与理论上最大似然估计的渐近有效性是一致的,同时也验证了前文中克拉美-罗
界推导的正确性。
图 4-2 和图 4-3 中的克拉美-罗界比图 4-4 中更低,这从一定程度上反映了
MIMO 雷达采用的天线数越多则性能越好。另外还可以观察到,图 4-2 和图 4-4 中
对 vx 的估计的 CRB 大于对 v y 的估计的 CRB,然而在图 4-3 中对 v y 的估计的 CRB
却大于对 vx 的估计的 CRB,这说明对 vx 和 v y 的估计的精确性随天线位置的不同而
变化。上述三个例子中的天线位置示意在图 4-5 中,其中三角形代表发射天线,圆
圈代表接收天线。将天线位置向 x 和 y 轴上投影,可以发现(a)和(c)中天线沿 y 轴
方向的延展更大。在这种情况下,天线对目标沿 y 方向的运动更为敏感,所以在
图 4-2 和图 4-4 中对 v y 的估计比对 vx 的估计的精确性更高。反之,(b)所示的天线
沿 x 轴方向的延展更大,同理可知为何在图 4-3 中对 vx 的估计比对 v y 的估计的精
确性更高。因此,图 4-2 至图 4-4 的结果表明,一般说来天线布置得越开,所得性
能越好。这一现象也可由 4.4 节讨论的最优天线布置来解释,最优天线布置的结论
表明应尽可能分散的放置天线。
52
图 4-5 图 4-2 至图 4-4 对应的天线位置. 三角形代表发射天线, 圆圈代表接收天线.
4.5.2 克拉美-罗界分析
本小节以式(4-44)给出的克拉美-罗界为基础展开进一步分析。为简便起见,假
设所有天线与目标的距离近似相等,并对任意 l 和 k 令 Rkt = Rlr = R = 6500 m。设目
标速度为 v = (7.75,13.42) m/s。
图 4-6 所示为一 4 × 3 MIMO 雷达在不同天线布置情况下的克拉美-罗界。发射
信号采用一组正弦脉冲信号, sk (t ) = e j 2π k Δft / T , k = 1,..., M ,其中信号时间宽度
为 T = 0.1 s,频率增量为 Δf 。设 Δf = 31.25 KHz 以使发射信号间近似正交。载波频
率 f c = 1 GHz,采样频率为 500KHz。首先非均匀的放置天线。第一种情况下(nonsym
1),设 {φ1t = 10° , φ2t = 120° , φ3t = 34° , φ4t = 80° } 以及 {φ1r = 199° , φ2r = 245° , φ3r = 300° } 。第
二种情况下(nonsym 2),设 {φ1t = 140° , φ2t = 150° , φ3t = 51° , φ4t = 115° } 以及 {φ1r = 325° ,
φ2r = 60° , φ3r = 300° } 。然后考虑均匀天线布置( sym ),发射天线的位置是 [φ1t , φ2t ,
φ3t , φ4t ] = [0° ,90° ,180° , 270° ] + φ0t ,接收天线的位置是 [φ1r , φ2r , φ3r ] = [0° ,120° , 240° ] + φ0r ,
其中 φ0t 和 φ0r 是任意的。在图 4-6 中,第一种情况下得到的克拉美罗-界最大,而天
线均匀布置时的克拉美罗-界最小。可见在同等条件下,均匀布置天线是最优的④。
图 4-7 考虑一采用最优天线布置的 4 × 4 MIMO 雷达。本例仍然采用一组正弦
脉冲发射信号 sk (t ) = e j 2π k Δft / T , k = 1,..., M ,频率增量设为 Δf = 31.25 KHz 以保
证近似正交性。信号的时间宽度从 T 变化到 2T 和 5T,其中 T = 6.4 ms。载波频率
f c = 1 GHz,采样频率为 500KHz。如图所示,增加信号时宽可使得估计的精确性
④ 注意到,在天线位置确定的情况下,可以针对不同的目标位置计算克拉美罗-界。从所研究的若干例子看
出,求得的克拉美-罗界结果对目标位置不是非常敏感。
53
图 4-6 (非)均匀天线布置情况下 4x3MIMO 雷达的克拉美-罗界.
图 4-7 信号时间宽度对速度估计的影响(采用最优天线布置).
信号宽度由 T 变为 2T 和 5T, 其中 T = 6.4 ms.
54
图 4-8 收发天线数目( M × N )对速度估计性能的影响(采用最优天线布置).
4.6 讨论与小结
在前面考虑的信号模型中,假定未知的目标反射系数 ζ lk 在观测时间内是恒定
的。作为一种扩展,可以假定目标反射系数在观测时间内是脉冲间起伏的,因而
每个 ζ lk 随脉冲编号而变化,记为 ζ lk (n) , n = 1, , K ,其中 K 表示观测时间内的脉
冲个数。这种情况下的参数向量 θ 是 2( NMK + 1) ×1 维的列向量,可写为 θ = [vx , v y ,
ζ 11R (1), ζ 11I (1), ,ζ NMR ( K ), ζ NMR ( K )]† ,而由此得到的费歇尔信息矩阵是 2( NMK + 1) ×
2( NMK + 1) 维的。扩展之后的分析可采用与本章前文类似的方法,但当 NMK 的值
较大时计算复杂度将显著提高。
另外可对 4.4.1 节的分析进行扩展,不再要求所有天线与目标近似等距,而是
假设雷达天线可以布置在半径为 Rc 的环绕目标的圆周之外。因为雷达通常不能非
常接近目标,所以该假设是具有合理性的。如果引入要求发射功率最小的约束,
那么应将所有天线都放在离目标距离为 Rc 的地方。若假定 1 和假定 2 也满足的话,
那么 4.4 节的结果也同样适用于这里讨论的情形,
只需将 4.4 节的 R 换为这里的 Rc 。
本章推导了分置天线 MIMO 雷达对目标速度估计的克拉美-罗界。首先给出了
信号模型。然后推导出关于目标速度最大似然估计的公式,在几个例子中将估计
的均方误差与克拉美-罗界进行了比较,并通过比较结果证实了克拉美-罗界推导的
正确性。本章还研究了 MIMO 雷达速度估计的优化策略。推导了最优天线布置应
满足的条件。当 MIMO 雷达发射正交信号时,将所有发射天线均匀布置,同时将
56
所有接收天线均匀布置,如此可达到的估计性能是最优的,并且此结果不受发射
天线和接收天线的相对位置关系的影响。均匀天线布置的结果表明,当加大阵元
间距使得角度扩展变大时,可达到的速度估计性能变好,这也解释了先前在数值
分析中看到的结果的正确性。理论分析和仿真结果均显示,对任一采用优化天线
布置的 MIMO 雷达系统,可以通过增加有效信号时宽或者发射、接收天线数之积
来提高速度估计的精确性。
57
第五章 非相干 MIMO 雷达位置及速度联合估计
5 非相干 MIMO 雷达位置及速度联合估计
5.1 信号模型
58
+∞ ⎧1 if k =k'
∫−∞
sk (t − τ k ) sk* ' (t − τ k ' )e j 2π ( fdk − fdk ' ) t dt ≈ ⎨
⎩0 if k ≠k'
。 (5-2)
这种特性使得来自不同发射天线的信号可以在每一个接收天线上被分离。
假定 2:第 lk 收发路径对应的杂波加噪声 wlk (t ) 是一个时间白的零均值复高斯
随机过程,满足 E {wlk ( t ) wlk* ( u )} = σ w2δ ( t − u ) ,其中 σ w 为常数,δ ( t ) 表示单位冲激
函数。杂波加噪声是空间白的,对 l ≠ l ' 或 k ≠ k ' 有 E {wlk ( t ) wl*' k ' ( u )} = 0 。 不失一
般性,假设 σ w2 = 1 。更进一步假设 E ζ lk { }=σ 2 2
,同时令 σ 2 = 1 。这样等效于将 σ w2
和 σ 2 的影响并入 E 中,使得 E 作为反映观测质量的唯一基本参数,刻画了一个反
射系数服从复高斯分布模型 CN (0,1) 的总的信杂噪比。
假定 2 可以通过预滤波实现。如果零均值复高斯杂波加噪声的协方差矩阵已
知或者可被精确估计,那么在进行最大似然处理之前可以对杂波加噪声在时域和
空域上进行白化。白化过程并不会影响算法的最优性。这种处理方法在雷达的空
时处理中被广泛应用。值得注意的是如果需要对杂波加噪声进行白化处理,在波
形设计的过程中因该考虑对白化滤波器的输出进行预矫正,以保持白化滤波器输
出端的信号具有所期望的特性。在 5.6 节中,将在没有假定 1-3 的情况下进行讨论。
假定 3:天线之间的距离足够大[2]以使得每条路径上的观测量相互独立,因此
不同 k 、l 对应的反射系数 ζ lk 之间也相互独立。
在这些假定之下,在接收天线 l 收到的来自发射天线 k 的信号可表示为
E
rlk = ζ lk sk (t − τ lk )e j 2π flk t + wlk (t ) , (5-3)
M
其中 τ lk 和 f lk 分别代表信号在第 lk 路径上经历的时延和多普勒频移。时延 τ lk 是未
知目标位置 ( x, y ) 的函数,
59
θ = [ x, y , v x , v y ]† , (5-6)
其中 θ ∈ Θ 。Θ 是由 ( x, y, vx , v y ) 的所有可能组合所构成的四维空间。下面将讨论 θ 的
最大似然估计。
5.2 最大似然估计
如[49]所述,未知参数的最大似然估计可以通过假设检验中的似然比来求解。
以 H1 代表有目标出现的假设,目标模型如(5-3)所示;以 H 0 代表没有目标出现的假
设,即接收信号中只有噪声。于是,似然比可以表示为
plk (rlk (t ); θ, H1 )
Λ lk (θ; rlk (t )) = = C1 ⋅ plk (rlk (t ); θ, H1 ) (5-7)
plk (rlk (t ), H 0 )
⎧ E ⎫
1 ⎪ M +∞ 2
⎪
=
E
exp ⎨
E ∫−∞
rlk (t ) sk * (t − τ lk )e − j 2π flk t dt ⎬ , (5-8)
+1 ⎪ +1 ⎪
M ⎩M ⎭
其中 C2 与 θ 无关。
5.2.1 简化模型
在假定1-3的条件下, 进一步假设杂波加噪声与反射系数相互独立,则联合似
然比可以表示为单个似然比的乘积
M N
Λ J (θ; r (t )) = ∏∏ Λ lk (θ; rlk (t )), (5-11)
k =1 l =1
其中
r (t ) = [r11 (t ), r12 (t ),… , rNM (t )]† (5-12)
表示所有接收天线上的观测信号的集合。联合对数似然比则可表示为
60
LJ (θ; r (t )) = ln Λ J (θ; r (t ))
M N M N (5-13)
= ∑∑ ln Λ lk (θ; rlk (t )) =∑∑ Llk (θ; rlk (t ))
k =1 l =1 k =1 l =1
M N +∞ 2
E
=
E+M
∑∑ ∫
k =1 l =1
−∞
rlk (t ) sk* (t − τ lk )e− j 2π flk t dt + C3 , (5-14)
其中 C3 与 θ 无关。因此,未知参数 θ 的最大似然估计为
θˆ ML = arg max LJ (θ; r (t ))
θ
M N (5-15)
= arg max ∑∑ Llk (θ; rlk (t ))
θ
k =1 l =1
M N +∞ 2
= arg max ∑∑ ∫ rlk (t ) sk * (t − τ lk )e − j 2π flk t dt 。 (5-16)
θ −∞
k =1 l =1
式(5-16)中的最大似然估计已经很难被继续化简,需要用数值方法对四维空间 Θ 进
行遍历搜索来得到 θ (5-6)的最大似然估计。值得注意的是系统复杂度和计算复杂度
随发射和接收天线个数 M 和 N 的增加而增加。可以考虑用[50-52]中讲到的天线选择
方法来解决系统复杂度的问题。因为是在由 θ 中元素所组成的四维空间 Θ 中进行搜
索,搜索的维度不会随 M 和 N 而变,所以计算最大似然估计的复杂度不会由于 M
和 N 的增加而迅速增加。另一方面,这里将证明发射和接收天线个数 M 和 N 的增
加可以提高估计性能。因此,在性能和复杂度之间做择中是必须的。
5.2.2 渐近特性
真实值 θa 。
1
在方程(5-15)的右边乘以常数 不会改变最大值出现的位置,所以 θˆ ML 可以表
MN
示为
1 M N
θˆ ML = arg max
θ MN
∑∑ L
k =1 l =1
lk (θ; rlk (t )) . (5-17)
根据强大数定理,(5-17)中的样本均值以概率1收敛于数学期望
1 M N
MN
∑∑ L
k =1 l =1
lk (θ; rlk (t )) → Erlk (t );θa { Llk (θ; rlk (t ))} , as MN → ∞ , (5-18)
61
⋅ 表示在给定真实值 θa 的条件下按概率密度函数 plk ( rlk (t ); θa , H1 ) 关于
其中 Erlk (t );θa {}
rlk (t ) 求数学期望。另外,根据弱大数定理可以证明关于上述收敛的一个较弱的结
论,即依概率收敛。从(5-18)可以推知,当天线数目足够多时下式以概率 1 收敛
ML lk lk
θ MN k =1 l =1 。 (5-19)
arg max Erlk ( t );θa {Llk (θ; rlk (t ))} , as MN → ∞
θ
从(5-19)可得如下定理。
定理1:对于有M个发射天线和N个接收天线的MIMO雷达系统,在假定1-3的
条件下,当MN足够大时,(5-16)中的最大似然估计以概率1(或依概率)收敛于其
真实值
θˆ ML → θ a , as MN → ∞ 。 (5-20)
把(5-22)代入(5-21)可得
⎧ p ( r (t ); θ , H1 ) ⎫
Erlk ( t );θa {Llk (θ; rlk (t ))} − Erlk ( t );θa {Llk (θ a ; rlk (t ))} = Erlk ( t );θa ⎨ln lk lk ⎬ , (5-23)
⎩ plk ( rlk (t ); θa , H1 ) ⎭
根据琴生不等式(Jensen’s inequality)
,
⎧ p (r (t ); θ, H1 ) ⎫ ⎧ plk (rlk (t ); θ, H1 ) ⎫
Erlk (t );θa ⎨ln lk lk ⎬ ≤ ln Erlk (t );θa ⎨ ⎬, (5-24)
⎩ plk (rlk (t ); θ a , H1 ) ⎭ ⎩ plk (rlk (t ); θ a , H1 ) ⎭
其中当且仅当
plk ( rlk (t ); θ , H1 ) ⎧ p ( r (t ); θ , H1 ) ⎫
= Erlk ( t );θa ⎨ lk lk ⎬ (5-25)
plk ( rlk (t ); θ a , H1 ) ⎩ plk ( rlk (t ); θ a , H1 ) ⎭
62
时式(5-24)中等号成立。并且注意到
⎧ p (r (t ); θ, H1 ) ⎫ +∞ p ( r (t ); θ, H )
⎬ = ∫−∞
1
Erlk (t );θa ⎨ lk lk lk lk
plk (rlk (t ); θa , H1 )drlk (t )
⎩ plk (rlk (t ); θ a , H1 ) ⎭ plk (rlk (t ); θ a , H1 ) (5-26)
+∞
=∫ plk (rlk (t ); θ, H1 )drlk (t ) = 1 。
−∞
将(5-26)代入(5-24)式可得
⎧ p (r (t ); θ, H1 ) ⎫
Erlk (t );θa ⎨ln lk lk ⎬ ≤ ln1 = 0 。 (5-27)
⎩ plk (rlk (t ); θ a , H1 ) ⎭
根据(5-25)和(5-26),当且仅当
plk (rlk (t ); θ, H1 )
=1
plk (rlk (t ); θ a , H1 )
即
Erlk (t );θa { Llk (θ a ; rlk (t ))} ≥ Erlk (t );θa { Llk (θ; rlk (t ))} , (5-29)
其中,如前所述,不等号在 θ ≠ θ a 时取得。因此
arg max Erlk (t );θa { Llk (θ; rlk (t ))} = θ a 。 (5-30)
θ
最后把(5-30)代入(5-19)中可得
θˆ ML → θ a , as MN → ∞ 。 (5-31)
当MN足够大时,该估计收敛于一个定值,那么其数学期望也收敛于同一个值。
因此该估计是渐近无偏的。另外,由于该估计逼近于真实值,故求克拉美-罗界运
算所隐含的估计作为最优估计也必然逼近于真实值。所以当MN足够大时,该估计
的方差以概率1收敛于克拉美-罗界。 ■
本章接下来的部分将给出克拉美-罗界的理论推导, 同时以数值方法举例说明
最大似然估计的均方误差渐近逼近克拉美-罗界。
63
5.3 位置速度联合估计的克拉美-罗界
{
J (θ) = Er (t );θ ∇θ ln Λ J (r (t ); θ) [∇θ ln Λ J (r (t ); θ) ]
†
}。 (5-32)
{
= − Er (t );θ ∇θ [∇θ ln Λ J (r (t ); θ) ]
†
}
鉴于式(5-8) 中的似然比函数是关于 τ lk 和 f lk 的显函数,而是关于 θ = ( x, y, vx ,
v y ) 中元素的隐函数,故定义一个新的参数向量
ϑ = [τ 11 ,τ 12 ,… ,τ NM , f11 , f12 ,… , f NM ] 。
†
(5-33)
根据链式法则,费歇尔信息矩阵可由下式求得
J (θ) = (∇θϑ † )J (ϑ )(∇θϑ † )† 。 (5-34)
∂τ lk 1 ⎛ x − xkt x − xlr ⎞
alk ≡ = ⎜ + ⎟, (5-36)
∂x c ⎝ d kt dlr ⎠
∂τ lk 1 ⎛ y − ykt y − ylr ⎞
blk ≡ = ⎜ + ⎟, (5-37)
∂y c ⎝ d kt dlr ⎠
64
−v ⎛ 1 ⎞ ( xk − x )
t
∂f 1
elk ≡ lk = x ⎜ t + r ⎟+ ⎡vx ( xkt − x ) + v y ( ykt − y ) ⎤
t 3 ⎣ ⎦
∂x λ ⎝ d k dl ⎠ λ ( dk )
, (5-38)
+
( xlr − x ) ⎡vx ( xlr − x ) + v y ( ylr − y ) ⎤
⎣ ⎦
λ (d l)
r 3
−v ⎛ 1 ⎞ ( yk − y )
t
∂f 1
glk ≡ lk = y ⎜ t + r ⎟+ ⎡vx ( xkt − x ) + v y ( ykt − y ) ⎤
t 3 ⎣ ⎦
∂y λ ⎝ d k dl ⎠ λ ( dk )
, (5-39)
+
( ylr − y ) ⎡ vx ( xlr − x ) + v y ( ylr − y ) ⎤
⎣ ⎦
λ (d l )
r 3
∂flk ( xk − x ) ( xl − x )
t r
βlk ≡ = + , (5-40)
∂vx λ d kt λ dlr
∂flk ( yk − y ) ( yl − y )
t r
qlk ≡ = + 。 (5-41)
∂v y λ d kt λ dlr
{
J (ϑ ) = − Er (t );θ ∇ϑ [∇ϑ ln Λ J (θ; r (t )) ] ,
†
} (5-43)
以及
8π 2 E 2
J LR = diag {η11 ,η12 ,… ,η NM } , (5-47)
( E + M )M
其中 ε k , γ lk 和ηlk 与接收波形的特性相关
+∞ +∞ 2
εk = ∫ ∫
2 2
f 2 S k ( f ) df − f Sk ( f ) df , (5-48)
−∞ −∞
1 ⎧ +∞ * ∂s (t − τ lk ) ⎫
γ lk = ℑ ⎨ ∫ tsk (t − τ lk ) k dt ⎬
2π ⎩ −∞ ∂τ lk ⎭ , (5-49)
+∞ +∞
−∫ f S k ( f ) df ∫ t sk (t − τ lk ) dt
2 2
−∞ −∞
以及
+∞ +∞ 2
ηlk = ∫ t 2 sk (t − τ lk ) dt − ∫
2 2
t sk (t − τ lk ) dt , (5-50)
−∞ −∞
其中 Sk ( f ) 代表 sk (t ) 的傅立叶变换。
经过一系列较为冗长的计算,可推得费歇尔信息矩阵的表达式如(5-51)所示
⎡ AJUL A † + BJUR A † + AJUR B† + BJ LR B† AJUR D† + BJ LR D† ⎤
J (θ) = ⎢ ⎥
⎣ DJUR A † + DJ LR B† DJ LR D† ⎦
8π 2 E2 M N
= ∑∑
(E + M )M k =1 l =1
⎡ εk alk2 + 2γ lk alk elk +ηlk elk2 (ε k alk + γ lk elk )blk + (γ lk alk +ηlk elk ) glk (γ lk alk +ηlk elk )βlk (γ lk alk +ηlk elk )qlk ⎤
⎢ ⎥
⎢(ε k alk + γ lk elk )blk + (γ lk alk +ηlk elk ) glk ε k blk2 + 2γ lk blk glk +ηlk glk2 (γ lk blk +ηlk glk )βlk (γ lk blk +ηlk glk )qlk ⎥
⎢ (γ lk alk +ηlk elk )βlk (γ lk blk +ηlk glk )βlk ηlk βlk2 ηlk βlk qlk ⎥
⎢ ⎥
⎢⎣ (γ lk alk +ηlk elk )qlk (γ lkblk +ηlk glk )qlk ηlk βlk qlk ηlk qlk
2
⎥⎦
(5-51)
待估计参数的克拉美-罗界由费歇尔信息阵的逆的对角元确定
var( xˆ ) ≥ ⎡⎣ J −1 (θ a ) ⎤⎦ , var( yˆ ) ≥ ⎡⎣ J −1 (θ a ) ⎤⎦ ,
1,1 2,2
(5-52)
var(vˆx ) ≥ ⎡⎣ J −1 (θ a ) ⎤⎦ , var(vˆ y ) ≥ ⎡⎣ J −1 (θ a ) ⎤⎦ 。
3,3 4,4
对任意非奇异的费歇尔信息阵,利用克拉默法则(Cramer’s rule)不难由(5-51)得
66
SCNR(dB)
图 5-1 非线性估计的均方误差的阀值现象.
5.4 均方误差分析
克拉美-罗界代表无偏估计的最小可达方差,指示了任何无偏估计可达到的最
佳性能。最大似然估计的均方误差需要满足一定条件方能逼近克拉美-罗界。知道
这些条件何时能被满足对系统设计来讲是很重要的,这就要求对最大似然估计的
均方误差进行分析。如图 5-1 所示,非线性估计的均方误差存在阀值现象。SCNR
阀值定义为均方误差曲线的斜率出现剧烈变化处的 SCNR 取值。高于此阀值的区
域称为高 SCNR 区,其对应的估计误差较小且均方误差接近于克拉美-罗界。低于
此阀值处,则均方误差随 SCNR 的减小迅速增大,且一般会远离克拉美-罗界。本
节给出几个数值实例来说明这个现象。首先考虑发射单脉冲信号的情况,其次是
对发射多脉冲信号的情况进行分析。
5.4.1 单脉冲信号
假 设 发 射 信 号 的 低 通 等 效 是 频 率 扩 展 的 高 斯 单 脉 冲 信 号 sk (t ) =
2 14 −π t 2 j 2π k Δft
( ) exp( )e ,其中 T 与脉冲宽度成正比, Δf = f k +1 − f k ≥ 0 表示 sk (t ) 与
T2 T2
67
sk +1 (t ) 间的频率增量。这里假设 Δf 足够大,使得假定 1 成立。假设有一个运动速
度为(50, 30)m/s 的目标在位置(150, 127.5)m 处出现。定义总的信杂噪比为 SCNR
= E 。注意到,由于本节所作的均方误差曲线实质上是以信号总能量 E 作为横轴
的,因此图中所示的 SCNR 可能比其它文献中的以单个发射天线能量作为横轴时的
SCNR 看起来要大。然而这种做法是有意义的,因为这样能够描述在总能量给定的
情况下加大天线数目所带来的增益。
图 5-2 至图 5-4 比较了三个具有不同天线数 ( M × N ) 的 MIMO 雷达的性能。假
设 M 个 发 射 天 线 均 匀 布 置 在 [0, 2π ) 的 方 向 上 , 即 发 射 天 线 k 的 观 测 角 为
ϕ kt = 2π ( k − 1) / M , k = 1,..., M ;N 个接收天线也均匀地布置在 [0, 2π ) 的方向上,
即接收天线 l 的角度为 ϕlr = 2π (l − 1) / N , l = 1,..., N ,其中的角度是指天线和横轴
间的夹角。图 5-2 至图 5-4 中的雷达系统的天线数目分别为 2 × 3 ,5 × 4 和 9 × 9 。对
所发射的高斯脉冲信号①选取 T = 0.1 。设每个天线到坐标原点的距离均为 7000m。
在假定 1-3 的条件下计算克拉美-罗界和最大似然估计的均方误差。观察发现,当
天线数增加时,克拉美-罗界一致地减小,阀值(均方误差曲线的斜率出现剧烈变
化的 SCNR 值,如图中箭头所指处对应的 SCNR)也被减小。同时可以发现,当
天线数目增加时,均方误差在渐近区(asymptotic region)更加贴近克拉美-罗界。
这些结果表明在渐近(MN 足够大)和非渐近(asymptotic and non-asymptotic)的
情况下,MIMO 雷达的估计性能都随天线数的增加而提高。注意到最大似然估计
的性能在天线数目 MN 很小时可能会很差,当所给 MN 使得 SCNR 低于阀值时尤
为突出。这在后续的大多数图中都可以观察到。
在 5 × 4 MIMO 雷达系统中,假设发射天线均匀分布在 [π / 6,5π / 6] 的方向上,
即 ϕkt = π / 6 + 2π (k − 1) / 3( M − 1) ,k = 1,..., M ;接收天线也均匀分布在 [π / 6,5π / 6] 的
方向上,即 ϕlr = π / 6 + 2π (l − 1) / 3( N − 1) ,l = 1,..., N ,其中的角度是指天线和横轴
间的夹角。其它参数与前面的例子相同。在这种情况下的克拉美-罗界和均方误差
曲线如图 5-5 所示。其性能较之图 5-3 的系统(以相同数目的天线最大可能地分布
在 [0, 2π ) 的方向上)有所下降。这表明天线分得越开,角度扩展越大,则系统的性
能越好。
至此本文尚未提及系统性能的提升与所耗费的系统资源之间的关系。在不考
虑系统资源的情况下,如定理 1 所述,总可以通过增加 MN 来提高系统性能。当
68
SCNR(dB)
SCNR(dB)
要考虑系统所耗资源时,情况稍复杂一些,但实际上结论却是显而易见的。首先,
如果固定系统的总能量 E,从现有的理论易知增加接收天线数目 N 比增加发射天
线数目 M 更有效。因为增加发射天线时必须从有限的总能量中分配一部分到新增
的天线上,致使单个发射天线上的能量减小。增加接收天线数目则不存在此问题。
另一个值得关心的系统资源是总的天线数 M+N。通常不希望总天线数目 M+N
过大。于是,为了得到大的 MN 以获得好的估计性能,而同时又不使 M+N 过大,
69
SCNR(dB)
SCNR(dB)
往往应选择大于 1 的 M。综上所述,在对系统资源(发射能量和总天线数目)进
行约束的情况下,通常 M 和 N 都应当选大于 1 的值,但所选的 N 应比 M 稍大。
实际上,这里得到结论与贝尔实验室(提出 BLAST 系统的研究小组)在 MIMO
通信中所得出的结论[53]是非常相似的。
70
SCNR(dB)
5.4.2 多脉冲信号
假设发射信号的低通等效是频率扩展的高斯脉冲串,由脉冲重复频率为 Tr 的
窄高斯脉冲串乘以宽的高斯包络形成,可表示为 sk (t ) = ∑ ∞n =−∞ z (t − nTr ) g (t )e j 2π k Δft ,
其 中 z (t ) 是 脉 宽 为 T 的 窄 高 斯 脉 冲 , g (t ) 是 脉 宽 为 Tb 的 宽 高 斯 脉 冲 , 而
Δf = f k +1 − f k ≥ 0 是 sk (t ) 与 sk +1 (t ) 间的频率增量,选择足够大的 Δf 以使假定 1 成
立。图 5-6 画出了 5 × 4 MIMO 雷达系统的最大似然估计的均方误差及相应的克拉
美 - 罗界曲线,其中雷达系统的发射和接收天线均匀分布在 [0, 2π ) 的方向上。令
T = 0.1 , Tr = 0.5 , Tb = 2 。与图 5-3 相比,图 5-6 中的克拉美-罗界更低、SCNR
阀值更小。后者性能的提升是采用多脉冲信号的结果。在相同参数条件下,
9 × 9 MIMO 雷达的最大似然均方误差和克拉美-罗界曲线如图 5-7 所示,与图 4-6
相比,可以发现系统性能随天线数目的增加而提高。进一步将图 5-7 与图 5-4 相比,
可以看出采用多脉冲信号能改善系统的性能。
由图 5-2 和图 5-3 已看到,最大似然的均方误差和克拉美-罗界随雷达系统天
线数的增加而下降。现在假设 SCNR 固定,在图 5-8 和图 5-9 中作出最大似然均方
误差随天线数 MN 的变化曲线。假设 MIMO 雷达只有一个位于方向 0° 的发射天线,
其 N 个接收天线均匀分布在 [0, 2π ) 的方向上。设 SCNR = 3 dB 和 10 dB。其它的参
数和图 5-2 所用的相同。可以发现,在图 5-8 和图 5-9 中,均方误差总是随天线数
的增加而减少。在图 5-8 中,当 MN < 63 时均方误差开始偏离克拉美-罗界,而在
71
SCNR(dB)
72
图 5-9 均方误差随系统发射和接收天线数乘积的变化. SCNR = 10dB, T = 0.1 .
∑∑ ζ
2
LJ (r (t ); θ) =
EM + M 2
lk
k =1 l =1
。 (5-53)
∞ 2
∫
− j 2π f lk t
sk (t − τ 0lk ) s (t − τ lk )e
*
k dt + ln C3
−∞
式 (5-53) 所 定 义 的 LJ (r (t ); θ) 度 量 了 最 大 似 然 估 计 器 所 猜 测 的 信 号 在 路 径 lk
( k = 1,..., M ,l = 1,..., N )中经历的时延 τ lk 和多普勒频移 flk 与相应的真实时延 τ 0lk
和零多普勒频移之间的似然度。当然,(5-53)中与时延和多普勒频移无关的部分不
是这里关注的重点,因此把其并入常数 ln C3 中。经过变量代换可得
E2 M N
∑∑ ζ
2
LJ (r (t ); θ) =
EM + M 2
lk
k =1 l =1
, (5-54)
∞ 2
∫
− j 2π flk t
sk (t ) s (t − Δτ lk )e
*
k dt + ln C3
−∞
其中 1/ MN 为归一化系数。通过这种定义方式可以看出,模糊函数是与最大似然估
计器的性能密切相关的。
由于(5-54)定义的模糊函数与随机变量 ζ lk ( k = 1, , M , l = 1, , N )的具体
实现(realization)有关,这样无疑会使问题复杂化。对式(5-54)关于 ζ 11 ,…, ζ NM 求
数学期望,并假设 E{| ζ lk |2 } 对所有 k = 1, , M ,l = 1, , N 为一固定常数②,经幅度
调整后可得简化的模糊函数表达式
1 M N ∞
∑∑ ∫
2
χ (Δτ lk , flk ) = sk (t ) sk* (t − Δτ lk )e − j 2π flk t dt 。 (5-56)
MN −∞
k =1 l =1
接下来以另一种方式定义模糊函数。假设有两个目标,一个静止于坐标原点,
对收发路径 lk 上的信号引入时延 τ 0lk ( k = 1, , M , l = 1, , N )和零多普勒频移。
② 关于反射系数的处理也有其他不同方法,这在将来的研究中值得讨论。这里采用的方法是以简洁为目的的。
74
另一个目标位于 ( x, y ) 处,速度为 (vx , v y ) ,对收发路径 lk 上的信号引入时延 τ lk 和
多普勒频移 flk 。考虑单位反射系数 ③ ,则这两个目标产生的接收信号分别为
r1lk (t ) = sk (t − τ 0lk ) 和 r2 lk (t ) = sk (t − τ lk )e j 2π flk t 。
令 r1 = [ r111 (t ), r112 (t ), , r1NM (t )]† 以及 r2 = [ r211 (t ), r212 (t ), , r2 NM (t )]† ,则 r1 与 r2 之
差的范数的平方为
M N ∞
‖r1 − r2‖2 = ∑∑ ∫
2
r1lk (t ) − r2lk (t ) dt
k =1 l =1 −∞
M N ∞ M N ∞
= ∑∑ ∫ sk (t − τ 0lk ) dt + ∑∑ ∫
2 2
sk (t − τ lk ) dt , (5-57)
k =1 l =1 −∞ k =1 l =1 −∞
M N ∞
− 2∑∑ ℜ ∫ sk (t ) sk* (t − Δτ lk )e − j 2π flk (t −Δτ lk ) dt
−∞
k =1 l =1
比较(5-56)和(5-58)可以发现,由最大似然估计或由信号差的范数平方导出的非相
干 MIMO 雷达的模糊函数是一致的。
③ 跟前面的讨论一样,为简洁起见,以此消除对反射系数的依赖。
75
图 5-10 简化的系统模型.用以可视化 MIMO 雷达模糊函数.
vy
flk ≈ (sin φkt + sin φlr ) , (5-60)
λ
其中 φkt 和 φlr 分别为发射天线 k 和接收天线 l 相对目标的观测角。这种情况[56]如图
5-10 所示,其中三角形表示发射天线 k,圆圈表示接收天线 l,五角星表示被探测
区域内的目标所在位置。把(5-59)和(5-60)带入(5-58)中,可得简化的 MIMO 雷达模
糊函数
1 M N ∞
χ ( y, v y ) =
MN
∑∑ ∫
k =1 l =1
−∞ k
s (t )
v 2 。 (5-61)
− j 2π (sin φkt + sin φlr ) t
y
y
s (t − (sin φkt + sin φlr ))e
*
k
λ
dt
c
1
−π t 2
⎛ 2 ⎞4
假设发射信号采用频率扩展的高斯单脉冲,其包络为 sk (t ) = ⎜ 2 ⎟ e T2
e j 2π k Δft 。
⎝T ⎠
把 sk (t ) 带入(5-61),则关于高斯单脉冲信号的简化 MIMO 雷达模糊函数为
⎛ 1 T2 ⎞
−π (sin φkt + sin φlr ) 2 ⎜ 2 2 y 2 + 2 v 2y ⎟
1 M N
⎜T c ⎟
χ ( y, v y ) =
MN
∑∑ e
k =1 l =1
⎝ λ ⎠
。 (5-62)
76
图 5-11 扩频高斯单脉冲的 MIMO 雷达模糊函数. (a) 2 × 3 MIMO,
(b) 5 × 4 MIMO, (c) 0.5 等高线图.
发射天线和 4 个接收天线。在此两例中使用简化的模糊函数,可见模糊函数的主
瓣随天线数的增加而变窄,这也很容易从图 5-11(c)中的 0.5 等高线图中观察得到。
模糊函数越窄意味着分辨率越好,因此系统性能是随天线数目的增加而提高的。
如果发射扩频高斯脉冲串,其表达式为 sk (t ) = ∑ ∞n =−∞ z (t − nTr ) g (t )e j 2π k Δft ,其中
Tr 是脉冲重复周期, z (t ) 表示宽度为 T 的窄高斯脉冲, g (t ) 是宽度为 Tb 的宽高斯
脉冲, Δf 是频率增量。把 sk (t ) 代入(5-61)式,扩频高斯脉冲串对应的 MIMO 雷达
模糊函数为
77
1 M N
⎧1 ∞ ∞
χ ( y, v y ) =
MN
∑∑ ⎨ 2
k =1 l =1 ⎩ Tr
∑∑
n =−∞ m =−∞
⎫ 。 (5-63)
2 2 2
⎡y ⎤ 1 ⎛m⎞ y 2π ⎡ vy m⎤
−π ⎢ (sin φkt + sin φlr ) − nTr ⎥ 2 −π ⎜ ⎟ T 2 − 2 2 (sin φkt + sin φlr )2 −π ⎢ (sin φkt + sin φlr ) − ⎥ Tb2
⎣c ⎦ T ⎝ Tr ⎠ Tb c ⎣λ Tr ⎦ ⎪
e ⎬
⎪⎭
5.6 扩展分析
其中 wl (t ) 代表接收机 l 上的杂波加噪声,它是一个零均值时间白的复高斯随机过
程。所有接收天线上的观测值组成向量
E
r (t ) = [r1 (t ), r2 (t ), , rN (t )]† = Uζ + w (t ) , (5-65)
M
其中 U 是一个 N × MN 维的矩阵,其中包含了所有路径对应的经时延和多普勒频移
后的信号
⎡u1† 0 0⎤
⎢ † ⎥
0 u 0⎥
U=⎢ 2
, (5-66)
⎢ ⎥
⎢ ⎥
⎣⎢ 0 0 u†N ⎦⎥
78
所述的反射系数 ζ lk 集中起来,构成向量 ζ = [ζ 11 , ζ 12 , , ζ NM ]† ,其协方差矩阵为
R NM ×NM = E{ζζ H } ,且 ζ ~ CN (0, R ) 。另外, w (t ) = [ w1 (t ), w2 (t ), , wN (t )]† 代表噪声
向量,满足 E{w (t ) w H (t − τ )} = Qδ (τ ) ,其中 Q 具有时间不变性,它与匹配滤波器
的输出端的噪声的协方差矩阵有关。
与 5.2 节中的讨论类似,使用(5-65)中的信号模型,并假设矩阵 Q 和反射系数
的协方差矩阵 R 已知。这些信息可能是通过预处理(比如前一步的检测过程等)
或者自适应处理得来的。在给定 ζ 的条件下,似然比函数为
⎧⎪ E H E H E ⎫⎪
Λ J ( θ; r (t ), ζ ) = C1′ exp ⎨ z ζ+ ζ z − ζ H Vζ ⎬ , (5-67)
⎩⎪ M M M ⎭⎪
∞ ∞
其中 C1′ 是一个与 θ 无关的常数, V = ∫ U H Q −1Udt ,z = ∫ U H Q −1r (t )dt ,其中关于
−∞ −∞
时间的积分是对矩阵中的每个元素分别进行的。向量 z 是可看作匹配滤波器的输
出,此滤波过程考虑了向量中的元素之间的相关性。利用反射系数的概率密度
1
函数 pζ (ζ) = NM exp {−ζ H R −1ζ} 可以得到似然比函数的表达式( ∫ 表示对 ζ 在
π det R ζ
其定义域上求多维积分)
Λ J ( θ; r (t ) ) = ∫ Λ J ( θ; r (t ), ζ ) pζ (ζ)dζ
ζ
, (5-68)
⎧E ⎫
= C2′ det( X) exp ⎨ z H X −1z ⎬
⎩M ⎭
⎛E ⎞
其中 C2′ 是一个与 θ 无关的常数,X = ⎜ V + R −1 ⎟ 。计算中假设 Q ,R 以及 X 为满
⎝M ⎠
秩矩阵,因此是可逆的。注意到对于天线以足够大间距分置的 MIMO 雷达系统,
在目标由大量散射体组成时, R 可逆的假设是合理的[57]。另外考虑到热噪声的存
在,假设 Q 满秩也是合理的。对数似然函数可表示为
E H −1
LJ ( θ; r (t ) ) = ln Λ J ( θ; r (t ) ) = z X z + ln det( X) + ln C2′ 。 (5-69)
M
由此可得对未知参数 θ 的最大似然估计
79
响,这里仍对计算复杂度的问题稍做讨论。在这种更一般的情况下,增加发射和
接收天线的数量 MN 会导致运算中矩阵维数的增加,因而大大增加了最大似然估
计的计算复杂度。通过算法的设计来降低计算复杂度不在本章的讨论范围之内,
但这是可行的,例如可能找到一种有效的次优的算法,既能达到所要求的性能,
又能减小计算的复杂度。
在没有假定 1-3 的情况下,这里提出的信号模型是具有一般性和普遍适用的。
接下来将逐一讨论去掉假定 1-3 所产生的影响。
5.6.1 反射系数部分相关的情况
式(5-70)中的最大似然估计适用于最一般的情况,允许信号不正交、空间色的
杂波加噪声、相关的反射系数等。本节中考虑假设 1-2 成立,重点讨论由反射系数
的相关性所产生的影响。
∞
,因此 ∫ U H Udt = I 。另外由假定 2 可以得到,
因为信号相互正交(由假定 1)
−∞
∞ ∞
V = ∫ U H Udt = I , z = ∫ U H r (t )dt 。因此(5-68)中的似然比可化简为
−∞ −∞
⎧⎪ E ∞ ⎡E −1 ⎤
−1
∞ ⎫⎪
Λ J ( θ; r (t ) ) = C3′ exp ⎨ ∫−∞ r (t )Udt ⎢⎣ M I + R ⎥⎦
H
∫−∞ U H
r (t ) dt ⎬, (5-71)
⎩⎪ M ⎭⎪
M −∞
于是未知参数 θ 的最大似然估计为
⎧⎪ ∞ −1
⎫⎪ 。 (5-73)
⎡E ⎤ ∞
= arg max ⎨ ∫ r H (t )Udt ⎢ I + R −1 ⎥ ∫ U H r (t )dt ⎬
θ
⎪⎩ −∞ ⎣M ⎦ −∞ ⎪⎭
5.6.1.1 反射系数的相关矩阵
考虑到目标的雷达截面积随观测角强烈起伏,本小节基于观测角提出反射系
数的相关矩阵的模型。任给两个发射天线,二者的间隔越大、角度分得越开,则
从发射天线到目标的两条路径所对应的反射系数的相关性也越小。假设从发射天
80
线 k 和 k ' 到目标的路径所对应的反射系数的相关系数可表示为
ρ kk ′ = e−αΔφ , kk ′
(5-74)
它是两个发射天线相对目标观测角度之差 Δφkk (
′ Δφkk ′ ∈ [0, π ] )的函数。上式中的 α
称( α > 0 )为相关度指数, α 越大则相关度越小。收集所有关于发射天线 k 和 k '
( k , k ′ = 1,..., M )的反射系数的相关系数 ρ kkt ′ ,构成矩阵
⎡ ρ11t ρ1tM ⎤
⎢ ⎥
Rt = ⎢ ⎥。 (5-75)
⎢ ρ Mt 1 ρ MM ⎥⎦
t
⎣
⎡ ρ11r ρ1rN ⎤
⎢ ⎥
Rr = ⎢ ⎥。 (5-76)
⎢ ρ Nr 1 r ⎥
ρ NN ⎦
⎣
所有收发路径之间的相关系数构成最终的反射系数相关矩阵
( N , N ,M ,M )
R = R r ⊗ R t = ⎡⎣ ρllr ′ ρ kkt ′ ⎤⎦ ′ ′= 。 (5-78)
l ,l , k , k (1,1,1,1)
5.6.1.2 渐近分析
在 5.2.2 节中,已经从理论上证明在反射系数相互独立的情况下,当 MN 足够
大时,最大似然估计渐近收敛于参数的真实值。本小节在 5.6.1.1 介绍的相关模型
的基础上,以数值实例来说明最大似然估计的这种渐近特性在反射系数相关的情
况下仍然成立。
考虑(5-78)的相关系数模型,令相关度指数 α = 0.1 。假设发射信号是参数为
T = 0.1 的扩频高斯单脉冲,目标的位置和速度分别为 (150,125.7) m 和 (53,30) m/s,
SCNR 为 25dB。由(5-73)求得的最大似然估计 θˆ = [ xˆ , yˆ , vˆ , vˆ ]† 的直方图如图 5-13
ML x y
至图 5-16 所示。在这些图中,(a)到(c)所对应的天线数分别为 2 × 3 、5 × 4 、和 9 × 9 ,
81
图 5-13 x 的最大似然估计直方图. (a) 2 × 3 MIMO, (b) 5 × 4 MIMO,
(c) 9 × 9 MIMO. 真实参数 x = 150m .
82
图 5-16 v y 的最大似然估计直方图. (a) 2 × 3 MIMO, (b) 5 × 4 MIMO,
(c) 9 × 9 MIMO. 真实参数 v y = 30m / s .
5.6.1.3 数值结果
现在给出几个例子来研究在反射系数相关的情况下最大似然估计的均方误差
的性能。考虑 MIMO 雷达的天线数为 5 × 4 ,均匀分布于 [0, 2π ) 的方向上。假设发
射信号是参数为 T = 0.1 的高斯单脉冲。目标的位置和速度分别为 (150,125.7) m 和
(53,30) m/s。反射系数的相关性如(5-74)所述,相关度指数为 α 。当 α 分别等于 0.75 ,
0.1 和 0.01 时,最大似然估计均方误差随 SCNR 的变化如图 5-17 所示。图中也作
出了反射系数相互独立( α = ∞ )情况下的克拉美-罗界曲线以作为比较。当天线
位置固定时,相关矩阵 R 中的非对角元随 α 的减小而增加,也就是说不同反射系
数之间的相关性增加。在本例中,当 α 等于 0.75 ,0.1 和 0.01 时, R 的最大非对
角元 max E{ζ lk ζ l ′k ′ } ( l ≠ l ′ 和/或 k ≠ k ′ )分别为 0.39,0.87 和 0.98。由图可见,
α = 0.75 所对应的最大似然估计均方误差曲线几乎与图 5-3 所示的反射系数相互独
立情况下的曲线重叠。当 α 减小时(反射系数的相关性增大)
,SCNR 的阀值也随
之而增加,并且渐近均方误差也随之增大。很明显,当反射系数之间的相关性增
83
SCNR(dB)
SCNR(dB)
大时,系统的性能变差了。
在反射系数相关的情况下,系统性能仍然是随天线数的增加而提高的。如图
5-18 所示,本例中 MIMO 雷达的天线数为 9 × 9 ,均匀分布于 [0, 2π ) 方向上,其他
参数和图 5-17 中的相同。当 α 分别等于 0.75 ,0.1 和 0.01 时,最大似然估计的均
方误差随 SCNR 变化的曲线见图 5-18 所示。反射系数相互独立时的克拉美-罗界也
84
图 5-19 均方误差随 MIMO 雷达发射和接收天线数乘积的变化.
发射信号非正交, SCNR = 25dB, T = 0.1 .
5.6.2 非正交信号的情况
5.6.3 空间色噪声的情况
5.6.4 三维空间的情况
上文中的分析中都是基于二维笛卡尔坐标系的。现在把讨论延伸到三维空间。
这里设假定 1-3 都成立。在三维空间中,发射天线 k( k = 1, , M )和接收天线 l
( l = 1, , N )的位置分别为 ( xkt , ykt , zkt ) 和 ( xlr , ylr , zlr ) 。未知的目标位置和速度分别
86
为 ( x, y , z ) 和 ( v x , v y , vz ) 。
接收天线 l 收到的来自发射天线 k 的信号的低通等效模型为
E 3D
rlk3 D (t ) = ζ lk sk (t − τ lk3 D )e j 2π flk t + wlk (t ) , (5-79)
M
其中第 lk 收发路径对应的时延为
多普勒频移为
vx ( xkt − x) + v y ( ykt − y ) + vz ( zkt − z ) vx ( xlr − x) + v y ( ylr − y ) + vz ( zlr − z )
f 3D
= + 。(5-81)
lk
λ d kt 3 D λ dlr 3 D
定义未知参数向量 θ3D 为
†
θ3 D = ⎡⎣ x, y, z , vx , v y , vz ⎤⎦ , (5-82)
其中 θ3D
a 代表参数的真实值。
费歇尔信息矩阵可由下式计算
J (θ3 D ) = (∇θ3 D ϑ 3 D † )J (ϑ 3 D )(∇θ3 D ϑ 3 D † )† , (5-85)
其中引入了的新的参数向量
†
ϑ 3 D = ⎡⎣τ 113 D ,τ 123 D ,...,τ NM
3D
, f113 D , f123 D ,..., f NM
3D
⎤⎦ (5-86)
根据(5-86)和(5-82),可求得(5-85)中的 ∇θ3 Dϑ 3 D † 等于
87
⎡ ∂τ 113 D ∂τ 123 D ∂τ NM
3D
∂f113 D ∂f123 D ∂f NM
3D
⎤
⎢ ⎥
⎢ ∂x ∂x ∂x ∂x ∂x ∂x ⎥
⎢ ∂τ 113 D ∂τ 123 D ∂τ NM
3D
∂f113 D ∂f123 D ∂f NM
3D
⎥
⎢ ∂y ∂y ∂y ∂y ∂y ∂y ⎥
⎢ ⎥
⎢ ∂τ 113 D ∂τ 123 D ∂τ NM
3D
∂f113 D ∂f123 D ∂f NM ⎥
3D
⎢ ⎥
∂z ∂z ∂z ∂z ∂z ∂z ⎥
∇ θ3 D ϑ 3 D † = ⎢⎢ ⎥。 (5-87)
∂f113 D ∂f123 D ∂f NM
3D
⎢ 0 0 0 ⎥
⎢ ∂vx ∂vx ∂vx ⎥
⎢ ∂f113 D ∂f123 D 3D ⎥
∂f NM
⎢ 0 0 0 ⎥
⎢ ∂v y ∂v y ∂v y ⎥
⎢ 3D ⎥
⎢ 0 ∂f113 D ∂f123 D ∂f NM ⎥
0 0
⎢⎣ ∂vz ∂vz ∂vz ⎥⎦
将式(5-85)中的 J (ϑ 3 D ) 用分块矩阵表示为
⎡ JUL JUR ⎤
J (ϑ 3 D ) = ⎢ LL ⎥, (5-88)
⎣J J LR ⎦
var (vˆx ) ≥ ⎡⎣ J −1 (θ3aD ) ⎤⎦ , var (vˆ y ) ≥ ⎡⎣ J −1 (θ3aD ) ⎤⎦ , var (vˆz ) ≥ ⎡⎣ J −1 (θ3aD ) ⎤⎦ 。(5-90)
4,4 5,5 6,6
5.7 小结
88
了最大似然估计的均方误差。本章研究了阀值现象,SCNR 阀值即最大似然估计的
均方误差曲线斜率出现剧烈变化处所对应的 SCNR 值。对一些实例的研究表明,
MIMO 雷达系统的天线数越多时,克拉美-罗界越低、SCNR 阀值越小。本章也分
析了有限系统资源的影响,例如对发射能量受约束或硬件资源受约束的情况进行
了讨论。在假设其余参数固定不变的前提下,讨论了改变天线布置或采用不同发
射波形对最大似然估计均方误差性能的影响。本章基于最大似然估计和信号差的
范数平方这两种不同的分析手段,导出了非相干 MIMO 雷达的模糊函数。为了达
到可视化的目的,本章对模糊函数进行了简化。从本章给出的图例来看,增大
MIMO 雷达发射和接收天线数乘积有利于改善模糊函数从而获得更优的性能。
89
第六章 相干与非相干 MIMO 雷达
6 相干与非相干 MIMO 雷达
6.1 信号模型
90
θ = [ x, y, vx , v y ]† 。 (6-3)
在相干和非相干处理中,均假定所有发射机和接收机是时间同步的。在相干处理
时,进一步假定所有的发射机和接收机是相位同步的。值得注意的是相位同步对
系统要求较高,往往不易实现。
当把目标类比于天线时,可以根据目标的大小来定义等效的目标波束宽度
[3] [58]
, 。假设雷达系统的天线布置得恰当,使得所有天线都位于同一目标波束之内。
那么在此情况下,每一收发路径观测到的复反射系数是相等的,记为 ζ = ζ R + jζ I 。
于是接收天线 l 上收到的信号的模型为
M
E
rl (t ) = ∑ ζ sk (t − τ lk )e− j 2π fcτ lk e j 2π flk t + wl (t ) , (6-4)
k =1 M
其中包含了所有的待估计参数。那么相干处理的似然比可表示为
E ⎧ N M ⎫
∞
2
Lcoh
( Θ; r (t ) ) = ℜ ⎨ζ ∑∑ ∫ rlk* (t ) sk (t − τ lk )e − j 2π fcτ lk e j 2π flk t dt ⎬
J
σ w2 M ⎩ l =1 k =1 −∞ ⎭ (6-8)
1 E
− 2 | ζ |2 NM + C1 ,
σw M
91
其中 C1 (以及后文的 Ci , i = 2,3,... 等)为与待估参数无关的常数,而对于(6-8)中的
rlk (t ) ,其信号模型可由下式表示
E
rlk (t ) = ζ sk (t − τ lk )e − j 2π fcτ lk e j 2π flk t + wl (t ) , (6-9)
M
J ( Θ; r (t ) )
∂Lcoh J ( Θ; r (t ) )
∂Lcoh
= =0, (6-10)
∂ζ R ζ =ζˆ
∂ζ I ζ =ζˆ
RML I ML
可求得反射系数的最大似然估计为
∞
M 1 N M
ζˆ ML = ζˆ RML + jζˆIML =
E NM
∑∑ e
l =1 k =1
j 2π f cτ lk
∫r lk (t ) sk* (t − τ lk )e − j 2π flk t dt 。 (6-11)
−∞
( ) 1 N M
coh
L
J θ; r (t ), ζˆML =
σ w NM
2 ∑∑ e
l =1 k =1
j 2π f cτ lk
∫r lk (t ) s (t − τ lk )e
*
k
− j 2π flk t
dt + C1 。 (6-12)
−∞
相应的 θ 的最大似然估计为
( )
coh
θ ML = arg max LJ θ; r (t ), ζˆML
θ
N M ∞ 2 。 (6-13)
= arg max
θ
∑∑ e
l =1 k =1
j 2π f cτ lk
∫r lk (t ) s (t − τ lk )e
*
k
− j 2π f lk t
dt
−∞
由(6-13)可见,不同路径上的相移对估计器的输出有着至关重要的影响。直观地讲,
显然希望绝对值符号中的求和项在相位上一致,以使(6-13)获得最大值。为了充分
利用相位的信息来提高估计的性能,要求所有的发射机和接收机保持相位同步。
由此可见这是一种相干处理的方法。
当天线间距足够大,以至于它们位于不同的目标波束中时,每条收发路径所
对应的反射系数是相互独立的。在这种情况下,可以证明最大似然准则下的最优
估计器的是采用非相干处理的估计器。设收发路径 lk 所对应的反射系数 ζ lk 是一个
方差为 σ 2 的复高斯随机变量,其值在观测时间内保持恒定。接收天线 l 上的收到
的信号模型为
92
M
E
rl (t ) = ∑ ζ lk e j 2π fcτ lk sk (t − τ lk )e j 2π flk t + wl (t )
k =1 M
, (6-14)
M
E
=∑ ζ lk sk (t − τ lk )e j 2π flk t + wl (t )
k =1 M
其中 wl (t ) 表示接收机 l 中的噪声,为一零均值、时间空间白的复高斯过程,功率
谱恒为 σ w2 。注意到在(6-14)中,第二个等号之所以成立是由于随机变量 ζ lk 和
ζ lk e j 2π f τ 的分布相同,因此能够对该式进行这种化简。进一步假设发射信号间相
c lk
互正交,且在经历时延和多普勒频移后仍保持近似正交(见关于(6-5)和(6-6)的讨
。对于未知的目标位置和速度( θ = [ x, y , v x , v y ]† )的最大似然估计为[49]
论)
non M N ∞ 2
θ ML = arg max ∑∑ ∫ rlk (t ) sk* (t − τ lk )e − j 2π flk t dt , (6-15)
θ −∞
k =1 l =1
6.2 相干处理和非相干处理的均方误差比较
设 θa 是待估参数向量的真实值, θ̂ 为其估计量。定义联合估计的总均方误差
为
{
MSE = E W † (θˆ − θ a )
2
}, (6-16)
其中 W 是与 θ̂ 维数相同的权向量,其值为常数。加权的均方误差可以突出某些参
量的估计的重要性。对各个参量赋以相同的权重当然也是可行的。
定理 1:设 MIMO 雷达有 M 个发射天线和 N 个接收天线。对相干处理和非相
干处理分别采用(6-4)和(6-14)中的模型。假设发射信号之间相互正交,且加性高斯
噪声是时间和空间白的。对于非相干处理的情况,假设反射系数之间相互独立;
而对于相干处理的情况,假设反射系数相等。这种假设保证了在每种处理模式下
都能获得最好的性能。如果相干处理的性能比非相干处理要好(均方误差更小)
,
93
则在 MN 足够大的情况下,非相干处理的最大似然估计的均方误差( MSE non )会
逼近相干处理的最大似然估计的均方误差( MSE coh )
。进一步地,有
MSE coh → 0, as MN → ∞ , (6-17)
以及
MSE non → 0, as MN → ∞ 。 (6-18)
此即证明了式(6-18)。
考虑到均方误差非负,如果相干处理的均方误差小于非相干处理的均方误差,
则
0 ≤ MSE coh ≤ MSE non (6-20)
6.3 相干处理和非相干处理的克拉美-罗界
在天线数目很大时,计算最大似然估计的均方误差非常耗时。然而,正如后
文将证明的那样,最大似然估计的均方误差在 MN 足够大时逼近克拉美-罗界。因
此,在 MN 足够大时,可以用易于计算的克拉美-罗界来作为均方误差的近似。相
干处理模式下对目标位置和速度的联合估计的克拉美-罗界尚未被研究过,本节将
对其进行推导。非相干处理的克拉美-罗界在 5.3 节中已有讨论,其中已指出在非
相干处理模式下,当 MN 很大时,克拉美-罗界可以作为均方误差的近似。在本节
94
的讨论中将假定发射信号相互正交、噪声是时间和空间白的复高斯过程。
6.3.1 相干处理的克拉美-罗界
假设发射信号相互正交,且噪声是时间和空间白的复高斯过程,那么相干处
理中待估参数对应的费歇尔信息矩阵可以通过(6-12)中的似然函数求得。详细推导
见附录 A.4.4。所得的费歇尔信息阵如(6-21)所示
8π 2 | ζ |2 E M N
J coh (Θ) =
σ w2 M
∑∑
k =1 l =1
∫ ∫
2 2
ε kc = f 2 Sk ( f ) df − 2 f c f Sk ( f ) df + f c2 , (6-22)
−∞ −∞
1 ⎧ ∂s (t − τ lk ) ⎫
∞ ∞
ℑ ⎨ ∫ tsk* (t − τ lk ) k dt ⎬ − f c ∫ t sk (t − τ lk ) dt ,
2
γ lkc = (6-23)
2π ⎩ −∞ ∂τ lk ⎭ −∞
∫t
2
η =c
lk
2
sk (t − τ lk ) dt , (6-24)
−∞
∫
2
α k = fc − f S k ( f ) df , (6-25)
−∞
以及
95
∞
∫ t s (t − τ
2
Ξ lk = k lk ) dt , (6-26)
−∞
其中 Sk ( f ) 表示 sk (t ) 的傅立叶变换。目标位置和速度的估计的克拉美-罗界分别是
费歇尔矩阵的逆的主对角元的前四个元素
CRBcoh
x = ⎡⎣ J coh
−1
(θ) ⎤⎦ , CRBcoh
y = ⎡⎣ J coh
−1
(θ) ⎤⎦ ,
1,1 2,2
⎡ −1 ⎤
vx = ⎣ J coh (θ) ⎦ 3,3 ,
CRBcoh ⎡ −1 ⎤
v y = ⎣ J coh (θ) ⎦ 4,4 。
CRBcoh (6-27)
6.3.2 非相干处理的克拉美-罗界
假设发射信号相互正交,且噪声是时间和空间白的复高斯过程,则非相干处
理中待估参数对应的费歇尔信息矩阵为
8π 2σ 4 E 2 M N
J non (θ ) = 2
(σ E + σ w2 M )σ w2 M
∑∑
k =1 l =1
⎡ εknalk2 + 2γ lkn alkelk +ηlkn elk2 (εknalk + γ lkn elk )blk + (γ lkn alk +ηlkn elk )glk (γ lkn alk +ηlkn elk )βlk (γ lkn alk +ηlkn elk )qlk ⎤
⎢ n ⎥
⎢(εk alk + γ lkelk )blk + (γ lkalk +ηlk elk )glk εknblk2 + 2γ lkn blk glk +ηlkn glk2 (γ lkn blk +ηlkn glk )βlk (γ lkn blk +ηlkn glk )qlk ⎥ ,
n n n
⎢ (γ lkn alk +ηlkn elk )βlk (γ lkn blk +ηlkn glk )βlk ηlkn βlk2 ηlkn βlk qlk ⎥
⎢ ⎥
⎣ (γ lkalk +ηlk elk )qlk
n n
(γ lkblk +ηlk glk )qlk
n n
ηlk βlk qlk
n
ηlk qlk
n 2
⎦
(6-28)
∂τ lk ∂τ ∂f ∂f ∂f ∂f
其中 alk = , blk = lk , elk = lk , g lk = lk , β lk = lk , qlk = lk 等项由目标的位置、
∂x ∂y ∂x ∂y ∂v x ∂v y
,而 ε kn , γ lkn 以及ηlkn 则与接收波形的
速度和天线位置确定(具体表达式见附录 A.4.5)
特性有关
∞ ∞ 2
∫ ∫
2 2
ε =
n
k f S k ( f ) df −
2
f S k ( f ) df , (6-29)
−∞ −∞
1 ⎧ ∂s (t − τ lk ) ⎫
∞
γ =n
ℑ ⎨ ∫ tsk* (t − τ lk ) k dt ⎬
2π ⎩ −∞ ∂τ lk
lk
⎭ , (6-30)
∞ ∞
−∫ f S k ( f ) df ∫ t sk (t − τ lk ) dt
2 2
−∞ −∞
以及
∞ ∞ 2
∫t ∫ t s (t − τ
2 2
ηlk =
n 2
sk (t − τ lk ) dt − k lk
) dt 。 (6-31)
−∞ −∞
对目标位置和速度估计的克拉美-罗界是费歇尔信息的逆的主对角元,其表达式与
96
(6-27)相似,只需把上标由 coh 替换为 non。
6.4 性能比较和实验结果
为了比较相干处理和非相干处理的估计性能,这里既对 θ 中每一参数的估计进
行分析,也对参数向量 θ 整体的估计进行分析。为简便起见,不妨假设 W = [1, ,1]† ,
即 θ 中每个分量具有相同的权重。对于 θ 中的第 i 个分量 θi ,其均方根误差(root
mean square error, RMSE)定义为
6.4.1 仿真实验
97
图 6-1 相干处理(coh)和非相干处理(non)时发射天线(TX)和接收天线(RX)的位置,
以及目标位置和速度的示意图. 设 M=N=6. 相干处理时收发天线共置.
2π (k − 1) π
线 k 与横轴的夹角为 ϕkt = + , k = 1,..., M ,接收天线 l 与横轴的夹角为
M 8
2π (l − 1)
ϕlr = , l = 1,..., N 。当进行相干处理时(coh) ,天线均匀分布于 [π / 6, π / 3] 的
N
π ( k − 1) π π (l − 1) π
方向上,其中 ϕ kt = + 和 ϕ lr = + 。假设目标的位置为(225,300)m,
6( M − 1) 6 6( N − 1) 6
1
⎛ 2 ⎞4 ⎛ −π t 2 ⎞
运动速度为(29,37)m/s。发射信号为扩频高斯单脉冲 sk (t ) = ⎜ 2 ⎟ exp ⎜ 2 ⎟ e j 2π k Δft ,
⎝T ⎠ ⎝ T ⎠
k = 1, , M ,其中脉冲宽度为 T,Δf = f k +1 − f k ≥ 0 是 sk (t ) 和 sk +1 (t ) 之间的频率增量。
令 T=0.1, Δf = 5 / T ,则发射信号近似正交(参见附录 A.3 的分析) 。设信噪比为
20dB。图 6-2 描绘了相干和非相干处理时各估计量( θˆi = xˆ , yˆ , vˆx 和 vˆ y )所对应的
RMSE i 随 MN 的变化关系。用点线代表由仿真计算得出的各估计量所对应的均方
误差, MSE = E{(θˆ − θ ) 2 } ,注意为了控制仿真时间,只在 MN<100 时计算了估
i i a ,i
计量的均方误差;实线表示用克拉美-罗界来近似的每个估计量的均方误差。由图
可见, RMSE i 随 MN 的增加而减小。在本例中,对于目标位置(x, y)的估计,相干
处理的均方误差比非相干处理的小,这可由[22]中阐述的“定位相干处理增益”来
解释:相干处理对位置估计的 RMSE i 之所以比非相干处理更小,是由于相干处理
时的定位的精度与信号的载波频率成反比,而非相干处理时的定位精度与信号的
带宽成反比,因此在目标定位方面相干处理比非相干处理更有优势。在图 6-2 中可
以看到,相干处理对目标速度的估计比非相干处理要差。其原因可能是,在非相
干处理中,天线沿 x 轴和 y 轴方向分布更广,因此对二维的目标速度有更好的估计。
98
图 6-2 对位置和速度的联合估计中 RMSE i 随 MN 的变化关系. SNR=20dB. 点线表示的
MSE 为仿真计算所得(仅对较小的 MN),实线表示的 MSE 由克拉美-罗界近似.
99
图 6-4 对位置和速度的联合估计中 RMSE i 随 MN 的变化关系. SNR=25dB. 点线表示的 MSE
为仿真计算所得(仅对较小的 MN), 实线表示的 MSE 由克拉美-罗界近似.
101
图 6-7 对位置和速度的联合估计中 NDRMSE 随 MN 的变化关系. SNR=20dB.
用圈标识的点线表示的 MSE 为仿真计算所得(仅对较小的 MN),
用三角标识的实线表示的 MSE 由克拉美-罗界近似.
102
图 6-8 在对位置和速度的联合估计中 RMSE i 随 MN 的变化关系. SNR=20dB.
6.5 扩展分析
103
图 6-10 对位置和速度的联合估计中 RMSE i 随 MN 的变化关系.
相干和非相干处理均使用非正交信号. SNR=25dB.
6.5.1 非正交信号的情况
1
⎛ 2 ⎞4 ⎛ −π t 2 ⎞
设发射信号是扩频高斯脉冲信号 sk (t ) = ⎜ 2 ⎟ exp ⎜ 2 ⎟ e j 2π k Δft ,k = 1,..., M ,
⎝T ⎠ ⎝ T ⎠
如果频率增量 Δf 不够大,则不同发射信号的频谱将发生混叠,从而不再具有正交
性。令 T = 0.1 , Δf = 0.7 / T ,这样产生的发射信号是非正交的。假设 MIMO 雷达
系统有 M = 3 个发射天线、 N = 6 到 50 个接收天线,所有天线与坐标原点之间的
距离约为 7000m。进行非相干处理时,雷达的天线均匀布置在 [0, 2π ) 的方向上,
2π (k − 1) π
其中发射天线 k 和横轴间的夹角为 ϕkt = + ,接收天线 l 和横轴间的夹角
M 6
2π (l − 1)
为 ϕlr = 。进行相干处理时,雷达天线均匀布置在 [π / 6, π / 3] 的方向上,其
N
π (k − 1) π π (l − 1) π
中 ϕkt = + ,ϕlr = + 。假设目标的位置和速度分别为 (255,300)m
6( M − 1) 6 6( N − 1) 6
104
图 6-11 对位置和速度的联合估计中 NDRMSE 随 MN 的变化关系.
相干和非相干处理均使用非正交信号. SNR=25dB.
6.5.2 空间色噪声的情况
在前面讨论的信号模型中,如(6-4)或(6-14),噪声分量 wl (t ), l = 1, , N 总被假
设为是时间和空间白的,其功率谱恒为 σ w2 。如果令 w (t ) = [ w1 (t ), w2 (t ), , wN (t )]† ,
则有 E{w (t )w H (t + τ )} = σ w2 I N δ (τ ) ,其中 I N 表示 N 维单位矩阵。现在考虑空间色噪
声的情况,设 E{w (t )w H (t − τ )} = Qδ (τ ) ,其中 δ (τ ) 为单位冲激函数, Q 是时不变
的常数矩阵,它决定了匹配滤波器输出端的噪声协方差矩阵(详细讨论参见附录
A.4.3)
。
接收机 l 和接收机 l ′ 中的噪声的协方差由矩阵 Q 中的第 ll ′ 个元素描述,其中
E{wl (t ) wl*′ (t − τ )} = Qll ′δ (τ ) 。假设 Qll ′ = σ w2 (1/ 5 )
|Δφll′ |
,由目标到接收天线 l 和 l ' 所成
角度之差 Δφll ′ 决定,其中的标量 σ w2 是用于调整信噪比的。假设发射信号为扩频高
1
斯单脉冲 sk (t ) = ( 2 / T 2 ) 4 exp ( −π t 2 / T 2 ) e j 2π k Δft , k = 1, , M ,其中 T=0.1,设 Δf = 5 / T
以保证发射信号相互正交。信噪比为 25dB。在相干和非相干处理时,天线的位置
105
图 6-12 空间色噪声的情况下对位置和速度的联合估计中
RMSE i 随 MN 的变化关系. SNR=25dB.
106
NDRMSE。在本例中,达到 NDRMSE ≤ 4% 所需的天线数目为 MN ≥ 18 。
6.6 小结
107
全文总结与展望
7 全文总结与展望
MIMO 雷达是采用多个发射和接收天线,充分利用发射信号和传输通道的特
征来联合处理数据的雷达系统。现有的研究已证实了 MIMO 雷达的某些优良特性,
加之其题材新颖、理论延展性强,自提出以来就受到了众多雷达和通信领域学者
的高度关注。
本文首先讨论了共置天线 MIMO 雷达。MIMO 雷达可以通过发射正交波形使
发射信号全方位覆盖,在接收端同时形成多个联合波束则可实现在任意时刻对所
有感兴趣空域进行探测。MIMO 雷达接收端的同时多波束为比幅测角创造了有利
条件。本文研究了将比幅测角应用到 MIMO 雷达系统中的若干问题。
此后,本文对分置天线 MIMO 雷达的诸多问题进行了研究。不同于共置天线
MIMO 雷达的是,分布放置的天线相对目标的视角各异,使得分置天线 MIMO 雷
达系统能够同时从多个角度探测目标,这点非常有利于杂波背景中的运动目标检
测。
在完成对运动目标的检测的基础上,希望进一步了解 MIMO 雷达对运动目标
的参数的估计能力。于是本文对速度估计的克拉美-罗界进行了推导,并基于克拉
美-罗界分析了系统设计的优化问题。
假设目标是复高斯扩展目标,本文研究了 MIMO 雷达对目标位置和速度的联
合估计性能。文中推导了联合估计的克拉美-罗界,分析了最大似然估计的均方误
差,研究了信杂噪比阀值,以两种不同方法导出了非相干 MIMO 雷达的模糊函数。
研究发现,当 MIMO 雷达使用的发射天线和接收天线数之积增大时,克拉美-罗界
降低、SCNR 阀值变小,从而提高了雷达系统的联合估计能力。
相干处理和非相干处理是讨论 MIMO 雷达信号处理时不可回避的话题。相干
处理要求雷达系统中的全部发射机和全部接收机相位严格同步,对实际系统提出
了很高的要求,这在天线相距甚远时尤为困难。硬件难实现的代价使得相干处理
在某些情况下具有远好于非相干处理的性能。本文以位置速度联合估计问题为例,
针对相干和非相干处理进行了分析和比较。研究表明,随 MIMO 雷达的发射天线
和接收天线数乘积的增加,相干和非相干处理性能的差别逐渐减小,当上述乘积
足够大时用非相干代替相干处理不会造成太大的性能损失。这个结论是有意义的,
表明了可以在增大天线数带来系统复杂度增加和进行相位同步带来系统复杂度增
108
加二者间进行折衷或取舍。
未来的研究工作可在本文基础上进行扩展分析。例如本文所讨论的杂波加噪
声都是高斯分布的,接下来可以进一步分析非高斯杂波的情况;又如本文仅讨论
了单目标的情况,对于多目标情况下类似问题的研究也是很有意义的等等。
此外,MIMO 雷达的关键问题之一是波形设计。虽然已有很多文献对波形设
计问题进行过讨论,作者认为该问题仍有继续研究的价值。例如,如何针对不同
类型的 MIMO 雷达在不同场合的应用来设计优化波形,这在现有文献中鲜有提及,
是有待研究的内容之一。
本文工作只对 MIMO 雷达的一小部分问题进行了探讨。关于 MIMO 雷达的研
究还有很多值得深入研究的话题。
109
附 录
8 附录 A
ξ = max ∑∑
lk lk
γ, (A-1)
vx ,v y
k =1
H ˆ
l =1 d (vx , v y )C d (vx , v y ) <
−1
lk lk lk
H2
注意到 C ˆ ′ = C1/ 2C
ˆ −1C1/ 2 服 从 均 值 为 I 的 复 维 沙 特 分 布 ( complex Wishart
lk lk lk lk
2 2
ˆ ′′−1r′′
ce H (vx , v y )C ˆ ′′−1r′′
e H (vx , v y )C
lk lk lk lk
= 。 (A-3)
ˆ ′′−1e
| c |2 e H C ˆ ′′−1e
eH C
lk lk
ˆ ′′ 服从的分布分别与 r′ 和 C
由于 rlk′′ 和 C ˆ ′ 一致,是与实际的杂波协方差矩阵 C 无
lk lk lk lk
110
A.2 第四章附录
A.2.1 随机反射系数情况下的克拉美-罗界
{
J ( v | ζ) = − E ∇ v [∇ v ln p (r; θ) ] ,
†
} (A-4)
∂ ∂ †
其中 ∇ v = [ , ] 。将(4-3)代入(4-7)并关于 vx 和 v y 求导可得
∂vx ∂v y
⎧ ⎡ ∂ 2 ln p (r; θ) ∂ 2 ln p (r; θ) ⎤ ⎫
⎪⎢ ⎥⎪ 2 E
∂vx2 ∂vx ∂v y ⎥ ⎪ 8π
⎪⎢
J ( v | ζ) = − E ⎨ 2 = M ⎡ g0 z0 ⎤
, (A-5)
⎬ 2 ⎢
⎢
⎪ ⎢ ∂ ln p (r; θ) ∂ 2 ln p (r; θ) ⎥ ⎪ λ σ w ⎣ z0
2
h0 ⎥⎦
⎥
⎪ ⎢ ∂vx ∂v y ∂v y2 ⎪
⎩⎣ ⎦⎥ ⎭
其中
N M M
g 0 = ∑∑∑ Alk Alk ′ζ lk ζ lk* ′δ lkk ′ , (A-6)
l =1 k =1 k ′=1
N M M
h0 = ∑∑∑ Blk Blk ′ζ lk ζ lk* ′δ lkk ′ , (A-8)
l =1 k =1 k ′ =1
以及
j 2π [ flk ( v ) − f ′ ( v )]t
δ lkk = α lkα lk*
′ ′
∫T
t 2 sk (t − τ lk ) sk*′ (t − τ lk ′ )e lk
dt 。 (A-9)
给定 ζ 条件下的克拉美-罗界为
λ 2σ w2 1 ⎡ h0 − z0 ⎤ ⎡CRB(vx | ζ) i ⎤
CRB( v | ζ) = = ⎢ 。(A-10)
E g 0 h0 − z02 ⎢
⎣ − z0
⎥
g0 ⎦ ⎣ i CRB(v y | ζ) ⎥⎦
8π 2
M
下面介绍几种消去多余参量 ζ 、求简化克拉美-罗界的计算方法。按[15]中的讨
论,可以通过对(A-10)关于 ζ 求平均来计算平均克拉美-罗界(average CRB, ACRB)
111
ACRB(vx ) = Eζ {CRB(vx | ζ)} , (A-11)
{ }
OCRB p (v y ) = arg x Pr ⎡⎣CRB(v y | ζ) ≥ x ⎤⎦ = p 。 (A-14)
A.2.2 频率扩展信号
本小节介绍一类简单可用的信号。在恰当的假设下,这些信号近似满足第四
章中假定 1 所述的正交信号条件。这些假设将忽略信号经过傅立叶变换后的旁瓣,
是用频域截断后的信号来近似的。在对假设进行讨论之后,本小节将计算非截断
信号的克拉美-罗界和理想正交信号情况下的克拉美-罗界,并说明二者在实际感兴
趣的情况下是非常接近的。
112
图 8-1 扩展信号(实线)及其被延时后的等效信号的频谱(点线).
考虑一组正弦脉冲①信号
⎧ 1
⎪ exp( j 2π k Δft ) , 0<t <T
sk (t ) = ⎨ T 。 (A-19)
⎪ 0 , otherwise
⎩
旁瓣带来的影响,这类似于对信号在频域截断。由于 | k − k ′ |≥ 1 ,若频率增量满足
1
Δf , (A-21)
T
① 实际中采用的信号可能加不同的窗函数,这在很多信号处理文献中可查,故本章不再赘述。
113
图 8-2 延时后等效信号(实线)及延时且多普勒频移后等效信号的频谱(虚线).
面就此进行讨论。定义交叠区间为 T Δ ,则
∫T
sk (t − τ k ) sk*′ (t − τ k ′ )dt = ∫ sk (t − τ k ) sk*′ (t − τ k ′ )dt = ∫ sk (t ) sk*′ (t )dt ,
T T
(A-22)
则 正 交 性 近 似 满 足 。 因 为 | k − k ′ |≥ 1 , 为 确 保 不 等 式 (A-21) 成 立 , 要 求
Δf 1/ (T − Δτ kk ′ ) 。考虑到 Δτ kk ′ T ,条件简化为 Δf 1/ T ,与(A-21)给出的式
子相同。因此,(A-21)中的要求能够保证(A-25)成立。也就是说,若满足(A-21),
则延时后的信号相互正交。
接下来进一步讨论多普勒频移对信号正交性的约束。延时且多普勒频移后的
j 2π f
等效信号记为 sk (t ) = sk (t )e j 2π fdk t 及 sk ′ (t ) = sk ′ (t )e
t
dk ′
。延时后等效信号 sk (t ) 和 sk ′ (t )
的频谱 S k ( f ) 和 S k ' ( f ) 以实线重画于图 8-2 中,其中心频率分别为 f k 和 f k ' 。再经历
多普勒频移之后,延时且多普勒频移后的等效信号频谱为 S k ( f ) = S k ( f − f dk ) 和
Sk ′ ( f ) = S k ′ ( f − f dk ′ ) ,如图 8-2 中虚线所示。等效信号 sk (t ) 的中心频率是 f k + f dk ,
而 sk ′ (t ) 的中心频率变为 f k ′ + f dk ′ 。明显,若 (k − k ′ )Δf + f dk − f dk ′ 1/ (T − Δτ kk ′ ) ,
114
图 8-3 采用频率扩展信号(FS)和采用理想正交信号(orth)时得到的克拉美-罗界.
即
1
f dk − f dk ′ (k ′ − k )Δf − ,
T − Δτ kk ′
或 (A-26)
1
f dk − f dk ′ (k ′ − k )Δf + ,
T − Δτ kk ′
( )
则 S k ( f − f dk ( v ) ) 和 S k*′ f − f dk ′ ( v) ( k ′ ≠ k )的交叠可忽略,正交性近似成立。注
意到当满足(A-25)时,有 | (k ′ − k )Δf | |1/ (T − Δτ kk ′ ) | ,故(A-26)中的 1/ (T − Δτ kk ′ ) 可
忽略,从而得到 f dk − f dk ′ (k ′ − k )Δf 或 f dk − f dk ′ ( k ′ − k ) Δf 。
115
图 8-4 采用频率扩展信号(FS)和采用理想正交信号(orth)时得到的克拉美-罗界.
目标的方向分别是 {φ1t = 140° , φ2t = 150° , φ3t = 51° , φ4t = 115° } 和 {φ1r = 325° , φ2r = 60° , φ3r =
300° } 。设信号时宽为 T = 0.5 ms。图 8-3 比较了采用频率扩展信号(FS)和理想正
交信号(orth)所得的克拉美-罗界。该例中,τ kk ′ T 对所有 k 和 k’成立。图(a)是
频率增量 Δf = 0 的情况,即所有发射信号相等。可见所得的两组克拉美罗界曲线相
距甚远。图(b)中 Δf = 1/ 2T ,由于不满足(A-21)的条件,故发射信号是非正交的。
这种情况下的两组克拉美-罗界曲线差别仍较大。在图 8-3 (c)-(f)中,频率增量分别
为 Δf = 1/ T , 2 / T , 10 / T 及 50 / T 。可见当 Δf ≥ 1/ T 时,图中两组克拉美-罗界曲线非
常接近,所以正交性近似成立; Δf 的值越大,对式(A-21)的逼近越好,两组克拉
美-罗界曲线更为接近。在其他情况下,例如当改变天线布置或天线数目时,可以
得到与图 8-3 相似的结果。
假设其余参数的设置不变,发射天线被重新布置于 {R1t = 4000, R2t = 12000, R3t =
8290, R4t = 10000} m 处。这种情况下,最大和最小的时延差分别是 τ 12 = 26.7 μ s 和
τ 24 = 5μ s 。设 Δf = 50 / T 以使(A-21)在每种情况下都成立。图 8- 4(a)中,T = 500μ s ,
其值大于最大时延差 τ 12 ,故也大于本例中其余所有的 τ kk ′ 。这时还需要检查(A-25)
116
和(A-26)以确定延时且多普勒频移后的信号的正交性。式(A-21)的成立确保了(A-25)
和(A-26)的成立。结果显示两组克拉美-罗界曲线是非常接近的。图(b)-(d)中的信号
时宽分别为 T = 26.7 μ s = τ 12 , T = 6.67 μ s = τ 24 和 T = 5μ s < τ 24 。在这些情况下总是
存在某些 τ kk ′ 接近或者大于 T,但图中的结果显示两组克拉美-罗界曲线总是非常接
近的。这是由于满足式(A-21)从而确保了信号的近似正交性的缘故。
式(4-16)中的积分项可写为
j 2π ( flk − f ′ ) t
∫
T
t 2 sk (t − τ lk ) sk*′ (t − τ lk ′ )e lk
dt
。 (A-27)
=
4π 2
1
∫T
∂ ∂
∂f lk ∂flk ′
{
sk (t − τ lk ) sk*′ (t − τ lk ′ )e
j 2π ( f lk − f ′ ) t
lk
dt }
j 2π ( flk − f ′ ) t
考虑到 t 的支撑与 flk (或 flk ' )无关,且函数 sk (t − τ lk ) sk*′ (t − τ lk ′ )e lk
对 flk (或
f lk ' )可微,所以可以交换积分和微分的顺序[60],得
j 2π [ flk − f ′ ]t
∫ T
t 2 sk (t − τ lk ) sk*′ (t − τ lk ′ )e lk
dt
。 (A-28)
=
∂ ∂
1
4π ∂f lk ∂flk ′
2 {∫ T
sk (t − τ lk ) sk*′ (t − τ lk ′ )e
j 2π ( flk − f ′ ) t
lk
dt }
,上述积分中 k ≠ k ′ 的项全部为零,因此
当发射信号正交时(假定 1 成立)
δ lkk ′ = 0, k ≠ k ′ 。 (A-29)
当 k = k ′ 时直接可得
∫
2
δ lkk =| α lk |2 t 2 sk (t − τ lk ) dt 。 (A-30)
T
式(4-42)中的积分项可写为
j 2π [ flk − f ′ ]t
∫ T
tsk (t − τ lk ) sk*′ (t − τ lk ′ )e lk
dt
。 (A-32)
=
1
j 2π ∫T
∂
∂flk
{
sk (t − τ lk ) sk*′ (t − τ lk ′ )e
j 2π ( flk − f ′ ) t
lk
dt }
117
交换积分和微分次序可得
j 2π [ flk − f ′ ]t
∫
T
tsk (t − τ lk ) sk*′ (t − τ lk ′ )e lk
dt
, (A-33)
=
1 ∂
j 2π ∂flk
{∫ T
sk (t − τ lk ) sk*′ (t − τ lk ′ )e
j 2π ( f lk − f ′ ) t
lk
dt }
其在假定 1 成立时对 k ≠ k ′ 等于零。这样一来,式(4-42)右端除 k = k ′ 之外的所有被
加项都消失了。所以
∫
2
ηlk =| α lk |2 t sk (t − τ lk ) dt 。 (A-34)
T
∑∑ Alk2 = ∑ xi2 且
k =1 l =1 i =1
∑∑ Alk = ∑ xi 。
k =1 l =1 i =1
(A-35)
根据琴生不等式(Jensen’s inequality)可知
2
1 NM
⎛ 1 NM
⎞
NM
∑
i =1
x ≥⎜
2
i
⎝ NM
∑
i =1
xi ⎟ ,
⎠
(A-36)
其中当且仅当
A11 = A12 = = A1M = = ANM (A-38)
118
可以用严格大于符号取代大于等于号。另外考虑到任意实数的平方非负,可得
2
M N
1 ⎛M N ⎞
∑∑
k =1 l =1
A >2
lk ⎜ ∑∑
NM ⎝ k =1 l =1
Alk ⎟ ≥ 0 。
⎠
(A-40)
根据(A-40)和(A-41)可知
2
M
Ξ2 ⎛ M N
N
⎞
ε ∑∑ A >
2
⎜ ∑∑
2
lk Alk ⎟ , (A-42)
k =1 l =1 NM ⎝ k =1 l =1 ⎠
所以
g > 0。 (A-43)
类似地,可以证明
h>0。 (A-44)
g
≥ 0。 (A-45)
gh − z 2
根据(A-43)和(A-45)可得
gh − z 2 > 0 。 (A-46)
A.2.5 梯度运算的元素
119
∂g ∂h ∂z
其中 , t 和 t 的计算如下。将 Alk = cos φkt + cos φlr 和 Blk = sin φkt + sin φlr 代入 g,
∂φk ∂φk
t
∂φk
h,z(4-62)-(4-64)并关于 φkt 求导,可得
∂g ∂ ⎡ 2 M N 2 Ξ2 ⎛ M N ⎞ ⎤
2
= t ⎢ε ∑∑ Alk − ∑∑ Alk ⎟⎠ ⎥ ,
∂φk ∂φk
t
⎢⎣ k =1 l =1 NM ⎜⎝ k =1 l =1 ⎥⎦ (A-48)
= −2ε 2 N sin φkt cos φkt + g 0′ k
∂h ∂ ⎡ 2 M N 2 Ξ2 ⎛ M N ⎞ ⎤
2
= t ⎢ε ∑∑ Blk − ∑∑ Blk ⎟⎠ ⎥ ,
∂φk ∂φk
t
⎢⎣ k =1 l =1 NM ⎜⎝ k =1 l =1 ⎥⎦ (A-49)
= 2ε 2 N sin φkt cos φkt + h0′ k
∂z ∂ ⎛ 2M N Ξ2 M N M N
⎞
= t ⎜ ∑∑ lk lk
ε A B − ∑∑ Alk ∑∑ Blk ⎟
∂φk ∂φk
t
⎝ k =1 l =1 NM k =1 l =1 k =1 l =1 ⎠, (A-50)
= ε N (cos φk − sin φk ) + z0 k
2 2 t 2 t ′
其中
N
g 0′ k ≡ −2ε 2 sin φkt ∑ cosφlr
l =1
, (A-51)
2Ξ 2
⎛ M N
⎞
+ sin φkt ⎜ N ∑ cosφkt + M ∑ cosφlr ⎟
M ⎝ k =1 l =1 ⎠
N
h0′ k ≡ 2ε 2 cos φkt ∑ sinφlr
l =1
, (A-52)
2Ξ 2
⎛ M N
⎞
− cos φkt ⎜ N ∑ sinφkt + M ∑ sinφlr ⎟
M ⎝ k =1 l =1 ⎠
且
⎛ N N
⎞
z0′ k ≡ ε 2 ⎜ − sin φkt ∑ sinφlr + cos φkt ∑ cosφlr ⎟
⎝ l =1 l =1 ⎠
Ξ ⎛2 M M
− − φ k∑ φ + φ k ∑ cosφk 。
2 2
⎜ N sin t
sin t
k N cos t t
(A-53)
NM ⎝ k =1 k =1
N N
⎞
+ NM cos φ t
k ∑ cosφ
l =1
l
r
− NM sin φ
t
k ∑ sinφ
l =1
l
r
⎟
⎠
将式(A-48)-(A-50)代入(A-47),经整理可得
120
∂ξ ( β ) ε 2N
= ⎡(h 2 − g 2 ) sin(2φkt )
2 2 ⎣
∂φk t
( gh − z ) , (A-54)
+2 z ( g + h) cos(2φkt ) + ξ 0′ k ⎤⎦
其中
1
ξ0′ k = ⎡⎣ −( z 2 + h 2 ) g 0′ k − ( z 2 + g 2 )h0′ k + 2 z ( g + h) z0′ k ⎤⎦ 。 (A-55)
ε N
2
以同样的方式可以求得梯度中关于第 l 个接收天线角度求导的结果
∂ξ ( β ) ε 2M
= ⎡(h 2 − g 2 ) sin(2φlr )
2 2 ⎣
∂φl r
( gh − z ) , (A-56)
+2 z ( g + h) cos(2φ ) + ξ ⎤⎦
l
r ′
0l
其中
1
ξ0′ l = ⎡⎣ −( z 2 + h 2 ) g 0′ l − ( z 2 + g 2 )h0′ l + 2 z ( g + h) z0′ l ⎤⎦ , (A-57)
ε M
2
M
g 0′ l ≡ −2ε 2 sin φlr ∑ cosφkt
k =1
, (A-58)
2Ξ 2
⎛ N M
⎞
+ sin φlr ⎜ M ∑ cosφlr + N ∑ cosφkt ⎟
N ⎝ l =1 k =1 ⎠
且
M
h0′ l ≡ 2ε 2 cos φlr ∑ sinφkt
k =1
, (A-59)
2Ξ 2
⎛ N M
⎞
− cos φlr ⎜ M ∑ sinφlr + N ∑ sinφkt ⎟
N ⎝ l =1 k =1 ⎠
另外
⎛ M M
⎞
z0′ l ≡ ε 2 ⎜ − sin φlr ∑ sinφkt + cos φlr ∑ cosφkt ⎟
⎝ k =1 k =1 ⎠
Ξ ⎛2 N N
−
NM ⎝ ⎜ − M 2
sin φl
r
∑
l =1
sinφl
r
+ M 2
cos φl
r
∑
l =1
cosφlr 。 (A-60)
M M
⎞
+ NM cos φlr ∑ cosφkt − NM sin φlr ∑ sinφkt ⎟
k =1 k =1 ⎠
121
A.2.6 引理 1 的证明
本节证明在引理 1 所给假设条件下,均匀天线布置是梯度为零的必要条件,
即没有其他天线布置能够使得梯度为零。
∂ξ (β) ∂ξ (β)
梯度为零,即 ∇βξ (β) = 0 ,要求满足 = 0 , k = 1,..., M 和 = 0,
∂φkt
∂φlr
l = 1,..., N 。
首先分析与发射天线有关的求导。 关于发射天线 k 的角度的导数如(A-54)所示。
∂ξ (β)
由(A-46)已知 gh − z 2 > 0 ,故 = 0 等价于
∂φkt
其中
2(ε 2 − Ξ 2 ) 2 N
2Ξ 2 2 M
a=
ε N
2
( z + h 2
) ∑
l =1
cosφl
r
−
ε M
2
( z + h 2
) ∑
k =1
cosφkt
, (A-63)
2(ε 2 − Ξ 2 ) N
2Ξ 2 M
−
ε N
2
z ( g + h ) ∑
l =1
sinφl
r
+
ε M
2
z ( g + h ) ∑
k =1
sinφkt
且
2(Ξ 2 − ε 2 ) 2 N
2Ξ 2 2 M
b=
ε 2N
( z + g 2
) ∑
l =1
sinφl
r
+
ε 2
M
( z + g 2
) ∑
k =1
sinφkt
。 (A-64)
2(Ξ 2 − ε 2 ) N
2Ξ 2 M
−
ε 2N
z ( g + h ) ∑
l =1
cosφl
r
−
ε 2
M
z ( g + h ) ∑
k =1
cosφkt
∂ξ (β)
将(A-62)代入(A-61),则 = 0 等价于
∂φkt
注意到对某个特定的天线布置,(A-65)中的系数 h 2 − g 2 、 2 z ( g + h) 、 a 、和 b 不随
k 变化。下面用反证法说明零梯度要求这些系数全等于零。
假设梯度为零但(A-65)的系数不全为零。例如,设 h 2 − g 2 = 0 , 2 z ( g + h) = 0 ,
a ≠ 0 和 b ≠ 0 。这种情况下,(A-65)等价于
a sin φkt + b cos φkt = 0 。 (A-66)
122
∂ξ (β)
零梯度意味着 = 0 对所有 k = 1,..., M 成立。相应的,式(A-66)应该对所有 k 成
∂φkt
立,即
⎧ a sin φ1t + b cos φ1t = 0
⎪
⎨ 。 (A-67)
⎪
⎩a sin φM + b cos φM = 0
t t
将(A-69)-(A-71)代入(A-63)和(A-64)可得
⎧ 2 N
Ξ2 M
⎪
⎪
( Ξ − ε 2
) ∑
l =1
cosφl
r
+ N ∑ cosφkt = 0
M k =1
⎨ , (A-72)
⎪ (Ξ 2 − ε 2 ) sinφ r + Ξ N sinφ t = 0
N 2 M
⎪⎩ ∑l =1
l ∑ k
M k =1
123
⎧N M
⎪∑ cosφl = 0, ∑ cosφ =0
r t
k
⎪ l =1 k =1
⎨ N M
。 (A-73)
⎪ sinφ r = 0,
⎪⎩ ∑ ∑ sinφ
l
t
k =0
l =1 k =1
具有零梯度的天线布置必须满足(A-73)中的所有方程。可以证明,当 N 和 M 为奇
数时,只有均匀天线布置才能满足(A-73);若 N 或 M 为偶数,均匀天线布置或者
以角度差 π 成对布置天线(即 {φkt }kM=1 = {φkt ′ , φkt ′ + π }kM′=/21 或 {φlr }lN=1 = {φlr′ , φlr′ + π }lN′=/21 )可
以满足(A-73)。此结论可以通过在复平面上作图来说明。以与发射天线有关的项为
例,把 e jφk 看作是单位圆上的向量。利用欧拉公式 e jφk = cos φkt + j sin φkt [62]
t t
,向量
M M M
之和为零(即 ∑ e jφk = 0 )确保了 ∑ cosφkt = 0 以及 ∑ sinφkt = 0 。
t
k =1 k =1 k =1
下面将证明以角度差 π 成对布置天线的方法应该被排除,这样只有均匀天线布
置能使得梯度为零。将 Alk = cos φkt + cos φlr 、 Blk = sin φkt + sin φlr 和式 (A-73) 代入式
(4-62)-(4-64),可得
⎛ M M N N
⎞
g = ε 2 ⎜ N ∑ cos 2φkt + 2∑∑ cosφkt cos φlr + M ∑ cos 2φlr ⎟
⎝ k =1 k =1 l =1 l =1 ⎠
2
Ξ2⎛ M N
⎞
− ⎜ ∑ cos φ + ∑ cosφlr ⎟ , (A-74)
t
N k M
NM⎝ k =1 l =1 ⎠
⎛ M N
⎞
= ε 2 ⎜ N ∑ cos 2φkt + M ∑ cos 2φlr ⎟
⎝ k =1 l =1 ⎠
⎛ M M N N
⎞
h = ε 2 ⎜ N ∑ sin 2φkt + 2∑∑ sinφkt sin φlr + M ∑ sin 2φlr ⎟
⎝ k =1 k =1 l =1 l =1 ⎠
2
(A-75)
Ξ2 ⎛ M N
⎞
−
NM ⎜ N ∑
⎝ k =1
sinφk
t
+ M ∑
l =1
sinφlr ⎟
⎠
⎛ M N
⎞
= ε 2 ⎜ N ∑ sin 2φkt + M ∑ sin 2φlr ⎟ ,
⎝ k =1 l =1 ⎠
及
⎛ M M N
z = ε 2 ⎜ N ∑ cosφkt sin φkt + ∑∑ cosφkt sin φlr
⎝ k =1 k =1 l =1
M N N
⎞
+ ∑∑ cosφlr sin φkt + M ∑ cosφlr sin φlr ⎟
k =1 l =1 l =1 ⎠
124
Ξ2⎛ 2M M N M
− ⎜ ∑ cos φk∑ sinφ + ∑ cos φl ∑ sinφk
t t r t
N k NM
NM⎝ k =1 k =1 l =1 k =1
M N N N
⎞
+ NM ∑ cosφkt ∑ sinφlr + M 2 ∑ cosφlr ∑ sinφlr ⎟
k =1 l =1 l =1 l =1 ⎠
⎛ M N
⎞
= ε 2 ⎜ N ∑ cosφkt sin φkt + M ∑ cosφlr sin φlr ⎟ . 。 (A-76)
⎝ k =1 l =1 ⎠
因为 g > 0 (A-43) 、 h > 0 (A-44) (见附录 A.2.4 ),故由 (A-69) 和 (A-70) 中的条件
h 2 − g 2 = 0 和 2 z ( g + h) = 0 可推知 h = g 、 z = 0 。因此
⎧ M N M N
⎪ ∑ φ + ∑ φ = ∑ φ + ∑ sin 2φlr
2 t 2 r 2 t
N cos k M cos l N sin k M
⎪ k =1 l =1 k =1 l =1
⎨ M N
。 (A-77)
⎪ N cosφ sin φ + M cosφ sin φ = 0
⎪⎩ ∑ ∑
t t r r
k k l l
k =1 l =1
根据以下求和公式(证明见附录 A.2.8)
2 ⎡ 2π ( p − 1) ⎤ P 2 ⎡ 2π ( p − 1) ⎤ P
P
∑
p =1
cos ⎢⎣ P
+ φ0 ⎥⎦ = ∑
p =1
sin ⎢⎣ P
+ φ0 ⎥⎦ = 2 , P ≥ 3 , (A-78)
P
⎡ 2π ( p − 1) ⎤ ⎡ 2π ( p − 1) ⎤
∑ cos ⎢⎣
p =1 P
+ φ0 ⎥ sin ⎢
⎦ ⎣ P
+ φ0 ⎥ = 0, P ≥ 3 ,
⎦
(A-79)
其中 φ0 为任意常数,可见均匀天线布置保证(A-77)成立。然而,对任意的 N , M ≥ 3 ,
以角度差 π 成对布置天线的方法不能满足(A-77),故这种天线布置办法应被排除。
综上所述,对任意的 N , M ≥ 3 ,具有零梯度的天线布置必须同时满足(A-73)和
(A-77)中的等式,因此(4-61)中给出的均匀天线布置是唯一解。
A.2.7 引理 2 的证明
本小结证明在引理 2 所给的假设条件下,均匀天线布置是梯度为零的充分条
件,即均匀天线布置使得梯度为零。
假设 MIMO 雷达采用均匀天线布置且有 β = β sym ,其中发射天线 (φkt ) sym 和接收
天线的位置 (φlr ) sym 在(4-61)中给出。
∂ξ ( β )
首先分析关于发射天线 k 的微分项 (A-54)。基于(A-54)给出的表达式,
∂φkt
这里将证明均匀天线布置使得 ξ 0′ k = 0 、h 2 − g 2 = 0 以及 z = 0 ,由此验证了均匀天线
∂ξ ( β )
布置可以使 = 0。
∂φkt
125
第一步计算 ξ0k′ (A-55)中所含的项 g 0k
′ ′
(A-51)、 h0k ′
(A-52)、和 z0k (A-53)。利用以
下求和公式(证明见附录 A.2.8)
P
⎡ 2π ( p − 1) ⎤ P ⎡ 2π ( p − 1) ⎤
∑ cos ⎢⎣
p =1 P
+ φ0 ⎥ = ∑ sin ⎢
⎦ p =1 ⎣ P
+ φ0 ⎥ = 0, P ≥ 2 ,
⎦
(A-80)
∑ cos(φkt )sym = 0,
k =1
∑ cos(φ
l =1
)
r
l sym = 0,
M N
。 (A-81)
∑ (sin φ )
k =1
t
k sym = 0, ∑ (sin φ
l =1
r
l sym) =0
′ ′ ′
这样,与之相关的项 g 0k , h0k , z0k (A-51)-(A-53)等于零,因此
g 0′ k = 0, h0′ k = 0, 且 z0′ k = 0。 (A-82)
β sym β sym β sym
代(A-82)入(A-55)可得
ξ 0′ k β sym
=0。 (A-83)
接下来计算 h 2 − g 2 与 z 。将 Alk = cos φkt + cos φlr 和 Blk = sin φkt + sin φlr 代入 g、h、
z(4-62)-(4-64)得到
⎛ M M N N
⎞
g = ε 2 ⎜ N ∑ cos 2φkt + 2∑∑ cosφkt cos φlr + M ∑ cos 2φlr ⎟
⎝ k =1 k =1 l =1 l =1 ⎠
2
, (A-84)
Ξ2 ⎛ M N
⎞
− ⎜ ∑ cosφ + ∑ cosφlr ⎟
t
N k M
NM ⎝ k =1 l =1 ⎠
⎛ M M N N
⎞
h = ε 2 ⎜ N ∑ sin 2φkt + 2∑∑ sinφkt sin φlr + M ∑ sin 2φlr ⎟
⎝ k =1 k =1 l =1 l =1 ⎠
2
, (A-85)
Ξ2 ⎛ M N
⎞
− ⎜ ∑ sinφ + ∑ sinφlr ⎟
t
N k M
NM ⎝ k =1 l =1 ⎠
及
⎛ M M N
z = ε 2 ⎜ N ∑ cosφkt sin φkt + ∑∑ cosφkt sin φlr
⎝ k =1 k =1 l =1
M N N
⎞
+ ∑∑ cosφlr sin φkt + M ∑ cosφlr sin φlr ⎟
k =1 l =1 l =1 ⎠
126
Ξ2⎛ 2M M N M
− ⎜ ∑ cos φk∑ sinφ + ∑ cos φl ∑ sinφk
t t r t
N k NM
NM⎝ k =1 k =1 l =1 k =1
。 (A-86)
r ⎞
M N N N
+ NM ∑ cosφk ∑ sinφl + M ∑ cosφl ∑ sinφl ⎟
t r 2 r
k =1 l =1 l =1 l =1 ⎠
对均匀天线布置 β sym ,其中 φkt = (φkt ) sym , φlr = (φlr ) sym ,(A-84)-(A-86)中的求和项可
用求和公式(A-78)-(A-80)来处理。推导可得,对任意 N , M ≥ 3 有
gβ = ε 2 NM , h β = ε 2 NM , z β =0, (A-87)
sym sym sym
于是
h2 − g 2 = 0。 (A-88)
β sym
∂ξ (β)
们代入 (A-54),不难发现均匀天线布置使得与任意发射天线有关的导数项等
∂φkt
于零
∂ξ (β)
= 0, k = 1, ,M 。 (A-89)
∂φkt β
sym
利用类似的方法可以证明,均匀天线布置使得与任意接收天线有关的导数项
等于零
∂ξ (β)
= 0, l = 1, ,N 。 (A-90)
∂φlr β
sym
= [ 0,…, 0, 0,…, 0] = 0 。
†
所以均匀天线布置可以使得目标函数的梯度为零。
A.2.8 几个有用的求和公式
本节给出几个有用的求和公式的证明。首先介绍[63]中的两个基本公式
127
n
sin(nλ / 2) sin[(n + 1)λ / 2]
∑ sin(iλ ) =
i =1 sin(λ / 2)
。 (A-92)
n
sin(nλ / 2) cos[(n + 1)λ / 2]
和 ∑
i =1
cos(iλ ) =
sin(λ / 2)
因此,对任意 φ0 有
P
⎡ 2π ( p − 1) ⎤
∑ sin ⎢⎣
p =1 P
+ φ0 ⎥
⎦
⎛ 2π ⎞ P ⎛ 2π ⎞
= cos ⎜ − + φ0 ⎟ ∑ sin ⎜ p ⎟ (A-94)
⎝ P ⎠ p =1 ⎝ P ⎠
⎛ 2π ⎞ P ⎛ 2π ⎞
+ sin ⎜ − + φ0 ⎟ ∑ cos ⎜ p ⎟=0
⎝ P ⎠ p =1 ⎝ P ⎠
和
P
⎡ 2π ( p − 1) ⎤
∑ cos ⎢⎣
p =1 P
+ φ0 ⎥
⎦
⎛ 2π ⎞ P ⎛ 2π ⎞
= cos ⎜ − + φ0 ⎟ ∑ cos ⎜ p ⎟ 。 (A-95)
⎝ P ⎠ p =1 ⎝ P ⎠
⎛ 2π ⎞ P ⎛ 2π ⎞
− sin ⎜ − + φ0 ⎟ ∑ sin ⎜ p ⎟=0
⎝ P ⎠ p =1 ⎝ P ⎠
令 i = p , n = P 以及 λ = 4π / P ,其中整数 P ≥ 2 。根据(A-92)可得
⎛ P +1 ⎞
sin(2π ) sin ⎜ 2π ⎟
P
⎛ 4π ⎞ ⎝ ⎠ =0
∑
P
sin ⎜ p ⎟= 2 π
p =1 ⎝ P ⎠ sin( )
P
128
⎛ P +1 ⎞
sin(2π ) cos ⎜ 2π ⎟
P
⎛ 4π ⎞ ⎝ ⎠ =0。
∑
P
和 cos ⎜ p ⎟= 2 π
(A-96)
p =1 ⎝ P ⎠ sin( )
P
因此,对任意 φ0 有
P
⎡ 2π ( p − 1) ⎤
∑ sin
p =1
2
⎢⎣ P
+ φ0 ⎥
⎦
P
1⎧ ⎡ 4π ( p − 1) ⎤⎫
= ∑ ⎨1 − cos ⎢ + 2φ0 ⎥ ⎬
p =1 2 ⎩ ⎣ P ⎦⎭
P 1 ⎛ 4π ⎞ P
⎛ 4π ⎞
= − cos ⎜ − + 2φ0 ⎟ ∑ cos ⎜ p ⎟, (A-97)
2 2 ⎝ P ⎠ p =1 ⎝ P ⎠
1 ⎛ 4π ⎞ P ⎛ 4π ⎞
+ sin ⎜ − + 2φ0 ⎟ ∑ sin ⎜ p ⎟
2 ⎝ P ⎠ p =1 ⎝ P ⎠
P
=
2
P
⎡ 2π ( p − 1) ⎤
∑ cos
p =1
2
⎢⎣ P
+ φ0 ⎥
⎦
P
⎧ ⎡ 2π ( p − 1) ⎤⎫
= ∑ ⎨1 − sin 2 ⎢ + φ0 ⎥ ⎬
p =1 ⎩ ⎣ P ⎦⎭ , (A-98)
P
⎡ 2π ( p − 1) ⎤
= P − ∑ sin 2 ⎢ + φ0 ⎥
p =1 ⎣ P ⎦
P
=
2
以及
P
⎡ 2π ( p − 1) ⎤ ⎡ 2π ( p − 1) ⎤
∑ cos ⎢⎣
p =1 P
+ φ0 ⎥ sin ⎢
⎦ ⎣ P
+ φ0 ⎥
⎦
P
1 ⎡ 4π ( p − 1) ⎤
= ∑ sin ⎢ + 2φ0 ⎥
p =1 2 ⎣ P ⎦
1 ⎛ 4π ⎞ P ⎛ 4π ⎞
= cos ⎜ − + 2φ0 ⎟ ∑ sin ⎜ p ⎟ 。 (A-99)
2 ⎝ P ⎠ p =1 ⎝ P ⎠
1 ⎛ 4π ⎞ P ⎛ 4π ⎞
+ sin ⎜ − + 2φ0 ⎟ ∑ cos ⎜ p ⎟
2 ⎝ P ⎠ p =1 ⎝ P ⎠
=0
129
SCNR(dB) SCNR(dB) SCNR(dB)
A.3 第五章附录:频率扩展高斯单脉冲信号
1
在附录 A.2.2 中,已经证明对一组频率扩展信号 sk (t ) = exp( j 2π k Δft ) ,0 < t
T
< T ,k = 1,..., M ,当 sk (t ) 和 sk +1 (t ) 之间的频率增量 Δf = f k +1 − f k 满足 Δf 1/ T 时,
它们是相互正交,且在各自经历延时和多普勒频移之后的仍然保持正交性。当把
A.2.2 中信号的矩形脉冲包络换成高斯脉冲包络时,可以用类似的方法证明一组的
频率扩展的高斯单脉冲信号
⎛ 2 ⎞ ⎛ −π t 2 ⎞
sk (t ) = ⎜ 2 ⎟ exp ⎜ 2 ⎟ exp( j 2π k Δft ) , k = 1,..., M (A-100)
⎝T ⎠ ⎝ T ⎠
也在 Δf 1/ T 时相互正交,且在各自经历延时和多普勒频移之后仍然保持正交性。
这里给出高 SCNR 时最大似然估计的均方误差曲线的几个例子。首先使用实
际产生的扩频高斯单脉冲信号,根据(5-70)式计算出最大似然估计的均方误差;然
后直接假设信号是理想正交的,用(5-16)式计算出最大似然估计的均方误差。对于
小 SCNR 的情况我们也做了同样的分析,得到的结果类似。结果表明,由实际产
生的正交信号和由理想正交信号所得到的均方误差曲线非常接近。设 MIMO 雷达
的天线数为 3 × 4 ,天线均匀分布在 [0, 2π ) 的方向上,所有天线到坐标原点的距离
均约为 7000m。目标的位置和速度分别为 (150,125.7)m 和 (53,30)m / s 。发射信号为
(A-100)所示的扩频高斯单脉冲信号,其中 T = 0.1 ,而 Δf 为 1/ T ,5 / T ,或 10 / T 。
这些情况下的最大似然估计的均方误差曲线如图 8-5 所示,实线是由扩频高斯单脉
冲信号得到的(FSG),虚线则是由理想正交信号得到的(orth)
。可见在图 8-5(b)
130
和(c)中,当 Δf ≥ 5 / T 时,扩频高斯单脉冲信号获得的均方误差曲线和理想正交信
号的曲线几乎重合,由此说明了扩频高斯单脉冲信号的近似正交性。
A.4 第六章附录
A.4.1 非正交发射信号和色噪声情况下相干处理的最大似然估计
本节将在非正交发射信号和色噪声的前提下分析相干处理的模型,此模型更
具一般性。在接收天线 l 上的接收信号(6-4)可表示为
E
rl (t ) = ζ u†l 1M ×1 + wl (t ) , (A-101)
M
其中 τ lk 和 flk 分别表示时延和多普勒频移。定义矩阵 U 为
⎡u1† 0 0⎤
⎢ ⎥
0 u†2 0⎥
U=⎢ , (A-102)
⎢ ⎥
⎢ ⎥
⎣⎢ 0 0 u†N ⎦⎥ N ×MN
其中包含了所有收发路径对应的经历了时延和多普勒频移的信号。所有接收天线
收到的信号模型可表示为
E
r (t ) = ζ U1NM ×1 + w (t ) 。 (A-103)
M
131
⎧⎪ ∞ ⎡ E
H
⎤ −1 ⎡ E ⎤ ⎫⎪
exp ⎨ − ∫ ⎢r (t ) − ζ U1NM ×1 ⎥ Q ⎢r (t ) − ζ U1NM ×1 ⎥ dt ⎬
⎪⎩ −∞ ⎣ M ⎦ ⎣ M ⎦ ⎪⎭
J (
Λ coh θ; r (t ), ζ ) 1
= C
⎧ ∞
⎫
exp ⎨− ∫ r H (t )Q −1r (t )dt ⎬
⎩ −∞ ⎭
⎧⎪ E H E * E ⎫⎪
= C1 exp ⎨ ζ z 1NM ×1 + ζ 11× NM z − | ζ |2 11× NM V1NM ×1 ⎬ , (A-104)
⎩⎪ M M M ⎭⎪
∞ ∞
其中 C1 是与 θ 无关的常数,V = ∫ U H Q −1Udt ,而 z = ∫ U H Q −1r (t )dt 可以看作是匹
−∞ −∞
配滤波器的输出信号,在此滤波过程中考虑了各输入分量间的相关性。可以得出
对数似然函数为
J ( θ; r (t ), ζ ) = ln Λ J ( θ; r (t ), ζ )
Lcoh coh
⎪⎧ E H ⎪⎫ E 。 (A-105)
= 2ℜ ⎨ ζ z 1NM ×1 ⎬ − | ζ |2 11× NM V1NM ×1 + ln C1
⎩⎪ M ⎭⎪ M
对任意的 θ = [ x, y, vx , v y ]† ,可求得 ζ 的最大似然估计 ζˆML 为
11× NM z
ζˆML = ζˆR + jζˆI
ML ML
= 。 (A-106)
E
11× NM V1NM ×1
M
把(A-106)带入(A-105),可得
2
( )
11× NM z
L coh
J θ; r (t ), ζˆML = + ln C1 。 (A-107)
11× NM V1NM ×1
因此 θ 的最大似然估计为
( )
coh
θ ML = arg max Lcoh
J θ; r (t ), ζˆML
θ
2 。 (A-108)
11× NM z
= arg max
θ 11× NM V1NM ×1
A.4.2 非正交发射信号和色噪声情况下非相干处理的最大似然估计
当发射信号为非正交信号,噪声在空间上为色噪声时,所有接收天线上的信
号可以表示为一个向量
E
r (t ) = Uζ + w (t ) , (A-109)
M
132
其中 w (t ) = [ w1 (t ), w2 (t ), , wN (t )]† 包含了在 t 时刻所有接收天线上的噪声分量,且
E{w (t )w H (t − τ )} = Qδ (τ ) ,其中 δ (τ ) 为单位冲激函数, Q 是时不变常数矩阵,决
定了匹配滤波器输出端的噪声协方差矩阵(详细讨论参见附录 A.4.3)
。式(A-109)中
的 ζ = [ζ 11 , ζ 12 , , ζ NM ]† 是一个 NM 维的向量,其中包含了所有路径的反射系数,
ζ ~ CN (0, R ) 且具有协方差矩阵 R = E{ζζ H } 。矩阵 U N ×MN 中包含了所有收发路径上
经 历 了 时 延 和 多 普 勒 频 移 后 的 信 号 , 与 (A-102) 的 形 式 相 同 , 其 中
ul† = [ul1 , ul 2 , , ulM ] ,且 u l 中的第 k 个元素为 ulk = sk (t − τ lk )e j 2π flk t 。可以计算出在给
定 ζ 条件下的对数似然比,再对 ζ 求平均,最终所得的对数似然比为
E H −1
J ( θ; r (t ) ) =
Lnon z X z + ln det X + C3 , (A-110)
M
∞ ⎛ E ∞ ⎞
其中 z = ∫ U H Q −1r (t )dt , X = ⎜
−∞
⎝M
∫
−∞
U H Q −1Udt + R −1 ⎟ ,且假设需做求逆运算的矩
⎠
阵的逆矩阵都存在。那么 θ = [ x, y, vx , v y ]† 的最大似然估计为
non ⎧E ⎫
θ ML = arg max ⎨ z H X −1z + ln det( X) ⎬ 。 (A-111)
θ
⎩M ⎭
A.4.3 匹配滤波器输出端的噪声
接收机 l 上的所有匹配滤波器输出端的噪声可以向量形式简洁表述为
w l = [ wl1 , wl 2 , , wlM ]† 。所有接收天线中的匹配滤波器输出端的噪声分量可用一个
MN × 1 维的向量表示为
w = [w1† , w †2 , , w †M ]† = [ w11 , w12 , , wNM ]† 。 (A-113)
133
因此
E{w} = 0MN ×1 。 (A-115)
因此,所有接收天线中的所有匹配滤波器输出端的噪声的协方差矩阵为
E{ww H } = (Q S R ) ⊗ ST , (A-117)
进一步假设不同发射信号间近似正交,且如(6-5)和(6-6)所述保持近似正交性,则
由式(A-116)中对 S R ll ' 和 ST kk ' 的定义可得
E{ww H } = σ w2 I MN , (A-119)
其中 I MN 表示 MN 维的单位矩阵。
A.4.4 相干处理中的费歇尔信息矩阵的计算
} (A-120)
134
法则求得
J (θ) = (∇θϑ † )J (ϑ )(∇θϑ † )† 。 (A-121)
⎡ A B 0⎤
∇θϑ = ⎢⎢ 0 D 0 ⎥⎥ ,
†
(A-123)
⎢⎣ 0 0 I ⎥⎦
式(A-121)的 J (ϑ ) 可根据(6-12)推得
{
J (ϑ ) = − Er (t );θ ∇ϑ ⎡∇ϑ Lcoh
⎣ J (
θ; r (t ), ζˆML ⎤ ,
⎦ )
†
} (A-124)
135
其中 I N 是 N 维的单位矩阵,
8π 2 | ζ |2 E
F= diag{γ 11c , γ 12c , , γ NM
c
}, (A-127)
σ w2 M
8π 2 | ζ |2 E
Y= diag{η11c ,η12c , ,η NM
c
}, (A-128)
σ wM
2
4π E
P= [ζ 1 , −ζ 1 ] ⊗ [α1 , α 2 , , α M ]† , (A-129)
σ w2 M I N ×1 R N ×1
4π E
K= [−ζ I , ζ R ] ⊗ [Ξ11 , Ξ12 , , Ξ NM ]† , (A-130)
σ w2 M
以及
2 EN
Z= I 2×2 , (A-131)
σ w2
再经过一系列较为冗长的计算,最终可得(6-21)所给出的表达式。
A.4.5 费歇尔信息矩阵中的参数
∂τ lk 1 ⎛ x − xkt x − xlr ⎞
alk ≡ = ⎜ + ⎟, (A-133)
∂x c ⎝ d kt dlr ⎠
∂τ lk 1 ⎛ y − ykt y − ylr ⎞
blk ≡ = ⎜ + ⎟, (A-134)
∂y c ⎝ d kt dlr ⎠
136
∂f lk −v y ⎛ 1 1 ⎞ ( ykt − y )
glk ≡ = ⎜ t + r ⎟+ ⎡ v ( xkt − x) +
t 3 ⎣ x
∂y λ ⎝ d k dl ⎠ λ (d k )
, (A-136)
( y r
− y )
v y ( ykt − y ) ⎤⎦ + l r 3 ⎡⎣ vx ( xlr − x) + v y ( ylr − y ) ⎤⎦
λ (dl )
∂flk xkt − x xlr − x
βlk ≡ = + , (A-137)
∂vx λ d kt λ dlr
以及
∂flk ykt − y ylr − y
qlk ≡ = + 。 (A-138)
∂v y λ d kt λ dlr
137
致 谢
在论文完成之际,首先向我的导师何子述教授表示衷心的感谢。感谢何老师
对我的教育和培养。何老师渊博的学识、严谨的治学态度和平易近人的工作作风
令我敬佩。何老师不仅在工作中给予具体的学术指导,而且在生活上关心和帮助
作者,在此向何老师致以最诚挚敬意和深深的感谢。
衷心感谢里海(Lehigh)大学的 Rick S. Blum 教授。感谢 Blum 教授在我留学
Lehigh 大学期间给予的悉心指导和帮助。Blum 教授对研究方向的准确把握、严谨
的治学态度和孜孜不倦的科研精神使我受益匪浅。在此向 Blum 教授致以崇高的敬
意和由衷的谢意。
感谢新泽西理工学院(NJIT)的 Alexander M. Haimovich 教授。感谢 Haimovich
教授在课题研究方面提出的很多宝贵的意见。Haimovich 教授活跃的学术思想、执
着的科研作风是我学习的榜样。
感谢 Nikolaus H. Lehmann 博士,和他进行课题方面的探讨是一件非常愉快的
事情。
由衷感谢李会勇、程婷、夏威、李军、严济鸿、江朝抒、胡进峰、李朝海、
陈客松等老师在科研过程中对我的帮助。
在论文完成的过程中,作者还得到了博士刘波、曾建奎,博士生刘红明、谢
绍斌、肖熠、廖宇羽,硕士熊科、焦阳、李建平、李应希、邓璐、张锐、刘钊、
马亮、刘茁、牛翠竹、邓小炜、成芳、苗江宏、刘桥、郝仁轩、蔡步晓、张涛,
以及何婷玉、潘力立、张瑛、刘欣、何基伟、魏传明、杨扬、徐哲敏、陈勋、Danny
Safi 等同窗和朋友的帮助和支持,他们在我的学习和生活中给予了极大的帮助与关
怀,在此表示真切的感谢。
特别感谢我亲爱的家人,他们给予我生活上、思想上无微不至的关怀、理解、
支持和鼓励,才让我得以顺利完成自己的学业。
最后,向为本文评阅而付出辛劳的各位专家、教授表示深深的谢意。
138
参考文献
[1] A. M. Haimovich, R. S. Blum, and L. Cimini. MIMO radar with widely separated antennas,
IEEE Signal Processing Magazine, invited publication, vol. 25, no. 1, pp. 116-129, Jan 2008.
[2] E. Fishler, A. M. Haimovich, R. S. Blum, D. Chizhik, L. Cimini and R. Valenzuela. MIMO
radar: an idea whose time has come, Proceeding IEEE Radar Conference, pp. 71-78, Apr 2004.
[3] E. Fishler, A. Haimovich, R. Blum, L. Cimini, D. Chizhik and R. Valenzuela. Spatial diversity
in radars-models and detection performance. IEEE Transactions on Signal Processing, vol. 54,
no. 3, pp. 823-838, Mar 2006.
[4] M. Skolnik, Introduction to Radar Systems, 2nd ed. McGraw-Hill, 1980.
[5] Jian Li and P. Stoica. MIMO radar with colocated antennas, IEEE Signal Processing Magazine,
vol. 24, no. 5, pp. 106-114, Sep 2007.
[6] 何 子 述 , 韩 春 林 , 刘 波 .MIMO 雷 达 概 念 及 其 技 术 特 点 分 析 . 电 子 学 报 ,2005,
33(12A):2441-2445.
[7] D. W. Bliss and K. W. Forsythe. Multiple-input multiple-output (MIMO) radar and imaging:
Degrees of freedom and resolution, Proceeding 37th Asilomar Conference on Signal, System
and Computers, pp. 54-59, Nov 2003.
[8] D. Rabideau, P. Parker. Ubiquitous MIMO Multifunction Digital Array Radar. Proceeding 37th
Asilomar Conference on Signals, Systems and Computers, vol. 1, pp. 1057-1064, Nov. 2003
[9] D. R. Fuhrmann and G. S. Antonio. Transmit beamforming for MIMO radar systems using
partial signal correlation, Proceeding 38th Asilomar Conference on Singal, System and
Computers, pp. 295-299, Nov 2004.
[10] Jian Li, Luzhou Xu, P. Stoica, D. Bliss, and K. Forsythe. Range compression and waveform
optimization for MIMO radar - a Cramer-Rao bound based study, IEEE Transactions on Signal
Processing, vol. 56, no. 1, pp. 218-232, Jan 2008.
[11] F. C. Robey, S. Coutts, D. Werikle, C. Mcharg, and K. Cuomo. MIMO radar theory and
ecperimental results, Proceeding 38th Asilomar Conference on Singal, System and Computers,
pp. 300-304, Nov 2004.
[12] Chun-Yang Chen and P. P. Vaidyanathan. MIMO radar space-time adaptive processing using
prolate spheroidal wave functions, IEEE Transactions on Signal Processing, 56(2): 623-635,
139
Feb 2008.
[13] A. Leshem, O. Naparstek, and A. Nehorai. Information theoretic adaptive radar waveform
design for multiple extended targets, IEEE Journal of Selected Topics in Signal Processing,
1(1): 42-55, Jun 2007.
[14] T. Aittomaki and V. Koivunen. Low-complexity method for transmit beamforming in MIMO
radars, IEEE International Conference on Acoustics, Speech and Signal Processing, 2: 15-20,
Apr 2007.
[15] N. Lehmann, E. Fishler, A. M. Haimovich, R. S. Blum, L. Cimini, and R. Valenzuela.
Evaluation of Transmit Diversity in MIMO-radar Direction Finding, IEEE Transactions on
Signal Processing, vol. 55, no. 5, pp. 2215-2225, May 2007.
[16] N. Lehmann, A. M. Haimovich, R. S. Blum, and L. Cimini. High resolution capabilities of
MIMO radar, in Proc. 40th Asilomar Conf. Singal, System and Computers, pages 25–30, Nov
2006.
[17] A. De Maio and M. Lops. Design principles of MIMO radar detectors, IEEE Transactions on
Aerospace and Electronic Systems, 43(3): 886-898, Jul 2007.
[18] Qian He, N. Lehmann, R. S. Blum, and A. M. Haimovich. MIMO radar moving target
detection in homogeneous clutter, to appear, IEEE Trans. on Aerospace and Electronic Systems,
2010.
[19] H. Godrich, A. M. Haimovich, and R. S. Blum. Concepts and Applications of a MIMO Radar
Sysem with Widely Separated Antennas. Book Chapter, in preparation, 2007.
[20] V. S. Chernyak, Fundamentals of Multisite Radar Systems, 1st ed. Gordon and Breach Science
Publishers, 1998.
[21] A. S. Fletcher and F. C. Robey. Performance bounds for adaptive coherence of sparse array
radar. Presented in the 11th Conf. Adaptive Sensors Array Processing, Mar 2003.
[22] H. Godrich, A. M. Haimovich, and R. S. Blum. Target Localization Accuracy Gain in MIMO
Radar Based Systems, submitted to IEEE Trans on Information Theory, 2009
[23] Qian He, R. S. Blum, H. Godrich, and A. M. Haimovich. Target velocity estimation and
antenna placement for MIMO radar with widely separated antennas, IEEE Journal of Selected
Topics in Signal Processing, 2010.
[24] Qian He, R. S. Blum, and A. M. Haimovich. Non-coherent MIMO radar for target estimation:
More antennas means better performance, Proceeding of the 43rd Conference on Information
Sciences and Systems (CISS), Baltimore, MD, Mar 2009.
140
[25] Yang Yang and R. S. Blum. MIMO radar waveform design based on mutual information and
minimum mean-square error estimation, IEEE Trans. on Aerospace and Electronic Systems,
43(1):330-343, Jan 2007.
[26] Yang Yang and R. S. Blum. Minimax robust MIMO radar waveform design, IEEE Journal of
Selected Topics in Signal Processing, vol. 1, pp. 147-155, Jun 2007.
[27] Luzhou Xu, Jian Li, P. Stoica, K. W. Forsythe, and D. W. Bliss. Waveform optimization for
MIMO radar: A Cramer-Rao bound based study, Proceedings of the 2007 IEEE International
Conference on Acoustics, Speech, and Signal Processing, 917-920, Apr 2007.
[28] K. W. Forsythe and D. W. Bliss. Waveform correlation and optimization issues for MIMO
radar, Proc. 39th Asilomar Conf. Singal, System and Computers, pages 1306-1310, Nov 2005.
[29] G. San Antonio, D. R. Fuhrmann and F. C. Robey. MIMO radar ambiguity functions, IEEE
Journal of Selected Topics in Signal Processing, 1(1): 167-177, Jun 2007.
[30] Chun-Yang Chen and P. P. Vaidyanathan. Properties of the MIMO radar ambiguity function,
Proc. IEEE International Conference on Acoustics, Speech and Signal Processing, pp.
2309-2312, Apr 2008.
[31] I. Bekkerman, J. Tabrikian. Target Detection and Localization Using MIMO Radars and Sonars.
IEEE Transactions on Signal Processing, vol. 54, no. 10, pp. 3873-3883, Oct 2006.
[32] M. Skolnik. Radar Handbook, 2nd ed. New York: McGraw-Hill, 2003.
[33] S. Orfanidis, Electromagnetic Waves and Antennas [Online] Available:
http://www.ece.rutgers.edu/orfanidi/ewa/。
[34] 张光义. 相控阵雷达系统. 北京: 国防工业出版社, 2001.
[35] R. Klemm, Principles of Space-Time Adaptive Processing. IEE Press, London, 2002.
[36] S. M. Kay, Fundamentals of Statistical Signal Processing: Detection Theory, 1st ed. Prentice
Hall PTR, vol. 2, 1993.
[37] M. Barkat and P. K. Varshney. Decentralized CFAR Signal Detection, IEEE Transactions on
Aerospace and Electronic Systems, vol. 25, no. 2, pp. 141–149, Mar 1989.
[38] R. Srinivasan. Designing distributed detection systems, IEE Proceedings-F, Radar and Signal
Processing, vol. 140, no. 3, pp. 191–197, Jun 1993.
[39] R. Viswanathan and P.K.Varshney. Distributed Detection with Multiple Sensors: Part I –
Fundamentals, Proceedings of the IEEE, vol. 85, no. 1, pp. 54–63, Jan 1997.
[40] R. S. Blum, S. A. Kassam, and H. Poor. Distributed Detection with Multiple Sensors: Part II –
Advanced Topics, Proceedings of the IEEE, vol. 85, no. 1, pp. 64–79, Jan 1997.
141
[41] N. Levanon, Radar Principles. John Wiley & Sons, 1988.
[42] F. C. Robey, D. R. Fuhrmann, E. J. Kelly, and R. Nitzberg. A CFAR Adaptive Matched Filter
Detector, IEEE Trans. on Aerospace and Electronic Systems, vol. 28, no. 1, Jan 1992.
[43] M. W. L.. A STAP Overview, IEEE Aerospace and Electronic Systems Magazine, vol. 19, no. 1,
Jan 2004.
[44] Bolcskei, H., and A. J. Paulraj. The Communications Handbook, 2nd ed. CRC Press, 2002, ch.
Multiple-input multiple-output (MIMO) wireless systems, pp. 90.1-90.14
[45] A. M. Haimovich, R. S. Blum, and L. Cimini. MIMO radar with widely separated antennas,
IEEE Signal Processing Magazine, 25(1): 116-129, Jan 2008.
[46] S. M. Kay. Fundamentals of Statistical Signal Processing: Estimation Theory. Prentice Hall
PTR, 1st edition, 1993.
[47] J. A. Fessler and A. O. Hero. Space-Alternating Generalized Expectation-Maximization
Algorithm, IEEE Trans. on Signal Processing, 42(10):2664-2677, Oct 1994.
[48] W. J. Duncan. Some devices for the solution of large sets of simultaneous linear equations, The
London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 7(35), pages
660–670, 1944.
[49] H. L. Van Trees. Detection, Estimation and Modulation Theory: Part III. New York, NY: Willey,
1971.
[50] A. F. Molisch and M. Z. Win. MIMO Systems with Antenna Selection - An Overview, Proc.
IEEE Radio and Wireless Conf., pp. 167-170, Aug 2003.
[51] S. Sanayei and A. Nosratinia. Antenna selection in MIMO systems, IEEE Communications
Magazine, vol. 42, no. 10, pp. 68-73, Oct 2004.
[52] Y. Yang, R. S. Blum, and S. Sfar. Antenna selection for MIMO systems with closely spaced
antennas, EURASIP Journal on Wireless Communications and Networking, 2009.
[53] G. J. Foschini and M. J. Gans. On limits of wireless communications in a fading environment
when using multiple antennas, Wireless Personal Communications, vol. 6, no. 3, pp. 311-335,
Mar 1998.
[54] P. M. Woodward. Probability and Information Theory, with Applications to Radar. New York:
McGraw-Hill, 1953.
[55] N. Levanon and E. Mozeson. Radar Signals. Wiley-IEEE Press, 2004.
[56] M. A. Haleem and A. H. Haimovich. On the Distribution of Ambiguity Levels in MIMO Radar,
Invited paper, Asilomar Conference on Signals, Systems, and Computers, pp. 198-202, Pacific
142
Grow, CA, Nov 2008.
[57] R. S. Blum. Limiting Case of a Lack of Rich Scattering Environment for MIMO Radar
Diversity, to appear IEEE Signal Processing Letter., 2009.
[58] A. M. Haimovich and R. S. Blum. Spatial Coherence of Targets in MIMO Radar Applications,
Invited paper, 43rd Asilomar Conf. Singal, System and Computers, Nov 2009.
[59] B. Z. Bobrovsky, E. Mayer-Wolf, and M. Zakai. Some classes of global Cramer-Rao bounds,
Ann. Statist., 15(4):1421–1438, 1987.
[60] E. W. Weisstein. CRC Concise Encyclopedia of Mathematics. CRC Press, 2003.
[61] W. R. Ransom. Solutions of a trigonometric equation, The American Mathematical Monthly,
56(6): 402–403, Jun 1949.
[62] M. A. Moskowitz. DA Course in Complex Analysis in One Variable. World Scientific
Publishing Co., 2002.
[63] K. S. Kunz. Numerical Analysis. McGraw-Hill Book Co., New York, 1957.
[64] N. Lehmann, A. M. Haimovich, R. S. Blum, and L. Cimini. MIMO-Radar application to
moving target detection in homogeneous clutter, 14th Annual Workshop on Adaptive Sensor
Array Processing, Jun 2006.
[65] P. F. Sammartino, C. J. Baker, and H. D. Griffiths. Target model effects on MIMO radar
performance, IEEE International Conference on Acoustics, Speech and Signal Processing, vol.
5, pp. 1129-1132, May 2006.
[66] J. Li, P. Stoica, L. Xu, and W. Roberts. On parameter identifiability of MIMO radar, IEEE
Signal Processing Letters, vol. 14, no. 12, pp. 968-971, Dec 2007.
[67] P. Stoica, Jian Li, and Yao Xie. On probing signal design for mimo radar, IEEE Transactions on
Signal Processing, vol. 55, no. 8, pp. 4151-4161, Aug 2007.
[68] P. Stoica, J. Li, X. Zhu, and B. Guo. Waveform synthesis for diversity-based transmit
beampattern design, The 14th IEEE Workshop on Statistical Signal Processing (invited),
Madison, Wisconsin, Aug 2007.
[69] P. F. Sammartino, C. J. Baker, and H. D. Griffiths. Adaptive MIMO radar systems in clutter,
IEEE Radar Conference, pp. 276-281, Apr 2007.
[70] Luzhou Xu, Jian Li, and P. Stoica. Adaptive techniques for MIMO radar, 14th IEEE Workshop
Sensor Array and Multi-channel Processing, Jul 2006
[71] E. D’Addio and A. Farina. Overview of detection theory in multistatic radar, IEE Proc., Part F,
vol. 133, no. 7, pp. 613-623, Dec 1986.
143
[72] I. Papoutsis, C. Baker, and H. Griffiths. Fundamental Performance Limitations of Radar
Networks, Proc. of the 1st EMRS DTC Technincal Conference, Edingburgh, 2004.
[73] F. Gini, A. Farina, and M. Greco. Selected list of references on radar signal processing, IEEE
Transactions on Aerospace and Electronic Systems, vol. 37, no. 1, pp. 329-259, Jan 2001.
[74] A. R. Elias-Fuste and A. P. Broquetas-Ibars. Constant False Alarm Rate for a Radar Data
Fusion Center with N Parallel Distributed Cell Averaging Receivers, IEEE International Radar
Conference, pp. 507–510, May 1990.
[75] W. Liu, Y. Lu, and J. S. Fu. A novel method for CFAR data fusion, Neural Networks for Signal
Processing, IEEE Signal Processing Society Workshop, vol. 2, pp. 711–720, Dec 2000.
[76] N. A. Goodman and D. Bruyer. Optimum and decentralized detection for multistatic airborne
radar, IEEE Transaction on AES, vol. 43, no. 2, pp. 806–813, Apr 2007.
[77] F. E. Nathanson, Radar Design Principals, 2nd ed. McGraw-Hill, 1990.
[78] J. Ward. Cramer-Rao bounds for target angle and Doppler estimation with space-time adaptive
processing radar, Proc. 29th Asilomar Conf. Singal, System and Computers, pages 1198–1202,
Nov 1995.
[79] S. R. Dooley and A. K. Nandi. Adaptive time delay and Doppler shift estimation for
narrowband signals, IEE Proc. Radar, Sonar Navig, 146(5), pages 243–250, Oct 1999.
[80] A. Dogandzic and A. Nehorai. Estimating range, velocity, and direction with a radar array, Proc.
IEEE Int. Conf. on Acoustics, Speech and Signal Processing, ICASSP, pages 2773–2776, Mar
1999.
[81] A. Dogandzic and A. Nehorai. Cramer-Rao bounds for estimating range, velocity, and direction
with an active array, IEEE Trans. on Signal Processing, 49(6):1122–1137, Jun 2001.
[82] H. V. Poor. An Introduction to Signal Detection and Estimation. Dowmden & Culver Inc., 2st
edition, 1994.
[83] S. Coutts, K. Cuomo, J. McHarg, F. Robey, D. Weikle. Distributed coherent aperture
measurements for next generation BMD radar, IEEE Workshop on Sensor Array and
Multichannel Signal Processing, pages 390–393, 2006.
[84] H. L. Van Trees. Optimum Array Processing. New York, NY: Wiley, 2002.
[85] A. N. D’Andrea, U. Mengali, and R. Reggiannini. The modified Cramer-Rao bound and its
application to synchronization problems, IEEE Trans. Commun., 42:1391–1399, Feb 1994.
[86] Ruixin Niu, R. S. Blum, et al. Target localization and tracking in non-coherent multiple-input
multiple-output radar Systems, IEEE Journal of Selected Topics in Signal Processing, 2009.
144
[87] T. Aittomaki and V. Koivunen. Performance of MIMO radar with angle diversity under
Swerling scattering model, IEEE Journal of Selected Topics in Signal Processing, 2010.
[88] A. Tajer, G. Jajamovich, and Xiaodong Wang. Optimal joint target detection and parameter
estimation by MIMO radar, IEEE Journal of Selected Topics in Signal Processing, 2010.
[89] N. H. Lehmann, A. M. Haimovich, R. S. Blum, and L. Cimini. High resolution capabilities of
MIMO radar, Proc. 40th Asilomar Conf. Singal, System and Computers, pp. 25-30, Nov 2006.
[90] Luzhou Xu, Jian Li, and P. Stoica. Target detection and parameter estimation for MIMO radar
systems, IEEE Trans. on Aerospace and Electronic Systems, vol. 44, no. 3, pp. 927-939, Jul
2008.
[91] P. Stoica, E. G. Larsson, and A. B. Gershman. The stochastic CRB for array processing: a
textbook derivation, IEEE Signal Processing Letters, vol. 8, no. 5, pp. 148-150, May 2001.
[92] P. Stoica and A. Nehorai. MUSIC, maximum likelihood, and Cramer-Rao bound: further
results and comparisons, IEEE Trans. Acoustics, Speech and Signal Processing, vol. 38, no. 12,
pp. 2140-2150, Dec 1990.
[93] P. Stoica, A. Jakobsson, and Jian Li. Cisoid parameter estimation in the colored noise case:
asymptotic Cramer-Rao bound, maximum likelihood, and nonlinear least-squares, IEEE Trans.
Signal Processing, vol. 45, no. 8, pp. 2048-2059, Aug 1997.
[94] H. L. Van Trees. Detection, Estimation, and Modulation Theory I. John Wiley & Sons Inc.,
2001.
[95] H. L. Van Trees and K. L. Bell. Bayesian Bounds for Parameter Estimation and Nonlinear
Filtering/Tracking. Wiley-IEEE Press, 2007.
[96] C. D. Richmond. Capon algorithm mean-squared error threshold SNR prediction and
probability of resolution, IEEE Trans. on Signal Processing, vol. 53, no. 8, pp. 2748-2764, Apr
2005.
[97] F. Athley. Threshold region performance of maximum likelihood direction of arrival estimators,
IEEE Trans. on Signal Processing, vol. 53, no. 4, pp. 1359-1373, Apr 2005.
[98] M. Loeve. Probability Theory 1. Springer Verlag, 4th Edition, 1977.
[99] V. Barnett. Comparative Statistical Inference. Wiley Series in Probability and Statistics, 3rd
edition, 1999.
[100] A. W. Rihaczek. Principles of High Resolution Radar. Mc-Graw Hill, 1967.
[101] D. A. Swick. A review of narrowband ambiguity functions, NRL report RF,
05-552-401-6075, 1970.
145
[102] Qian He, R. S. Blum, and A. M. Haimovich. Non-coherent MIMO Radar for location and
velocity estimation: More antennas means better performance, in review for IEEE Trans. on
Signal Processing, 2009.
[103] Hongbin Li and Braham Himed. Transmit Subaperturing for MIMO Radars, submitted to
IEEE Seelected Topics in Signal Processing, special issue on MIMO radar, 2009.
[104] Yao Yu, Athina P. Petropulu and H. Vincent Poor. Distributed MIMO Radar Using
Compressive Sampling, submitted to IEEE Seelected Topics in Signal Processing, special issue
on MIMO radar, 2009.
[105] M. Akcakaya, M. Hurtado, and A. Nehorai. MIMO Radar detection of targets in
compound-gaussian clutter, Proc. 42nd Asilomar Conf. Singal, System and Computers, pp.
208-212, Pacific Grove, CA, USA, Oct 2008.
146
攻读博士期间取得的研究成果
一、 已经被录用或发表的论文
[1] Qian He and R. S. Blum. “Diversity gain for MIMO radar employing
nonorthogonal waveforms,” invited paper for the 4th International Symposium on
Communications, Control and Signal Processing, Limassol, Cyprus, Mar 2010.
[3] Qian He, N. Lehmann, R. S. Blum, and A. M. Haimovich. “MIMO radar moving
target detection in homogeneous clutter,” accepted in IEEE Transactions on
Aerospace and Electronic Systems, 2010.
[4] Qian He and R. S. Blum. “Cramer-Rao bound for MIMO radar target localization
with phase errors,” IEEE Signal Processing Letters, vol. 17, no. 1, pp. 83-86, Jan
2010.
[5] Qian He and R. S. Blum. “Performance and complexity issues in noncoherent and
coherent MIMO radar,” invited paper for the 43rd Asilomar Conference on Signals,
Systems and Computers, Pacific Grove, CA, Nov 2009.
[6] Qian He, R. S. Blum, and A. M. Haimovich. “Non-coherent MIMO radar for
target estimation: More antennas means better performance,” in proceeding of the
43rd Conference on Information Sciences and Systems (CISS), Baltimore, MD,
Mar 2009.
[7] Qian He, R. S. Blum, A. M. Haimovich, and Zishu He. “Antenna placement for
velocity estimation using MIMO radar,” invited paper for the 42nd Asilomar
Conference on Signals, Systems and Computers, Pacific Grove, CA, Nov 2008.
[8] Qian He, R. S. Blum, H. Godrich, and A. M. Haimovich. “Cramer-Rao bound for
147
target velocity estimation in MIMO radar with widely separated antennas,” in
proceeding of the 42nd Conference on Information Sciences and Systems (CISS),
pp.123 - 127, Princeton, NJ, Mar 2008.
[9] Qian He, Zishu He, and Huiyong Li. “Multibeam amplitude comparison problems
for MIMO radar's angle measurement,” in proceeding of the 41st Asilomar
Conference on Signals, Systems and Computers, pp. 2163 - 2167, Pacific Grove,
CA, Nov 2007.
[10] Bo Liu, Zishu He, and Qian He. “Optimization of orthogonal discrete
frequency-coding waveform based on modified genetic algorithm for MIMO
radar,” in proceeding of the International Conf. on Comm, Circuits and Systems
(ICCCAS), pp. 966 - 970, Jul 2007.
二、 在审的论文
[13] Qian He, R. S. Blum, and A. M. Haimovich. “Non-coherent MIMO radar for
location and velocity estimation: More antennas means better performance,” in
review for IEEE Transactions on Signal Processing.
148