摘 要

多输入多输出（multiple-input multiple-output, MIMO）雷达即采用多个发射天

线发送定制波形信号，并采用多个接收天线对回波进行某种联合处理的雷达系统。
MIMO 雷达架起了雷达与通信技术的桥梁，自其概念被提出以来，受到了众多雷
达及通信领域研究者的关注。根据阵元布置的不同，MIMO 雷达可分为共置天线
（co-located antennas）MIMO 雷达和分置天线（widely separated antennas）MIMO
雷达两类。
针对共置天线 MIMO 雷达，本文分析了 MIMO 雷达的同时多波束比幅测角问
题。MIMO 雷达形成的等效收发联合波束与传统相控阵雷达的接收波束相比，具
有波束宽度更窄、旁瓣更低的特点。本文推导 MIMO 雷达联合波束的方向图，给
出其半功率波束宽度及峰值旁瓣高度的计算公式，分析如何对这些联合波束定向
来构造正交多波束，并以此为基础讨论同时多波束比幅测角。
针对分置天线 MIMO 雷达，本文的主要工作和贡献为：
(1) 均匀杂波环境中的运动目标检测
当目标速度足够大，但相对传统相控阵运动的径向速度过低时，雷达无法从
杂波中分离并检测目标。采用分置天线 MIMO 雷达则可以解决该问题。本文推导
了集中式 MIMO 雷达、分布式 MIMO 雷达和相控阵雷达系统的广义似然比
（gener-
alized likelihood ratio test, GLRT）动目标检测器的表达式，对其性能进行了比较，
指出了采用分布式 MIMO 雷达替代集中式 MIMO 雷达的利弊，并给出了一种自
适应 MIMO 雷达动目标检测器。
(2) 速度估计与天线布置
为了研究分置天线 MIMO 雷达对运动目标的速度估计性能，本文给出了速度
估计的克拉美-罗界（Cramer-Rao bound, CRB），提出了 MIMO 雷达速度估计的优
化策略。MIMO 雷达的估计性能受天线布置的影响较大，本文分析了最优天线布
置应满足的条件。
(3) 非相干（noncoherent）MIMO 雷达的联合估计性能
利用 MIMO 雷达对复高斯扩展目标的位置和速度进行联合估计时，本文指出
最大似然意义下的最优估计器是非相干的。本文还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，研究了信杂噪比的阀值现象，通过理论分析和

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

Multiple-input multiple-output (MIMO) radar is a radar system that employs

multiple transmit antennas to emit specific waveforms and multiple receive antennas to
jointly process the returned signals. MIMO radar builds a bridge between the research in
radar and communications. MIMO radar has received much attention from researchers
since it was proposed. Considering different antenna placements, MIMO radar can be
classified into two categories, one with co-located antennas, and the other with widely
separated antennas.
In this work, multibeam amplitude comparison angle measurement is studied for
the MIMO radar with co-located antennas. The effective transmit-receive joint beam
enjoys the advantage of narrower beamwidth and lower sidelobes compared with the
traditional phased array radar. We derive the pattern of the MIMO radar joint beam,
present the formulas for determining the half-power beamwidth and the height of the
peak sidelobe, and analyze how to direct the joint beams to form the desired multiple
beams for amplitude comparison angle measurement.
In the study of the MIMO radar with widely separated antennas, the contributions
of this work are:
(1) Moving target detection in homogenous clutter
When a target with a sufficiently high speed presents a very small radial velocity
towards the traditional phased array radar, it cannot be distinguished from clutter and
thus cannot be detected. The problem is solved by using widely spreaded antennas. We
derive the generalized likelihood ratio test moving target detector for centralized MIMO
radar, distributed MIMO radar, and phased array radar, and compare their performances.
The pros and cons of replacing the centralized MIMO with distributed MIMO radar are
discussed. An adaptive version of the MIMO radar moving target detector is also
provided.
(2) Velocity estimation and antenna placement
The Cramer-Rao bound is derived for the study of velocity estimation performance
using MIMO radar. An optimal strategy for MIMO radar velocity estimation is

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.

Keywords: Amplitude comparison angle measurement, coherent and noncoherent

processing, MIMO radar, moving target detection, parameter estimation.

IV
 目 录

第一章 绪 论 ........................................................1

1.1 MIMO 雷达的基本概念 ............................................ 1

1.2 MIMO 雷达的分类 ................................................ 3

1.3 MIMO 雷达的研究动态 ............................................ 3

1.4 本文的主要内容及章节安排......................................... 5

第二章 共置天线 MIMO 雷达同时多波束比幅测角 ........................7

2.1 信号模型......................................................... 7

2.2 联合波束形成方向图分析.......................................... 10

2.2.1 半功率波束宽度 ............................................. 11

2.2.2 旁瓣电平 ................................................... 11
2.3 同时多波束比幅测角.............................................. 13

2.3.1 同时多波束形成 ............................................. 13

2.3.2 同时多波束比幅测角 ......................................... 16
2.4 本章小结........................................................ 18

第三章 均匀杂波中的运动目标检测 ....................................20

3.1 信号模型........................................................ 20

3.1.1 MIMO 雷达信号模型......................................... 20

3.1.2 相控阵雷达信号模型 ......................................... 22
3.1.3 杂波模型 ................................................... 23
3.2 运动目标检测.................................................... 23

3.2.1 集中式 MIMO 雷达动目标检测器 .............................. 23

3.2.2 分布式 MIMO 雷达动目标检测器 .............................. 24

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

3.3.1 接收机工作特性 ............................................. 27

3.3.2 集中式与分布式 MIMO 雷达性能比较 .......................... 29
3.3.3 发射阵元的分置 ............................................. 30
3.3.4 检测统计量的恒虚警率特性 ................................... 32
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 .....................35

4.1 信号模型........................................................ 35

4.2 克拉美-罗界及最大似然估计....................................... 37

4.2.1 速度估计的克拉美-罗界 ...................................... 37

4.2.2 最大似然估计 ............................................... 41
4.2.3 基于克拉美-罗界的系统优化分析 .............................. 41
4.3 基于各向同性散射目标的速度估计.................................. 42

4.3.1 克拉美-罗界 ................................................ 42

4.3.2 最大似然估计 ............................................... 44
4.4 基于各向同性散射目标的系统优化设计.............................. 46

4.4.1 天线优化布置 ............................................... 46

4.4.2 奇异费歇尔信息矩阵 ......................................... 49
4.5 仿真及数值结果分析.............................................. 50

4.5.1 最大似然仿真 ............................................... 50

4.5.2 克拉美-罗界分析 ............................................ 53
4.6 讨论与小结...................................................... 56

第五章 非相干 MIMO 雷达位置及速度联合估计 .........................58

5.1 信号模型........................................................ 58

5.2 最大似然估计.................................................... 60

5.2.1 简化模型 ................................................... 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

5.4.1 单脉冲信号 ................................................. 67

5.4.2 多脉冲信号 ................................................. 71
5.5 非相干 MIMO 雷达的模糊函数 ..................................... 73

5.5.1 定义非相干 MIMO 雷达模糊函数的两种方法 .................... 73

5.5.2 简化的非相干 MIMO 雷达模糊函数 ............................ 75
5.6 扩展分析........................................................ 78

5.6.1 反射系数部分相关的情况 ..................................... 80

5.6.1.1. 反射系数的相关矩阵 ..................................... 80
5.6.1.2. 渐近分析 ............................................... 81
5.6.1.3. 数值结果 ............................................... 83
5.6.2 非正交信号的情况 ........................................... 85
5.6.3 空间色噪声的情况 ........................................... 86
5.6.4 三维空间的情况 ............................................. 86
5.7 小结............................................................ 88

第六章 相干与非相干 MIMO 雷达 .....................................90

6.1 信号模型........................................................ 90

6.1.1 相干 MIMO 雷达信号模型 .................................... 91

6.1.2 非相干 MIMO 雷达信号模型 .................................. 92
6.2 相干处理和非相干处理的均方误差比较.............................. 93

6.3 相干处理和非相干处理的克拉美-罗界............................... 94

6.3.1 相干处理的克拉美-罗界 ...................................... 95

6.3.2 非相干处理的克拉美-罗界 .................................... 96
6.4 性能比较和实验结果.............................................. 97

6.4.1 仿真实验 ................................................... 97

6.5 扩展分析....................................................... 103

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

A.1 第三章附录：MIMO 动目标检测器的恒虚警率性能 .................. 110

A.2 第四章附录..................................................... 111

A.2.1 随机反射系数情况下的克拉美-罗界 ........................... 111

A.2.2 频率扩展信号 .............................................. 112
A.2.3 发射信号正交情况下对 δ lkk ′ ， γ 和ηlk 的简化 .................... 117
A.2.4 关于 g > 0 ， h > 0 和 gh − z 2 > 0 的证明 ......................... 118
A.2.5 梯度运算的元素 ............................................ 119
A.2.6 引理 1 的证明 .............................................. 122
A.2.7 引理 2 的证明 .............................................. 125
A.2.8 几个有用的求和公式 ........................................ 127
A.3 第五章附录：频率扩展高斯单脉冲信号............................. 129

A.4 第六章附录..................................................... 131

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 ........ 131

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 ...... 132
A.4.3 匹配滤波器输出端的噪声 .................................... 133
A.4.4 相干处理中的费歇尔信息矩阵的计算 .......................... 134
A.4.5 费歇尔信息矩阵中的参数 .................................... 136
致 谢 ...........................................................138

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

1.1 MIMO 雷达的基本概念

由多个发射和接收天线构成的多输入多输出（multiple input multiple output,

MIMO）系统已在通信领域的研究和发展中产生了革命性的影响。通信系统和雷达
系统之间有着密切的联系和可类比性。图 1-1 示出的简单框图既可用于描述通信系
统也可用于描述雷达系统。描述通信系统时，图中的编码信号 s (t ) 对于接收机是未
知的，通信信道 h(t ) 是已知的或者是被预先估计出的，希望通过分析接收信号
r (t ) = s (t ) * h(t ) + n(t ) 来获取关于发送信号 s (t ) 的信息。描述雷达系统时，图中的发
射信号 s (t ) 对于接收机是已知的，雷达目标 h(t ) 是未知的，希望通过分析接收信号
r (t ) 来获取关于雷达目标 h(t ) 的信息。鉴于雷达和通信系统的这种相似性，研究者
们将 MIMO 的思想推广到雷达领域的研究中[1-3]。应运而生的 MIMO 雷达为通信
和雷达的研究搭起了桥梁，吸引了两个领域众多专家学者的关注。
MIMO 雷达是采用多个发射天线发送定制波形信号，并采用多个接收天线对
回波进行某种联合处理的雷达系统。广义上讲，发射某种定制波形（如正交波形
（双）多基雷达（bi/multistatic radar）
等）的相控阵雷达、 、组网雷达（netted radar）
等都可被认为是 MIMO 雷达的例子。
雷达目标通常由许多散射体构成，为信号的传输提供了丰富的散射环境，可
以类比于通信系统中的信道。目标的雷达散射截面积（radar cross section, RCS）决
定了回波幅度的大小。如图 1-2 所示[4]，目标 RCS 随空间观测角不同而强烈起伏，

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 .

观测方向的微小变化所导致的 RCS 起伏可达 5 至 25dB。图 1-2 说明了目标散射产

生的回波具有空间独立性。当从差异足够大的两个角度对目标进行探测时，收到
的目标回波是独立的。如果把雷达天线布置在足够广的区域上使它们相互独立的
观测目标，那么对这些独立的观测数据加以利用则可获得由目标散射的角度扩展
所带来的性能的改善。这种可靠性的提升在 MIMO 通信中被称为空间分集增益
（diversity gain），空间分集增益可以通过空时编码和相关的 MIMO 技术手段等来
获得。其关键思想是，单个观测的结果恰好对应小的回波幅度的可能性较大，但
多个独立的观测结果同时对应小的回波幅度的可能性很小。如此一来，通常被视
为缺点的目标 RCS 起伏被加以利用，分集增益的获得有效改善了系统的性能。
除分集增益之外，MIMO 通信中的另一个增益是空间复用增益（或称容量增
益或信息增益）。空间复用增益（spatial multiplexing gain）可以使 MIMO 通信系统
在不增加真实占用带宽的前提下提高传输速率。在 MIMO 雷达中，类似的信息增
益体现为 MIMO 雷达对目标的高分辨成像能力。信息增益有助于提高雷达系统对
目标参数估计的精确性，这一点已在现有研究中通过克拉美-罗界和模糊函数来说
明。而参数估计性能的改善对提高目标跟踪能力也是非常有利的。

2
1.2 MIMO 雷达的分类

根据阵元布置的不同，MIMO 雷达可大致分为两类。一类是共置天线 MIMO

雷达（MIMO radar with co-located antennas）[5]，其布阵方式和传统的相控阵雷达
类似，所有发射（或接收）天线是集中放置的，相对于目标所成的角度几乎相同。
共置天线 MIMO 雷达的主要特点是波形分集（waveform diversity）
，因而波形设计
是其关键。
另一类是分置天线 MIMO 雷达（MIMO radar with widely separated antennas)[1]。
顾名思义，分置天线 MIMO 雷达的天线是分布在空间不同位置的，它们相对于目
标所成的角度明显不同，可获得空间复用增益和几何增益（geometry gain）。其中
空间分集增益的获得要求雷达天线的分隔足够大，使其观测到的目标回波相互独
立。
从现有研究情况来看，共置天线 MIMO 雷达多采用相干处理，在波形分集所
带来的自由度增加的基础上寻求波束形成等方面的性能的提高。分置天线 MIMO
雷达则鉴于目标特性和天线间的分离情况，既可以采用相干处理也可以采用非相
干处理。如[3]所述，将若干散射单元构成的扩展目标（extended target）与天线阵类
比，根据信号波长和目标尺寸等条件得出等效的目标波束宽度（target beamwidth）。
对于分置天线 MIMO 雷达，若所有天线位于同一目标波束宽度以内，则认为目标
关于它们的反射系数近似相同，此时可以证明在复高斯加性白噪声等假设下的最
优处理器是相干的；另一方面，若 MIMO 雷达的天线位于不同的目标波束宽度内，
则认为目标关于各传输路径的反射系数是不相关的，此时可以证明在复高斯加性
白噪声等假设下的最优处理器是非相干的。
非相干处理要求 MIMO 雷达的所有收发单元满足时间同步，而相干处理既要
求时间同步也要求相位同步。就目前的器件水平而言，相位同步的实现有一定难
度，对实际系统的要求颇高，当天线间距较大时尤为如此。硬件难实现的代价使
得相干处理在某些情况下的性能优于非相干处理，具体的讨论将在后续章节中给
出。

1.3 MIMO 雷达的研究动态

关于 MIMO 雷达的研究源于 MIMO 无线通信的启发[2]。MIMO 雷达的研究可

追溯到上世纪 70 年代，当时法国国家航天局提出的综合脉冲孔径雷达（SIAR）采

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

本文后续部分的安排如下。第二章讨论共置天线 MIMO 雷达的同时多波束比

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

如第一章所述，MIMO 雷达可按共置天线（co-located antennas）或分置天线

（widely separated antennas) 分为两类。本章主要讨论共置天线 MIMO 雷达（若无
特别说明，本章中所提及的 MIMO 雷达均指共置天线 MIMO 雷达）。
在 MIMO 雷达中使用各向同性天线，当各发射天线发射的波形相互正交时，
信号能量不会在空间某方向被叠加或者抑制，因此可以实现全方位的覆盖。在接
收端，根据已知的正交发射波形及发射天线位置信息，MIMO 雷达能够在接收波
束形成的基础上进行虚拟的发射波束形成，从而形成等效的收发联合波束。与传
统相控阵雷达的接收波束相比，联合波束的波束宽度更窄、旁瓣更低[31]。考虑到
MIMO 雷达全向发射的特点，有必要在接收端同时形成多个波束，以便在任意时
刻对任意感兴趣的空域进行探测[8]。本章将分析如何对这些波束定向来构造正交多
波束（也就是使相邻波束交于半功率点处）。
工程中常用的目标角度测量方法有最大信号法、最小信号法、比幅法、比相
法、时间差法等等。其中比幅法由于实现容易、对器件要求较低而被广泛使用。
比幅测角的基础是波束辐射的方向图特性。当目标偏离方向图峰值所指方向时，
接收信号会随之变化。于是可以通过测量相邻波束通道输出信号的幅度差来推断
目标方向。测角的精度则直接取决于波束方向图的半功率波束宽度。因此，为了
将比幅法应用到 MIMO 雷达中，必须首先对 MIMO 雷达的联合波束进行严格的数
学分析。本章推导 MIMO 雷达联合波束的方向图，并给出联合波束的半功率波束
宽度、第一旁瓣幅度等计算公式。

2.1 信号模型

假设 MIMO 雷达系统如图 2-1 所示，M 个发射天线以间距 dt 均匀直线排列，

N 个接收天线以间距 dr 均匀直线阵排列。发射天线 k 发射的信号为 sk (t ) ，
k = 1,..., M 。各发射信号相互正交，并满足
⎧c k = k′
∫TP
sk (τ ) sk*′ (τ )dτ = ⎨ k
⎩0 k ≠ k′
， (2-1)

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 Δφt = 2π dt sin θ / λ 表示相邻发射天线间的（由于相对目标位置不同而造成的）

空间相位差， λ 表示波长。
信号 p(t ) 经过目标散射后被接收天线收到。假设 MIMO 雷达接收阵与发射阵
的位置非常接近，它们相对于目标的角度几乎相等。则接收信号向量可表示为
x(t ) = [ x1 (t ), x2 (t ),..., xN (t )]†
， (2-5)
= α a r (θ )at† (θ )s(t − τ t − τ r ) + v (t )

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)

其中 Δφr = 2π d r sin θ / λ 表示相邻接收天线间的空间相位差。

将各接收天线收到的信号通过一组匹配滤波器（MF），如图 2-2 所示，每一滤

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 c 是(2-1)中定义的常数（设 ck = c ，k = 1,..., M ），u 是 MN × 1 维的噪声向量，⊗

表示 Kronecker 积， y = [ y11 y1M yN 1 yNM ]† 。接下来，根据发射和接收天线
的相对位置对各匹配滤波的输出信号进行相位补偿并求和，这包括两个等效步骤。
第一，对同一接收天线中不同匹配滤波器的输出信号进行相位补偿并求和，该过
程可看作是以导向矢量
†
bt (θb ) = ⎡⎣1 e − jΔϕt e − j ( M −1) Δϕt ⎤⎦ (2-8)

进行虚拟发射波束形成，其中 Δϕt = 2π dt sin θb / λ ， θb 代表第 b 个波束方向，

b = 1, 2, ..., B 。第二，对不同接收天线中的信号进行相位补偿并求和，此为常规的
接收波束形成，导向矢量为
†
b r (θ b ) = ⎡⎣1 e − jΔϕr e − j ( N −1) Δϕr ⎤⎦ ， (2-9)

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)

其中上标 H 表示共轭转置。当 θ = θb （波束 b 正对目标方向）时， zb 取得最大值。

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 ⎦

其中 Δφt 和 Δφr 表示由于传输路径不同造成的空间相位差，而 Δϕt 和 Δϕ r 则是为了

形成 θb 方向的波束而引入的相移，将其表达式带入(2-12)可得
N
⎡ M j ( m −1)( 2λπ dt sin θ − 2λπ dt sin θb ) ⎤ j ( n −1)( 2λπ dr sin θ − 2λπ dr sinθb )
F (θ ) = ∑ ⎢ ∑ e ⎥e
n =1 ⎣ m =1 ⎦
jN (
2π
d r sin θ −
2π
d r sin θb ) jM (
2π
dt sin θ −
2π
dt sin θb )
(2-13)
1− e λ λ
1− e λ λ
= 2π 2π
× 2π 2π
。
j( d r sin θ − d r sin θb ) j( dt sin θ − dt sin θb )
1− e λ λ
1− e λ λ

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 ⎦

通常 N 和 M 的数值较大。由于 π d ( sin θ − sin θb ) / λ 很小，因此 A(θ ) 可被近似为两

个辛格（sinc）函数的乘积
⎡ Nπ ⎤ ⎡ Mπ ⎤
sin ⎢ d r (sin θ − sin θb ) ⎥ sin ⎢ dt (sin θ − sin θb ) ⎥
A(θ ) = MN ⎣ λ ⎦× ⎣ λ ⎦。 (2-15)
π π
N d r (sin θ − sin θb ) M dt (sin θ − sin θ b )
λ λ
为了分析方便，假设 N = M ， dt = d r = d ，则联合波束的方向图可简化为

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

其中第二个等式利用 θ3dB / 2 取值较小进行了近似运算。将(2-19)代入(2-18)可求得半

功率波束宽度等于
0.638λ
θ3dB = 。 (2-20)
Nd cos θb

在传统相控阵雷达中，半功率波束宽度等于 θ3dBPA = 0.886λ / Nd cos θb [32]，是

MIMO 雷达半功率波束宽度的 1.4 倍。可见 MIMO 雷达具有更高的角度分辨力。

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.

当天线间距为半波长时， d = λ / 2 ，第一旁瓣的峰值出现在 θ1 ≈ sin −1 (3 / N ) 处（更

精确的位置应该是 θ1 = sin −1 (2.86 / N ) ）
。这样，由(2-16)可得第一旁瓣的高度为
A(θ1 )
20 log10 = −26.52 dB ， (2-23)
A(0) θ1 =sin −1 (2.86 / N )

其明显比传统相控阵雷达的峰值旁瓣（-13.26 dB[33]）更低。因此，MIMO 雷达具

有更好的弱目标检测及抗干扰能力。
下面通过仿真来阐释 MIMO 雷达联合波束的优越性。假设雷达系统的接收和
发射天线数为 M = N = 16，均匀直线放置的天线的间距为半波长，波束指向阵列的
法线方向。MIMO 雷达和传统相控阵雷达的波束方向图如图 2-3 所示。图中上方的
水平直线表示的高度为-3dB。从仿真结果观察到，MIMO 雷达和传统相控阵雷达
的半功率波束宽度分别为 4.57 和 6.35 ，第一旁瓣的峰值高度分别为-26.52 dB 和
-13.26 dB，这与前述理论分析的结果完全吻合。MIMO 雷达的联合波束的主瓣更
窄、旁瓣更低，比之传统相控阵具有明显的优势。
图 2-4 和图 2-5 所示分别为加汉明和切比雪夫窗之后的波束方向图。其中
MIMO 雷达联合波束的加窗是对等效的接收波束和虚拟发射波束两个部分分别来
考虑的。观察加汉明窗时的情况，MIMO 雷达和传统相控阵雷达的半功率波束宽
度分别为 6.91 和 9.72 ，相应的峰值旁瓣为-79.63 dB 和-39.81 dB。可见加窗对两种
雷达的影响是一致的，加窗后旁瓣幅度被压低而主瓣宽度增加。这种现象在加切
比雪夫窗时更为明显，由图 2-5 可见此时的 MIMO 雷达和传统相控阵雷达的半功
率波束宽度进一步增加为 7.53 和 10.60 ，相应的峰值旁瓣降低到-120 dB 和-60 dB。

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.

图 2-5 加切比雪夫后 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

前面已经提到，发射正交波形的 MIMO 雷达可以使发射信号覆盖全方位。如

果在接收端形成多个波束，则能对波束所指的多个方向同时进行探测。
在实际雷达系统中，当阵元总数较大时往往需要划分子阵。对于 MIMO 雷达

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)

其中 B 表示同时多波束的总波束个数，如图 2-6 所示。因为相邻波束是在半功率

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 )]

其中第 i 列为第 i 方向虚拟发射波束对应的导向矢量，以及接收导向矩阵

b r = exp{− jq r Δφ†r } = [b r (1), , b r ( B )] (2-29)

其中第 i 列为第 i 方向接收波束对应的导向矢量。定义联合导向矩阵为

b b r bt ， (2-30)

， 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

Beam direction Value (deg) Beam direction Value (deg)

θ1 -75.58 θ 14 4.57
θ2 -61.61 θ 15 9.18
θ3 -53.01 θ 16 13.85
θ4 -45.93 θ 17 18.61
θ5 -39.68 θ 18 23.51
θ6 -33.96 θ 19 28.60
θ7 -28.60 θ 20 33.96
θ8 -23.51 θ 21 39.68
θ9 -18.61 θ 22 45.93
θ 10 -13.85 θ 23 53.01
θ 11 -9.18 θ 24 61.61
θ 12 -4.57 θ 25 75.58
θ 13 0

2.3.2 同时多波束比幅测角

MIMO 雷达形成的同时多波束如图 2-6 所示。当目标被雷达信号处理器检测到

之后，可以比较两个独立波束通道输出信号的幅度来确定目标角度。幅度比较可
以在单个脉冲持续期内完成，故此为单脉冲方法测角。
比幅测角的原理如图 2-8 所示[34]。设目标角度为 θtgt ，介于波束方向 θ1 和 θ 2 之
间，两个波束通道的输出信号幅度为 A1 和 A2 ，相应的波束方向图为 F1 (θ ) 和 F2 (θ ) 。

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

ΔA = ln F1 (θtgt ) − ln F2 (θtgt ) 。 (2-31)

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

其中 θ12 = (θ1 + θ 2 ) / 2 。值得注意的是(2-35)中的 θ3dB 是通过(2-20)得来的，这点不同

于传统相控阵雷达。
假设 S 波段的 MIMO 雷达有 8 个各向同性的天线以半波长为间距均匀直线排
列，发射 3 MHz 带宽的线性调频信号，不同天线的发射信号之间频分正交。设信
噪比为 15 dB，各波束通道增益均衡。利用(2-25)和(2-26)式得到同时多波束的各波
束指向。结果表明本例需要同时形成的波束有 11 个（这里略去具体波束指向）
。

17
 表 2-2 真实目标角度和仿真结果

Target Elevation Angle Simulation Result

(deg) (deg)
-50 -50.2112
-45 -45.1447
-30 -29.3717
-25 -25.2029
-18 -18.5347
-6 -6.0744
3 2.9625
5 5.0238
7 7.1237
9 9.5116
10 9.7225
12 11.9987
15 15.0602
17 17.1792
19 18.651
36 36.1309
52 52.1534

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

本文的重心将从共置天线 MIMO 雷达转移到分置天线 MIMO 雷达。

从本章起，
分置天线 MIMO 雷达同样可发射正交信号并在各接收端将其分离。不同于共置天
线 MIMO 雷达的是，分布放置的天线相对于目标的视角可以是各异的，使得雷达
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
（moving target detection, MTD）
。当目标以足够大的速度沿某方向运动时，若其关
于天线阵列的径向速度过低，则雷达无法从杂波中分离从而检测到目标。共置天
线 MIMO 雷达和传统相控阵雷达都存在此问题。采用分置天线 MIMO 雷达则可很
好的解决该问题，因为它能从不同方向探测目标，所以当目标速度足够大时，即
使其关于某一方向的径向速度较低，也能够被放置于其他方向的天线检测。为表
述简洁，若无特别说明，后文提及的 MIMO 雷达均指分置天线 MIMO 雷达。
本章分析在高斯色噪声加杂波的背景下，传统相控阵雷达和分置天线 MIMO
雷达的动目标检测能力，通过对它们的接收机工作特性曲线（ receiver operating
characteristic, ROC）进行比较来说明 MIMO 雷达的优势。本章研究 MIMO 雷达动
目标检测器的两种实现方式，即集中式（centralized）处理和分布式（distributed）
处理，并通过比较其累积分布函数（cumulative distribution function, CDF）来说明
集中式处理具有更优越的性能。此外，本章也将对 MIMO 雷达系统的恒虚警检测
（constant false alarm, CFAR）处理进行讨论。

3.1 信号模型

3.1.1 MIMO 雷达信号模型

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

如果有目标在检测单元内（cell-under-test, CUT）出现，则假设其在 K 个连续脉冲

期间不会离开该检测单元。

20
 图 3-1 MIMO 雷达系统示意图.

MIMO 雷达有 M 个发射天线，分别发射相互正交的脉冲信号，这些信号在经

历时延和多普勒频移后仍保持相互正交性。MIMO 雷达有 N 个接收天线，各接收
端利用发射信号的正交性能有效分离出回波中来自不同发射天线的成份。称“目
标出现在检测单元中”的假设为 H1，
“没有目标出现”的假设为 H0，则在两种假
设下，由发射天线 k（ k = 1,..., M ）发射的脉冲，经接收天线 l（ l = 1,..., N ）接收
处理后得到的 K 个信号采样可由以下向量表示
⎧clk + nlk H0
rlk = ⎨ (3-2)
⎩α lk dlk (vx , v y ) + clk + nlk H1 ,

其中 α lk 表示未知的目标复反射系数，其值对于任意 k、l 在 K 个连续脉冲期间不改

变。定义
⎛ 1 ⎞
⎜ j 2π f lk TPRF ⎟
e
dlk = ⎜ ⎟, (3-3)
⎜ ⎟
⎜ j 2π flk ( K −1)TPRF ⎟
⎝e ⎠

其中 TPRF 为脉冲重复间隔（pulse repetition interval, PRI）

， flk 表示接收天线 l 测得
的、由发射天线 k 发射的信号的多普勒频移（Doppler shift）
f c vx fv
flk = (cos θ kt + cos θlr ) + (sin θ kt + sin θlr ) c y ， (3-4)
c c

其中 f c 表示载波频率， c 为光速。发射天线 k 和接收天线 l 相对目标的角度分别为

θ kt 和 θlr ，如图 3-1 所示。定义
dlk (vx , v y ) = dlk ( f lk ) f c vx fc vy 。 (3-5)
flk = (cosθ kt + cosθlr ) + (sin θ kt + sin θlr )
c c

另外，式(3-2)中 clk 表示杂波回波， nlk 表示接收机热噪声。假设杂波为零均值

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)

注意这里没有对杂波相关矩阵 C′ 作任何规定，稍后将对 C′ 的具体模型作进一步讨

论。假设接收机热噪声是零均值复白高斯噪声，相关矩阵为
E {nlk nlkH } = σ n2 I K ×K ， (3-8)

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

为了将 MIMO 雷达和传统雷达进行比较，这里给出传统相控阵雷达的信号模

型。假设相控阵雷达系统有共置的 M 个发射天线和 N 个接收天线，以均匀线阵排
列。相控阵各发射天线采用相同的脉冲信号，并施加相移以在 φtsteer 方向形成发射
波束。发射天线 k 所需的相移包含在 bk (φtsteer ) = e j 2π k sin φtsteer Δt / λ 的指数项中，其中 Δt 表
示发射天线间距，λ 表示载波波长。经接收天线 l 接收处理后的 K 个信号采样可由
以下向量表示
⎧M
⎪∑ clk bk (φtsteer ) + nl H0
⎪ k =1
rl = ⎨ M 。 (3-10)
⎪ ( a (φ )α d(v , v )b* (φ ) + c )b (φ ) + n
⎪⎩ ∑ l r x y k t lk k tsteer l H1
k =1

注意到上式中反射系数 α 没有下标 lk，这是由于相控阵的收发天线共置，各收发

单元从同一视角探测目标，获得的目标 RCS 值相同，故反射系数 α 对所有收发单
元相等。同理，各收发天线与目标运动的相对角度相同，故向量 d(vx , v y ) 对所有收
发单元也是相等的。目标偏离发射阵法线的角度为 φt ，由此造成各入射波的空间相
移包含在 bk (φt ) = e j 2π k sin φt Δt / λ 的指数项中。类似的，记目标偏离接收阵法线的角度为
φr ，则反射波到达各接收天线的空间相移可由 al (φr ) = e j 2π k sin φ Δ r r /λ
表示， Δ r 表示接

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。

3.2.1 集中式 MIMO 雷达动目标检测器

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

∑∑ ( r − α lk dlk (vx , v y ) ) C−1 ( rlk − α lk dlk (vx , v y ) ) ，

M N
H
lk (3-14)
k =1 l =1

又进一步等效于求下式的最大值

∑∑ 2ℜ {α dlkH (vx , v y )C−1rlk } − | α lk |2 dlkH (vx , v y )C−1dlk (vx , v y ) 。

M N
*
lk (3-15)
k =1 l =1

对于任意的 vx 和 v y ，使(3-15)最大的 α lk 应满足

dlkH (vx , v y )C−1rlk
α lk = αˆ lk = 。 (3-16)
dlkH (vx , v y )C−1d lk (vx , v y )

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

需要强调的是，集中式 MIMO 雷达动目标检测器将所有接收端的信息（ r 中全部

元素）联合起来估计目标的真实速度向量 v = (vx , v y ) 。下文将进一步讨论这种联合
估计方法的含义，并与各接收端局部估计目标相对速度的方法进行对比。

3.2.2 分布式 MIMO 雷达动目标检测器

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。

3.2.4 自适应 MIMO 雷达动目标检测器

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

可以通过 L（L>K）个辅助数据向量 rlk (i ) 求出。辅助数据 rlk (i ) 是在认为没有目标

回波存在的邻近距离单元测得的[41],[43]。自适应集中式 MIMO 检测统计量为
2
M N ˆ −1r
dlkH (vx , v y )C
H1
>
ξ = max ∑∑
lk lk
γ。 (3-22)
vx ,v y
k =1
H ˆ −1
l =1 d lk (vx , v y )Clk d lk (vx , v y ) <
H2

该检测统计量具有 CFAR 的性质（参见附录 A.1 的分析）

。按类似的方法可以推得
自适应分布式 MIMO 和自适应相控阵检测统计量。需要注意的是，在相控阵系统
中各收发路径中的杂波具有相同的统计特性。
在 3.3.4 节中，将用几例数值结果来证实统计量(3-22)的 CFAR 特性，并比较
自适应 MIMO 和自适应相控阵雷达系统的性能。

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

其中 Pcc 表示杂波功率， λ 表示波长， σ v 表示杂波均方根速度。上式对应的自相关

函数（autocorrelation function, ACF）为
f 2λ 2
∞ Pcc λ −
ϕcc (τ ) = ∫
2
e 8σ v e j 2π f τ df
−∞
2π 2σ v 。 (3-24)
2 2 σ2
−π τ 8 v2
= Pcc e λ

在 τ = kTPRF （ k = 1, , K − 1 ）时刻对 ACF 采样，记 K 个采样结果为 ρ cc (k ) =

ϕcc (kTPRF ) ，则杂波时间相关矩阵可表示为
⎛ ρ cc (0) ρcc (1) ρcc ( K − 1) ⎞
⎜ ⎟
⎜ ρ cc (1) ρ cc (0) ⎟。
C′ = (3-25)
⎜ ρ cc (1) ⎟
⎜ ⎟
⎝ ρcc ( K − 1) ρ cc (1) ρ cc (0) ⎠

仿真中假设载波频率为 f c = 1 GHz，时间采样个数为 K＝10，杂波均方根速度

σ v = 1.25 m/s。求 GLRT 统计量时，速度搜索的范围是根据脉冲重复频率所决定的
最大无模糊速度确定的。

3.3.1 接收机工作特性

首先分析不同雷达系统的接收机工作特性（receiver operating characteristics,

。假定脉冲重复频率为 500Hz，杂噪比为 40dB，雷达系统有 2 个发射天线和
ROC）
2 个接收天线，其中发射天线的观测角为 {θ kt }2k =1 = {0 , 65 } ，接收天线的观测角为
{θlr }l2=1 = {−30 , 40 } 。设目标运动的绝对速度为 68km/h，速度方向是随机的。考虑
目标反射系数恒定的情况，即在(3-2)中 α lk ＝ α ＝常数。在这种目标无闪烁的情况
下不存在 MIMO 分集增益，便于单纯地分析 MIMO 系统几何增益。图 3-2 所示为
集中式 MIMO（CMIMO）
、分布式 MIMO（DMIMO）和传统相控阵（conv）雷达
系统在几种信杂比（target-to-clutter ratio, tc）条件下的 ROC 曲线。集中式 MIMO

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）.

图 3-3 目标以 68km/h 按随机方向运动时的 ROC 曲线（复高斯 α lk ,PRF=500Hz,CNR=40dB）.

的 ROC 曲线在最上方，其检测概率在不同信杂比条件下均接近于 1，因此具有很

好的性能。由图可见两种 MIMO 雷达的性能均优于相控阵雷达，这是因为 MIMO
雷达能从多个角度观察目标，因而具有几何增益。相控阵雷达的性能则受到观测
角度单一的限制，所以在目标运动方向随机的情况下其检测性能不如 MIMO 雷达。
接下来的例子与图 3-2 类似，但反射系数 α lk （ k = 1, , M ， l = 1, , N ）不再
设为常数，而是一组复高斯随机变量，如图 3-3 所示，此时 MIMO 雷达的性能仍
好于相控阵雷达。本例既体现了 MIMO 雷达的几何增益又体现了其空间分集增益。
空间分集增益的存在减少了目标 RCS 起伏对各收发路径中信号造成的影响。

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。

3.3.2 集中式与分布式 MIMO 雷达性能比较

本节进一步分析集中式和分布式 MIMO 雷达检测器，将重心放在几何增益上，

对二者统计检测量（定义见(3-17)和(3-18)）的累积分布函数（cumulative distribution
function, CDF）进行比较。设脉冲重复频率为 2KHz，杂噪比为 30dB。雷达系统有
一个发射天线和若干（N 个）接收天线，其中发射天线位于 θ1t = 0 方向，接收天线
的方向如下：当 N=1 时， θ1r = 0 ；当 N=4 时， {θlr }l4=1 = {−39 , −13 ,13 ,39 } ；当
N=8 时， {θlr }8l =1 = {−39 , −26 , −13 , 0 ,13 , 26 ,39 ,51 } 。假设信杂比为 0dB。图 3-4
所示为 H1 假设下集中式和分布式 MIMO 雷达检测统计量的 CDF，其中目标以绝对
速度 300km/h 运动且 α lk ＝ α ＝常数。注意到之所以选择信杂比为 0dB，是由于它
恰使得两种雷达系统的检测统计量在 H1 假设下服从相似的分布，便于进行如后文
所述的比较。图 3-5 所示为 H 0 假设下集中式和分布式 MIMO 雷达检测统计量的
CDF，此时没有目标出现，接收信号只包含噪声和杂波。由图可见，对给定的 CDF
值 F (ξ | H 0 ) ，集中式 MIMO 雷达的检测统计量 ξ H 0 小于分布式 MIMO 雷达。
如所知道的那样，若检测阀值设为 γ ，则检测概率为 Pd = 1 − F (γ | H1 ) ，虚警概
率为 Pfa = 1 − F (γ | H 0 ) 。比较图 3-4 和图 3-5 可见，为使集中式和分布式 MIMO 雷
达获得相同的检测概率，应选择几乎相同的检测阀值，而当检测阀值相等时，前
者的虚警概率更低。这就从检测统计量的角度解释了图 3-2 和图 3-3 中集中式
MIMO 所体现的增益。另一方面，分布式检测器针对每一收发路径需要进行一次
一维搜索，而集中式检测器联合利用所有的采样结果进行二维搜索。集中式检测

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.

图 3-5 检测统计量 ξ 在 H 0 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

目标运动在第 lk 条收发路径引起的多普勒频移 f lk 可表示为[32]

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 ⎠

其中 | v | 表示目标的绝对速度。发射和接收天线的视角分别为 θ kt 和 θlr ，如图 3-6 所

示。目标速度矢量和收发角二分线之间的夹角用 φlkbs 表示。
由(3-26)可知，当给定目标绝对速度时，多普勒频移 f lk 的幅度由 φlkbs 和 (θ kt − θlr )
决定。一方面，MIMO 雷达中的分置天线保证了某些天线能使 cos(φlkbs ) ≈ 1 近似满足。
另一方面，为了获取大的多普勒频移，发射和接收天线视角之差应尽可能小。接
下来通过比较 1× 8 和 2 × 4 集中式 MIMO 雷达来说明这一点。假设脉冲重复频率为
2KHz，杂噪比为 30dB。 1× 8 集中式 MIMO 雷达的发射天线位于 θ1t = 45 ，接收天
线位于 {θ1r }8l =1 = {0 ,13 , 26 ,38 ,50 , 62 , 75 ,90 } 。 2 × 4 集中式 MIMO 雷达的发射和
接收天线分别位于 {θ kt }2k =1 = {5 ,85 } 和 {θlr }l4=1 = {0 ,30 , 60 ,90 } 。其中 2 × 4 系统的总
发射能量是 1× 8 系统的两倍。这两个系统的分集支路数相等（均为 NM = 8）
，且每
个天线的发射功率相同，按[3]中的分析两个系统对静止目标应具有等同的性能。然
而，本文考虑的是运动目标，在此假设下由图 3-7 可见具有两个发射天线系统的性
能优于具有单个发射天线的系统，这与[3]中关于静止目标的结果截然不同。有意思
的是， 1× 8 系统总共需要 9 个发射/接收站而 2 × 4 系统总共仅需 6 个发射/接收站，
也就是说有可能用成本更低的系统来获得更高的性能。

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）.

图 3-8 天线数为 1 × 4 的恒虚警率雷达系统采用不同辅助数据时的累积分布函数.

3.3.4 检测统计量的恒虚警率特性

本节讨论天线数为 1× 4 和 1× 8 的自适应集中式 MIMO 雷达以及自适应相控阵

雷达系统。假设脉冲重复频率为 2KHz，杂噪比为 30dB。图 3-8 所示是 1× 4 自适应
集中式 MIMO 检测统计量(3-22)在 H 0 假设下的经验累积分布函数（empirical CDF）

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）.

，图中 L 表示辅助数据向量的个数。发射和接收天线的位置与 3.3.2 小节中的例子

相同。
实线是在已知杂波协方差矩阵条件下得到的累积分布函数。杂波协方差矩阵
未知时，虚线反映了 H 0 假设下、L = 160 时的经验累积分布函数，点线则是在 L = 40
时得到的。对每一种 L 的取值，考虑了如下两种场景：
• 第一种场景（sc. 1）
：所有接收单元对应的杂波协方差矩阵相同，且具
有如前所述的形式（见式(3-25)， 假设脉冲重复频率为 2KHz，杂噪比
为 30dB）
。
• 第二种场景（sc. 2）
：在四个接收单元中，其中两个接收单元对应的杂
波回波具有如前所述的协方差矩阵；另两个接收单元对应的杂噪比为
20dB，总干扰功率增大了 6dB。
在每种场景下，都是利用辅助数据来估计协方差矩阵的，如式(3-21)所示。由图 3-8
可见两种场景下得到的经验累积分布函数几乎重叠，这说明自适应检测统计量的
分布是独立于潜在的杂波特性的，因此可被用以完成恒虚警率处理[41]。
图 3-9 示出了天线数为 1× 8 的自适应集中式 MIMO 雷达和自适应相控阵雷达系
统用于恒虚警检测时所得的 ROC 曲线，其中所用的辅助数据向量个数为 L = 200，
设 H1 假设下出现的目标以绝对速度 v = 300 km/h 运动。在这种情况下，虽然集中

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

本章分析 MIMO 雷达检测均匀杂波中的运动目标的性能。给出了 MIMO 雷达

和相控阵雷达的信号模型，并比较了它们在高斯色噪声加杂波环境下的动目标检
测性能。本章分别推导了集中式 MIMO 雷达、分布式 MIMO 雷达和相控阵雷达系
统的广义似然比动目标检测器。传统相控阵雷达不能检测径向速度过小的运动目
标，而 MIMO 雷达则不存在这个问题，能够对目标实现检测。本章讨论了采用分
布式 MIMO 雷达替代集中式 MIMO 雷达的利弊，前者降低了复杂度但也使系统性
能有所下降。本章还就天线布置的问题进行了初步讨论。本章提出一种自适应的
MIMO 雷达动目标检测器，该自适应动目标检测器在均匀杂波环境下具有恒虚警
率的性能。

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

第三章的分析表明，分置天线 MIMO 雷达具有优于传统相控阵雷达的动目标

检测性能。本章进一步研究分置天线 MIMO 雷达（后文简称 MIMO 雷达）对运动
目标的速度估计性能。本章将推导速度估计的克拉美-罗界（Cramer-Rao bound，
，并基于 CRB 来分析如何优化系统设计。针对反射系数随观测角变化的分
CRB）
布式目标，首先给出一般的结果。接下来着重讨论各向同性散射目标的特例。本
章证明了当所有天线与目标的距离近似相等时，在发射信号相互正交的前提下，
均匀放置发射天线和接收天线得到的性能是最优的，且该结果不受发射天线和接
收天线间的相对位置的影响。在同样的情况下，当 MIMO 雷达采用最优天线布置
时，增大信号时宽或收发天线数之积可以提高速度估计的精度。

4.1 信号模型

考虑具有 M 个发射天线和 N 个接收天线的相干 MIMO 雷达系统，其中发射天

线和接收天线均以大的间距分置[18],[45]。假设用于发射的一组信号的低通等效表达
式为 E / M sk (t ) ， k = 1,…, M ，其中 E 为总发射能量。每一发射信号 sk (t ) 是归一
化了的，满足 ∫ |sk (t ) |2 dt = 1 ，其中 T 表示观测时间长度。假设信号是窄带的，因
T

而发射信号可用其复包络表达为 sˆk (t ) = sk (t )e j 2π fct 。每一信号由不同的发射天线发

射出去。注意到，对于信号 sk (t ) ， k = 1,…, M ，这里除了对其进行归一化外，没
有附加别的要求，例如它既可以是单脉冲信号也可以是多脉冲信号，等等。另外，
假设目标散射系数在观测时间内没有起伏。
设目标以未知速度 v = (vx , v y ) 匀速运动，其中 vx 和 v y 表示二维笛卡尔坐标系中
的速度分量，如图 4-1 所示。由于本章的重点是目标速度估计，所以假设目标在观
测时间内不离开雷达的分辨单元，其位置为 X = ( x, y ) 。设雷达的发射、接收天线
分别位于 ( xkt , ykt ) ，k = 1,…, M 和 ( xlr , ylr ) ，l = 1,..., N 。接收天线 l 收到的由所有（M
个）发射天线引起的目标回波的低通等效式为
M
E
rl (t ) =
M
∑ζ
k =1
lk α lk sk (t − τ lk )e j 2π f lk ( v )t
+ wl (t ), l = 1,..., N ， (4-1)

35
 图 4-1 发射和接收天线相对目标及其运动方向的位置.

其中 ζ lk = ζ lkR + jζ lkI 表示第 lk 个收发路径对应的未知的目标复反射系数①，τ lk 为第

lk 路径对应的信号时延，而 flk 表示接收天线 l 测得的发射信号 k 经历的多普勒频
移。假设观测时间足够长，保证所有延时后的信号能被有效观测。在式(4-1)中，
1
α lk = ρlk , l = 1, , N , k = 1, ,M (4-2)
Rlk2

表示传输系数，其中 Rlk = Rlr + Rkt 为第 lk 路径的长度， Rkt = ( xkt − x) 2 + ( ykt − y ) 2 表

示发射天线 k 到目标的距离，Rlr = ( xlr − x) 2 + ( ylr − y ) 2 表示目标到接收天线 l 的距
离。注意到路径损耗与 Rlk2 成反比。另外，τ lk = Rlk / c ，c 为光速。载波频率带来的
相移由 ρlk = e− j 2π fcτ lk 的指数项描述。
式 (4-1) 中的 wl (t ) 表示接收机 l 中的噪声。假设不同接收机中的噪声分量
wl (t ) , l = 1, , N 是空间独立的。每一 wl (t ) 在时域上是复白高斯过程，其功率谱密
度（power spectrual density, PSD）为 σ w2 。若噪声在时域是有色的②且功率谱密度为
Pw (ω ) = | G (ω ) |2 ，则各接收机需要一白化滤波器 Γ(ω ) = 1/ G (ω ) 来去除噪声的相关
性。
发射和接收天线相对目标及其运动方向的位置如图 4-1 所示。发射天线 k 和接
收天线 l 分别从 φkt = tan −1[( ykt − y ) / ( xkt − x)] 和 φlr = tan −1[( ylr − y ) / ( xlr − x)] 方向观测
目标。接收天线 l 测得的发射信号 k 经历的多普勒频移为
flk ( v ) = f lk (vx , v y )
vx vy
= (cos φkt + cos φlr ) + (sin φkt + sin φlr )
λ λ
① 这里假设目标反射系数对不同收发路径各不相同。在其他情况下，未知参数的个数可被减少，对此将在后
文进行讨论。
② 为简便起见，假设 G (ω ) 已知。实际中其值可通过估计得来。感兴趣的读者可参见空时自适应信号处理
（space-time adaptive processing, STAP）的相关文献。

36
 vx vy
= Alk + Blk , (4-3)
λ λ
其中 λ 为载波波长，而
Alk = cos φkt + cos φlr ,

Blk = sin φkt + sin φlr (4-4)

定义了两个位置矩阵， [ A ]l , k = Alk 和 [ B ]l ,k = Blk ， k = 1,…, M ， l = 1, , N 。这两个

矩阵由发射天线和接收天线相对于感兴趣的目标的位置确定。
将所有接收天线接收到的信号（观测数据）用向量表示为 r = [r1 (t ), r2 (t ), ,
rN (t )]† 。将所有的未知参数也用一向量表示，

θ = [vx , v y , ζ 11R , ζ 11I , ζ 12 R , ζ 12 I , , ζ NMR , ζ NMI ]† 。 (4-5)

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]

var (θi ) ≥ ⎡⎣ J −1 (θ) ⎤⎦ ， (4-8)

ii

其中 J (θ) 表示费歇尔信息矩阵（Fisher information matrix, FIM）

，

{
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)

它是一个 3NM 维的列向量，包含了所有收发路径对应的多普勒频移以及目标复反

射系数的实部和虚部。使用链式法则，费歇尔矩阵可表达为
J (θ) = (∇θϑ † )J (ϑ )(∇θϑ † )† 。 (4-11)

式(4-11)中的项 ∇θϑ † 可根据(4-3)和(4-10)求得，

⎡ U 02×2 NM ⎤
∇θϑ † = ⎢ 2× NM ， (4-12)
⎣02 NM × NM I 2 NM ×2 NM ⎥⎦

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。

现在推导式(4-11)中的项 J (ϑ ) ，其为一 3 NM × 3 NM 的矩阵，计算可参照(4-9)式

并用 ϑ 取代 θ 。考虑到 J (ϑ ) 的构成与 ϑ 中的元素的位置有关，可将其划分为四个块
矩阵
⎡ D G NM ×2 NM ⎤
J (ϑ ) = ⎢ † NM × NM 。 (4-14)
⎣ (G ) 2 NM × NM L 2 NM ×2 NM ⎥⎦

左上角的矩阵 D 与多普勒频移的导数有关。考虑 ϑ 中的第 i 和第 j 个元素，其

中 1 ≤ i, j ≤ NM ，如(4-10)所述。进一步假设元素 i 与 flk ( v) 有关、元素 j 与 fl ' k ' ( v ) 有
关。那么，

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)

式(4-20)中的积分项表示接收天线 l 收到的来自发射天线 k 和 k ′ 的两个信号的互相

关（ k ≠ k ′ ）
，或来自发射天线 k 的信号的自相关（ k = k ′ ）
。注意到多普勒频移和
传输系数也自然被引入到上述计算中。
右上角的矩阵 G 与多普勒频移及目标复反射系数的导数均有关。考虑 ϑ 中的
第 i 和第 j 个元素，其中 1 ≤ i ≤ NM ， NM + 1 ≤ j ≤ 3NM ，如(4-10)所述。进一步假
设元素 i 与 flk 有关、元素 j 与 ζ l ' k ' R 或 ζ l ' k ' I 有关。于是
⎧ 0 l ≠ l′
⎡ ∂ ln p (r; θ) ⎤ ⎪
2 ⎪
[ J (ϑ )]i, j = −E ⎢ ⎥ = ⎨ −4π
E
， (4-21)
⎣ ∂flk ∂ζ l ′k ′R ⎦ ⎪ M ℑ{ζ η } l = l ′
lk lkk ′
⎪⎩ σ w
2

⎧ 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

var (vˆ y ) ≥ CRBvy = ⎡⎣ J −1 (θ) ⎤⎦ ， (4-27)

2,2

所以只需要计算 J −1 (θ) 左上角 2 × 2 的子矩阵 Cup 2

CRB 即可，

⎡ 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

最大似然（maximum likelihood, ML）估计被证明是渐近最优的方法[46]。在信

号加噪声的问题中，当信噪比足够大时，最大似然估计的均方误差可近似达到克
拉-美罗界。在本章研究的问题中，最大似然估计为

θ ML = arg {max θ {ln p (r; θ)}}

⎧ ⎫⎫ ， (4-29)
⎪⎧ N
2
⎪ E M
⎪⎪
= arg ⎨max θ ⎨−∑ ∫ rl (t ) − ∑ αlkζ lk sk (t − τ lk )e j 2π flk ( v ) t
dt ⎬⎬
T M
⎪⎩ ⎪⎩ l =1 k =1 ⎪⎪
⎭⎭

其中 θ = [vx , v y , ζ 11R , ζ 11I , ζ 12 R , ζ 12 I , , ζ NMR , ζ NMI ]† 。

注意到虽然只对 vx 和 v y 感兴趣，但 θ 包含了 3NM 个未知参数需要同时估计。
由于最大似然估计的闭合表达式不易求出，接下来的运算需要采用数值方法。进
行 3NM 维搜索的运算复杂度很高，当 NM 较大时尤为如此。实际中需要采用迭代
优 化 的 方 法 ， 例 如 空 间 交 替 广 义 期 望 最 大 算 法 （ space alternating generalized
expectation maximization, SAGE）等等[47]。

4.2.3 基于克拉美-罗界的系统优化分析

在 4.2.1 节中已经指出，关于 vx 和 v y 的克拉美-罗界是由多个参数决定的。将

待设计的系统参数表示在向量 β = [ β1 , β 2 , β 3 , ]† 中。最优系统设计应能使关于 vx 和

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)

其中 ξ (β) 表示与参数 β 有关的目标函数， Φ β 表示 β 的可行域。通常需要采用数值

方法来解决上述优化问题。

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 ⎥⎦

其中子矩阵 U 和 D 与 4.2 节中定义的相同，而矩阵 L′ 和 G ′ 比 4.2 节中定义的 L 和

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

在矩阵 G ′ 中，考虑 ϑ 的第 i 和第 j 个元素，其中 1 ≤ i ≤ NM ， NM + 1 ≤ j ≤ NM + 2 ，

则
E
⎡ ∂ 2 ln p(r; θ) ⎤ −4π M
[ J (ϑ )]i , NM +1 = − E ⎢ ⎥= ℑ{ζηlk } ， (4-40)
⎣ ∂flk ( v )∂ζ R ⎦ σ w2

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

根据(4-31)给出的对数似然函数的表达式，当 θ = [vx , v y , ζ R , ζ I ]† 时的最大似然

估计为

θ ML = arg {max θ {ln p (r; θ)}}

⎧ ⎧ 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

其中 γ 的定义见(4-39)。将 ζˆML 代回对数似然函数中，可求得目标速度的最大似然

估计

{ {
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)

且在经历允许的时延 τ k , τ k ' 和多普勒频移 f dk , f dk ' 后仍保持正交性，即

⎧1, k = k′
∫ T
sk (t − τ k ) sk∗′ (t − τ k ′ )e j 2π ( fdk − fdk′ )t dt ≈ ⎨
⎩0, k ≠ k′
。 (4-56)

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

射信号的时间中心[49]。将 δl ， γ 和ηlk 带回(4-44)-(4-47)则可得克拉美-罗子矩阵。

在讨论最优天线布置之前，定义均匀天线布置如下。
定义 1（均匀天线布置）：均匀天线布置应满足
⎧ t ⎡ 2π (k − 1) ⎤
⎪(φk ) sym = ⎢ M + φ0t ⎥ mod 2π k = 1, 2,…, M
⎪ ⎣ ⎦
⎨ ， (4-61)
⎪ (φ r ) = ⎡ 2π (l − 1) + φ r ⎤ mod 2π l = 1, 2,…, N
⎪⎩ l sym ⎢⎣ N 0 ⎥
⎦

其中 φkt 和 φlr 分别表示发射天线 k 和接收天线 l 相对于目标的角度， φ0t 和 φ0r 是表示

任意角度的常数。
接下来引入一个等距离的假定。
假定 2（近似等距）：假设雷达天线可以布置在被探测的区域的四周，所有天
线与目标间的距离是近似相等的，记为 R。
在这种情况下，
待设计的系统参数向量中包含了发射天线和接收天线相对于目
标的角度，β = [φ1t , , φMt , φ1r , , φNr ]† 。它是 N + M 维的向量，可行域为 Φ β = Φ N + M ，
其中 Φ = {φ ∈ℜ | 0 ≤ φ < 2π } 。
假定 1 和假定 2 使得 | α lk |2 =| α |2 = 1/ (2 R) 4（不失一般性地，为简便起见在后文
中归一化该项为 | α |2 = 1 ）
，ε lk2 = ε 2 ，
以及 Ξ lk = Ξ 。 k l = 1,
这些项对所有的 l 和 （ ,N ，
k = 1, , M ）取相同值，于是 g, h, z (4-45)-(4-47)可化简为
2
M
Ξ2 ⎛ M N
N
⎞
g = ε ∑∑ A −
2
⎜ ∑∑2
lk Alk ⎟ , (4-62)
k =1 l =1 NM ⎝ k =1 l =1 ⎠
2
M
Ξ2 ⎛ M N
N
⎞
h = ε ∑∑ B −
2
⎜ ∑∑2
lk Blk ⎟ , (4-63)
k =1 l =1 NM ⎝ k =1 l =1 ⎠
和
M N
Ξ2 M N M N
z = ε 2 ∑∑ Alk Blk − ∑∑ Alk ∑∑ Blk 。 (4-64)
k =1 l =1 NM k =1 l =1 k =1 l =1

对于一个具有 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 的 MIMO 雷 达 系 统 ， 可 以 证 明 g > 0 ， h > 0 以 及
gh − z 2 > 0 。详细的证明过程参见附录 A.2.4。
在此情况下，式(4-54)的最优解 β 可以从最优解需满足的必要条件得来，即 β 应

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

∑∑ Alk2 ∑∑ Alk Blk ∑∑ A lk

k =1 l =1
M N
= k =1 l =1
M N
= k =1 l =1
M N
, (4-69)
∑∑ A B
k =1 l =1
lk lk ∑∑ B
k =1 l =1
2
lk ∑∑ B
k =1 l =1
lk

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

本小节的仿真中考虑了几个天线数目不同、天线布置不同的 MIMO 雷达系统。

在图 4-2 至图 4-4 中，分别作出这些 MIMO 雷达系统对应的最大似然估计的经验
均方误差（MSE）
，并将其与克拉美-罗界进行比较。
对图中所示的每一个信噪比（SNR）取值点，采用 2000 次蒙特卡洛（Monte
Carlo）仿真迭代来求取最大似然估计的均方误差。不同信噪比是通过改变式(4-1)中
的 σ w2 的取值实现的，图中横轴上点的坐标则是 1/ σ w2 的倍数。特别地，设 SNR =
E | ζ |2 / MRmax
4
σ w2 ，其中 Rmax 表示目标与雷达天线间距的最大值。设在感兴趣的分辨
单元中有一速度为 v = (15.5,97.1) m/s 的目标。假设信号时间长度③为 T = 0.1 s，载波
频率 f c = 1 GHz。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 ，
其中不同信号间的频率增量为 Δf = 100 Hz（见附录 A.2.2）
。采样频率设为 2KHz。
在图 4-2 和图 4-3 中采用的 MIMO 雷达的发射和接收天线数均为 M × N = 3 × 3 ，
两幅图对应的天线布置有所不同。图 4-2 中的发射天线相对目标的角度分别为
{φ1t = 50° , φ2t = 81° , φ3t = 230° } ，接收天线的观测角度为 {φ1r = 167° , φ2r = 65° , φ3r = 80° } 。
图 4-3 中发射天线相对目标的角度分别为 {φ1t = 9° , φ2t = 110° , φ3t = 351° } ，接收天线的
角度为 {φ1r = 20° , φ2r = 70° , φ3r = 205° } 。在图 4-2 和图 4-3 中，发射天线和目标之间的
距离分别为 {R1t = 4000, R2t = 8290, R3t = 6000} m，接收天线和目标之间的距离则分别
为 {R1r = 8000, R2r = 7300, R3r = 5000} m。
图 4-4 中的例子采用一 2 × 2 的 MIMO 雷达。其中发射天线和接收天线相对目

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.

提高。注意到在本例考虑的几种情况中，速度估计 vˆx 和 vˆ y 的克拉美-罗界是重合的。

这种现象是意料之中的，因为观察式(4-67)可知，天线最优布置时对 x 和 y 轴速度
分量的估计的精确性是相等的。
图 4-8 比较了 MIMO 雷达采用不同数目的发射天线和接收天线（ M × N ）时
的克拉美-罗界。假设雷达系统采用了正交发射信号和最优天线布置，本例中的参
数设置和图 4-7 的例子一致，信号时宽则固定为 T。观察发现，收发天线数目的乘

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）.

图 4-9 发射多脉冲信号的 4x3MIMO 雷达的克拉美-罗界.

积 NM 越大所得克拉美-罗界越低。例如， 8 × 8 的 MIMO 雷达有 NM = 64 ，其 NM

值在所研究的四个雷达系统中是最大的，因此其克拉美-罗界在四者最低。注意到
虽然 5 × 5 MIMO 和 7 × 3 MIMO 雷达系统的天线总数相等，但前者的性能更好。此
外，8 × 8 MIMO 总共有 16 个天线，其性能却优于总天线数为 19 的 3 × 16 MIMO 雷
达系统。认识到收发天线数目之积决定估计精度这一点是很有意义的。它使得构
、性能更好的 MIMO 雷达成为可能。
建复杂度更低（天线数更少）
最后，用图 4-9 的例子说明前文中的结论也适用于多脉冲信号。设用于发射的
55
 1 K −1 t − nTr
信号为 sk (t ) = ∑
TD n =0
rect (
Tp
) exp( j 2π k Δft ) ， k = 1, , M ，其中 Tp 为脉冲宽度，

Tr 为脉冲重复时间，K 为相关处理间隔（coherent processing interval, CPI）内的脉

冲个数，T = KTr 是一个 CPI 对应的时间长度，D = Tp / Tr 表示占空比，而 rect ( x) = 1
（ 0 < x < 1 ）为矩形窗函数。设 Tp = 2 μ s ，Tr = 0.2 ms，K = 32 ，T = 6.4 ms，Δf = 5
MHz， f c = 1 GHz。考虑一个 4 × 3 的 MIMO 雷达系统。所有天线和目标近似等距，
Rkt = Rlr = 6500 m， l = 1, , N ， k = 1, , M 。图中画出了均匀（S）和非均匀（N）
布置天线时的克拉美-罗界。非均匀布置情况下，决定发射和接收天线位置的角度
为 {φ1t = 140° , φ2t = 150° , φ3t = 51° , φ4t = 115° } 及 {φ1r = 325° , φ2r = 60° , φ3r = 300° } 。由图中所
示的结果可见，与前述的发射单脉冲正弦波的情况类似，发射多脉冲信号时，均
匀布置天线仍然是最优的，且采用最优天线布置时关于 vˆx 和 vˆ y 的估计的克拉美-罗
界重合。

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

本章分析非相干 MIMO 雷达系统对复高斯扩展目标的位置及速度的联合估计

性能。考虑具有 M 个发射天线和 N 个接收天线的 MIMO 雷达系统。首先分析最简
单的情况，假设发射信号相互正交、杂波加噪声是时间和空间白的，并且各传输
路径的反射系数相互独立。本章在这些假设条件下推导最大似然估计，并证明最
大似然估计随 MN 的增大具有渐近一致性。用数值方法说明当反射系数具有一定
相关性时，增加 MN 对最大似然估计性能的改善。本章计算了联合估计的克拉美-
罗界，分析最大似然估计的均方误差。用数值方法举例说明信杂噪比（signal to
clutter-plus-noise ratio, SCNR）阀值随 MN 的增大而降低。本章采用两种不同的方
法导出非相干 MIMO 雷达模糊函数（ambiguity function, AF）
，并以实例进行阐述，
说明 MN 的大小控制了例中模糊函数旁瓣电平的高低。最后是对更一般的情况的
分析，考虑了非正交发射信号、空间色的杂波加噪声，以及具有相关性的反射系
数等情况。

5.1 信号模型

假设 MIMO 雷达有 M 个发射天线，N 个接收天线。发射天线 k（ k = 1,… , M ）

l l = 1,…, N ）在二维笛卡尔坐标系中的位置分别为 ( xkt , ykt ) 和 ( xlr , ylr ) 。
和接收天线 （
发射天线 k 发射的信号的低通等效模型是 E / M sk (t ) ，其中 E 表示天线的发射总
+∞ 2
能量。发射信号是被归一化了的，即有 ∫ sk ( t ) dt = 1 。依[3]中的模型，假设从发
−∞

射天线 k 到接收天线 l 的路径（简称第 lk 收发路径）所对应的反射系数 ζ lk 是一个

零均值复高斯随机变量，满足 ζ lk ~ CN ( 0, σ 2 ) ，且其值在观测过程中保持恒定。该
模型即通常所称的 Swerling 1 模型。假设目标的位置和速度未知，分别为 ( x, y ) 和
( v x , v y ) 。为了简化分析过程，作如下假定。
假定 1：发射信号之间近似正交，
+∞ ⎧1 k = k ′
∫−∞
sk (t ) sk*′ (t )dt ≈ ⎨
⎩0 k ≠ k ′ (5-1)

并且对于时延 τ k 、τ k ′ 和多普勒频移 f dk 、f dk ′ 保持近似正交（详细说明参见附录 A.3）

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，

( xkt − x )2 + ( ykt − y ) 2 + ( xlr − x ) 2 + ( ylr − y ) 2

τ lk =
c (5-4)
d + dl
t r
= k ,
c

其中 c 代表光速， d kt 代表目标到发射天线 k 的距离， d lr 代表目标到接收天线 l 的

距离。多普勒频移 f lk 是未知目标位置 ( x, y ) 和速度 ( v x , v y ) 的函数，
v x ( xkt − x ) + v y ( ykt − y ) v x ( xlr − x ) + v y ( ylr − y )
f lk = + , (5-5)
λ d kt λ d lr
其中 λ 代表载波波长。定义 θ 为待估计参数所组成的未知参数向量

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 rlk (t ) 代表在接收天线 l 上的对来自发射天线 k 的信号的观测值，plk ( rlk (t ); θ, H1 )

是由观测量 rlk (t ) 得到的与 θ 有关的似然函数，而 C1 = 1 / plk ( rlk (t ); θ, H1 ) 与 θ 无关。
由(5-8)可得对数似然比
Llk (θ; rlk (t )) = ln Λ(θ; rlk (t )) (5-9)
+∞ 2
E
=
E+M ∫−∞
rlk (t ) sk * (t − τ lk )e − j 2π flk t dt + C2 ， (5-10)

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

本小节证明在假定 1-3 的条件下，如果 MN （发射天线和接收天线数的乘积）

足够大，MIMO 雷达的性能会非常好，因为 θ 的最大似然估计 θˆ 渐近地趋近于其 ML

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

ˆθ = arg max 1 ∑∑ L (θ; r (t )) →

M N

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)

因此，最大似然估计 θˆ ML 随 MN → ∞ 是渐近无偏的，其方差随 MN → ∞ 趋近于克拉

美-罗界。
定理 1 的证明：首先证明当 θ = θ a 时，式(5-18)的右边获得最大值。令 θ ∈ Θ 。
因为 Llk (θ; rlk (t )) = ln Λ lk (θ; rlk (t )) ，所以
⎧ Λ (θ; r (t )) ⎫
Erlk ( t );θa {Llk (θ; rlk (t ))} − Erlk ( t );θa {Llk (θ a ; rlk (t ))} = Erlk ( t );θa ⎨ln lk ⎬， (5-21)
⎩ Λ lk (θ a ; r (t )) ⎭
从(5-7)式可得
⎧ Λ (θ; r (t )) ⎫ ⎧ plk ( rlk (t ); θ , H1 ) ⎫
Erlk ( t );θa ⎨ln lk ⎬ = Erlk ( t );θa ⎨ln ⎬。 (5-22)
⎩ Λ lk ( θ a ; r ( t )) ⎭ ⎩ p ( r
lk lk ( t ); θ a , H )
1 ⎭

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 )

时式(5-27)取等号。而对于任意的 rlk (t ) ，只有当 θ = θ a 时上式成立。代(5-27)入(5-23)

可得
Erlk (t );θa { Llk (θ; rlk (t ))} − Erlk (t );θa { Llk (θ a ; rlk (t ))} ≤ 0 ， (5-28)

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

本节在假定1-3的条件下推导关于目标位置 ( x, y ) 和速度 ( v x , v y ) 的联合估计的

克拉美-罗界。计算克拉美-罗界的第一步是求费歇尔信息矩阵（Fisher information
matrix, FIM）
。费歇尔信息矩阵是与联合对数似然函数的二阶导数相关的维度为
4 × 4 的矩阵[49]

{
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)

首先计算 ∇θϑ † 。由(5-6)和(5-33)可得

⎡ ∂τ 11 ∂τ 12 ∂τ NM ∂f11 ∂f12 ∂f NM ⎤
⎢ ∂x … … ⎥
∂x ∂x ∂x ∂x ∂x
⎢ ⎥
⎢ ∂τ 11 ∂τ 12 ∂τ NM ∂f11 ∂f12 ∂f NM ⎥
… …
⎢ ∂y ∂y ∂y ∂y ∂y ∂x ⎥
∇θϑ † = ⎢ ⎥， (5-35)
⎢ 0 ∂f11 ∂f12 ∂f NM ⎥
0 … 0 …
⎢ ∂vx ∂vx ∂vx ⎥
⎢ ⎥
⎢ ∂f11 ∂f12 ∂f NM ⎥
⎢ 0 0 … 0 …
⎣ ∂v y ∂v y ∂v y ⎥⎦

基于式(5-4)和(5-5)，矩阵 ∇θϑ † 中的元素定义了如下变量

∂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

值得注意的是 alk , blk , elk , glk , β lk , qlk 是由目标的位置和速度以及雷达天线的位置共同

决定的。对 ∇θϑ † 分块为
⎡A B⎤
∇θϑ † = ⎢ ⎥， (5-42)
⎣O D ⎦

其中 A，B，D 是 2 × NM 维的子矩阵，O 是 2 × NM 维的零矩阵。

由(5-14)，可将(5-34)中的 J (ϑ ) 表示为

{
J (ϑ ) = − Er (t );θ ∇ϑ [∇ϑ ln Λ J (θ; r (t )) ] ，
†
} (5-43)

这是一个 2 NM × 2 NM 维的矩阵。将 J (ϑ ) 写成分块矩阵的形式

⎡ JUL JUR ⎤
J (ϑ ) = ⎢ LL ⎥， (5-44)
⎣J J LR ⎦

其中 JUL ，JUR ，J LL ，J LR 是 NM × NM 维的子矩阵。注意到 JUL 中包含了关于 τ lk（对

所有可能的 l 和 k）的二阶导数，JUR 和 J LL 包含关于 τ lk 和 f lk（对所有可能的 l 和 k）
的二阶导数， J LR 则包含了关于 f lk （对所有可能的 l 和 k）的二阶导数。经计算后
得到
8π 2 E 2
JUL = I N ⊗ diag {ε1 , ε 2 ,… , ε M } ， (5-45)
( E + M )M
65
其中 I N 是 N × N 维的单位阵， ⊗ 代表Kronecker积，
8π 2 E 2
JUR = J LL = diag {γ 11 , γ 12 ,… , γ NM } ， (5-46)
( E + M )M

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.

到 J −1 (θ) ，从而得出克拉美-罗界的闭合表达式。矩阵 ∇θϑ † 和 J (ϑ ) 的维度随 M 和 N

的增大而增加，故计算克拉美-罗界所需的复杂度也随之增加。幸运的是，注意到
费歇尔信息矩阵 J (θ) 的维数不随 M 和 N 改变，故 M 和 N 的增大不会加重对费歇
尔信息矩阵求逆运算的负担。在下一节中，将采用数值方法举例说明当 MN 足够
大时，最大似然估计的均方误差逼近克拉美-罗界。

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

① 这些例子中，对目标速度估计的 CRB 和 MSE 较对目标位置估计的值更小。这是由于高斯单脉冲中参数 T

的选择造成的。注意到 T 较大意味着带宽更小时宽更大，因此有利于提高速度估计的精确度，然而不利于
对位置的估计。当选择对位置估计有利的较小的 T 时，图中与位置估计有关的曲线将出现在与速度估计有
关的曲线下方。

68
 SCNR(dB)

图 5-2 均方误差随 SCNR 的变化. 2 × 3 MIMO 雷达,天线均匀分布在 [0, 2π ) 方向上, T = 0.1 .

SCNR(dB)

图 5-3 均方误差随 SCNR 的变化. 5 × 4 MIMO 雷达,天线均匀分布在 [0, 2π ) 方向上, T = 0.1 .

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)

图 5-4 均方误差随 SCNR 的变化. 9 × 9 MIMO 雷达，天线均匀分布在 [0, 2π ) 方向上，T = 0.1 .

SCNR(dB)

图 5-5 均方误差随 SCNR 的变化. 5 × 4 MIMO 雷达，天线均匀分布于 [π / 6,5π / 6] 方向上.

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)

图 5-6 均方误差随 SCNR 的变化. 5 × 4 MIMO 雷达，天线均匀分布于 [0, 2π )

方向上, 高斯脉冲串参数 T = 0.1 , Tr = 0.5 , Tb = 2 .

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)

图 5-7 均方误差随 SCNR 的变化. 9 × 9 MIMO 雷达, 天线均匀分布在 [0, 2π )

方向上, 高斯脉冲串参数 T = 0.1 , Tr = 0.5 , Tb = 2 .

图 5-8 均方误差随系统发射和接收天线数乘积的变化. SCNR = 3dB, T = 0.1 .

图 5-9 中，当 MN < 16 时均方误差开始偏离克拉美-罗界。由此可见渐近区的起点

随 SCNR 的增加而降低，恰好说明了前文指出的估计性能随 SCNR 和 MN 变化的
关系。
下文将采用雷达信号处理中的一种常用方法，从模糊函数的角度来探讨
MIMO 雷达最大似然估计器的性能。

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 .

5.5 非相干 MIMO 雷达的模糊函数

自从 Woodward 的开创性工作以来[54]，模糊函数（ambiguity function, AF）已

被广泛应用在对雷达信号的分辨率、模糊度、以及由雷达信号决定的估计精确度
和杂波抑制能力等方面的研究之中。在[54]中，模糊函数作为一种图形化的方法被
用来直观地说明最大似然估计的能力。文献[49]对这种思想有较为完善的描述，且
指出模糊函数是雷达研究中的常用方法。在[55]中，模糊函数被定义为匹配滤波器
对经历一定延时和多普勒频移后的能量有限信号的时域响应。近年来，一些文献
讨论了将模糊函数被推广到 MIMO 雷达中的情况，如[19],[30],[45]。
最大似然估计的性能与模糊函数相关。实际上克拉美-罗界仅仅描述了模糊函
数在其最大值附近的形状，该信息只对在高 SCNR 或者足够大 MN 的情况下的均
方误差分析有用。模糊函数的其他部分，例如旁瓣的存在等等，会影响当 MN 较
小、SCNR 较低时的均方误差，这部分信息是克拉美-罗界描述不了的。

5.5.1 定义非相干 MIMO 雷达模糊函数的两种方法

本小节在假定 1-3 的条件下，采用两种不同的方法来导出非相干 MIMO 雷达

的模糊函数。首先从最大似然估计入手来定义模糊函数。假设一静止目标位于笛
卡尔坐标系的原点处，对于收发路径 lk 引入时延 τ 0lk 和零多普勒频移。在没有杂波
73
加噪声时，接收信号可表示为 r0lk (t ) = E / M ζ lk sk (t − τ 0lk ) 。现在考虑(5-14)中的对
数似然比，该式假设对应于目标位置 ( x, y ) 和速度 (vx , v y ) ，收发路径 lk 中的信号可
经历任意的时延 τ lk 和多普勒频移 flk 。用 r0lk (t ) 替代(5-14)中的 rlk (t ) 得到
E2 M N

∑∑ 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 Δτ lk = τ lk − τ 0lk 代表收发路径 lk 对应的时延的猜测值与真实值之差。进一步对

(5-54)归一化，定义模糊函数为
1 M N ∞
∑∑ ζ
2
∫
2
χ (Δτ lk , flk ) = lk s (t ) sk* (t − Δτ lk )e − j 2π flk t dt , (5-55)
MN −∞ k
k =1 l =1

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

其中 Δτ lk = τ lk − τ 0lk 表示收发路径 lk 对应的两个目标回波的时延差。注意到式(5-57)

中的前两个积分项都代表信号的能量，为常数，第三项是关于 ( Δτ lk , f lk ) 的函数，
故对这两个目标回波信号的分辨能力由第三项确定。按[54]的做法，用 | ⋅ |2 取代 ℜ{}
⋅ ，
非相干 MIMO 雷达的模糊函数可以定义为
2
1 M N ∞
χ (Δτ lk , flk ) =
MN
∑∑ ∫
k =1 l =1
−∞
sk (t ) sk* (t − Δτ lk )e − j 2π flk t dt 。 (5-58)

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。

5.5.2 简化的非相干 MIMO 雷达模糊函数

为了把非相干 MIMO 雷达的模糊函数化为一个简单的二元函数，以便于作图

解释，假设 ( x, vx ) = (0, 0) ，即目标只能沿 y 轴移动。这样就能在三维图形中以 y 和
v y 为坐标来描绘 MIMO 雷达模糊函数的图形。
假设被探测的区域较小，且所有天线都离该区域足够远，那么 MIMO 雷达模
糊函数的表达式可以被进一步化简。在这种情况下，可以证明(5-58)MIMO 雷达模
糊函数中的 Δτ lk 和 f lk 分别与 y 和 v y 近似成线性关系
y
Δτ lk ≈ (sin φkt + sin φlr ) ， (5-59)
c

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)

图 5-11(a)和 5-11(b)给出了两个发射扩频高斯单脉冲信号的 MIMO 雷达的模糊函

数。假设雷达系统的 M 个发射天线和 N 个接收天线都均匀分布在 [0, 2π ) 的方向上，
即天线的观测角为 φkt = 2π (k − 1) / M ， k = 1,..., M ， φlr = 2π (l − 1) / N ， l = 1,..., N 。
图 5-11(a)所示系统有 2 个发射天线和 3 个接收天线，而图 5-11(b)所示系统有 5 个

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.

图 5-12 扩频高斯脉冲串的 MIMO 雷达模糊函数. (a) 5 × 4 MIMO, (b) 9 × 9 MIMO.

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 ⎬
⎪⎭

考虑两个 M × N 的 MIMO 雷达系统，其发射和接收天线都是均匀布置的，采用的

发射信号是扩频高斯脉冲串。其模糊函数如图 5-12 所示。在图 5-12(a)中系统的天
线数为 5 × 4 ，在图 5-12(b)中系统的天线数目为 9 × 9 。如图所示，采用高斯脉冲串
使模糊函数产生了旁瓣。比较图 5-12(a)和图 5-12(b)，可见例中简化模糊函数的旁
瓣随天线数目的增加而减小。这些例子说明了天线数目的增加对 MIMO 雷达模糊
函数带来的好处。

5.6 扩展分析

本节讨论更一般情况下的 MIMO 雷达的最大似然估计，在这些情况下假定 1-3

不一定全部成立，这里将考虑发射信号非正交、空间色的杂波加噪声、以及反射
系数非相互独立等情形。在这些情况下，接收天线 l 收到的来自不同发射天线的信
号不容易被分离，因此需要着眼于接收天线 l 上收到的和信号 rl (t ) ，其模型如下
M
E
rl (t ) = ∑ ζ lk sk (t − τ lk )e j 2π flk t + wl (t ) ， (5-64)
k =1 M

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 ⎦⎥

其中 ul = [ul1 , ul 2 , , ulM ]† ， ulk = sk (t − τ lk )e j 2π flk t 。将所有收发路径对应的如式(5-64)

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

θ ML = arg max θ LJ (θ; r (t ))

⎧E ⎫。 (5-70)
= arg max ⎨ z H X −1z + ln det( X) ⎬
θ
⎩M ⎭

虽然本小节的主要目的是评估在某些合理的情形下，假定 1-3 不成立所带来的影

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 ⎭⎪

其中 C3′ = C2′ det( I + R −1 ) 是一个与 θ 无关的常量。相应的对数似然比为

−1
E ∞ ⎡E −1 ⎤
∞
LJ (θ; r (t )) = ∫−∞ r (t )Udt ⎢⎣ M I + R ⎥⎦ ∫ U H r (t )dt + ln C3 。 (5-72)
H

M −∞

于是未知参数 θ 的最大似然估计为

θ ML = arg max LJ (θ; r (t ))

θ

⎧⎪ ∞ −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
⎣

按照与(5-74)类似的方法，定义目标到接收天线 l 和 l ' 路径对应的反射系数的相关

系数为 ρ llr ' 。收集所有关于接收天线 l 和 l ' （ l , l ' = 1,..., N ）的反射系数的相关系数
ρ r ，构成矩阵
ll '

⎡ ρ11r ρ1rN ⎤
⎢ ⎥
Rr = ⎢ ⎥。 (5-76)
⎢ ρ Nr 1 r ⎥
ρ NN ⎦
⎣

于是，收发路径 lk 和 l ' k ' 所对应的反射系数的相关系数为

E{ζ lk ζ l ′k ′ } = ρllr ′ ρ kkt ′ 。 (5-77)

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 .

图 5-14 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 y = 127.5m .

图 5-15 v 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 v x = 50m / s .

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 .

假定天线是均匀分布在 [0, 2π ) 方向上的。观察发现，最大似然估计在天线数目较大

时服从高斯分布（如例中(b)和(c)所示）
，并且随天线数的增加更加集中于真实值附
近（真实值在各图中以红色竖线标出）
。这个例子这表明了当反射系数间存在相关
性时，最大似然估计仍具有渐近特性。当 MN 足够大时，最大似然估计逼近于真
实值，且估计精确性随天线数增多而提高。

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)

图 5-17 均方误差随 SCNR 的变化. 5 × 4 MIMO 雷达, 天线均匀分布于 [0, 2π )

方向上, 高斯单脉冲参数 T = 0.1 . α 分别取为 0.75，0.1，0.01.

SCNR(dB)

图 5-18 均方误差随 SCNR 的变化. 9 × 9 MIMO 雷达, 天线均匀分布于 [0, 2π )

方向上, 高斯单脉冲参数 T = 0.1 . α 分别取为 0.75, 0.1, 0.01.

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 .

示于图中以作为比较。当 α 取值不同时，可以发现与图 5-17 类似的现象。比较图

5-17 和图 5-18，在 α 相同时，天线数目为 9 × 9 的 MIMO 雷达系统所对应的 SCNR
阀值较小、在高 SCNR 区的均方误差也较小，这再次验证了增加天线数目会带来
系统性能提升的结论。

5.6.2 非正交信号的情况

本小节在假定 2-3 成立的条件下着重研究信号非正交所产生的影响。设发射信

1
⎛ 2 ⎞4 ⎛ −π t 2 ⎞
号是扩频高斯脉冲信号 sk (t ) = ⎜ 2 ⎟ exp ⎜ 2 ⎟ e j 2π k Δft ，k = 1,..., M 。如果频率增量
⎝T ⎠ ⎝ T ⎠
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
以及 N = 6 到 50 个接收天线，
发射天线， 所有天线与坐标原点之间的距离为 7000m。
假设雷达的天线均匀布置在 [0, 2π ) 的方向上，其中发射天线 k 和横轴间的夹角为
2π (k − 1) π 2π (l − 1)
ϕkt = + ，接收天线 l 和横轴间的夹角为 ϕlr = 。假设目标的位置
M 6 N
和速度分别为 (255,300)m 和 (29,37)m / s 。假设 SCNR 为 25dB。最大似然估计均方
误差随 MN 的变化如图 5-19 所示。观察发现，这与图 5-8 和图 5-9 中的现象类似，
在信号非正交的情况下，MIMO 雷达的性能仍然随天线数目的增加而提高。
85
 图 5-20 均方误差随系统发射和接收天线数乘积的变化.
空间色噪声, SCNR = 25dB, T = 0.1 .

5.6.3 空间色噪声的情况

本小节在假定 1、3 成立的条件下，着重研究空间色噪声（时间上是白的）的

情况。在接收机 l 和 l ' 中的噪声的相关性由矩阵 Q 中第 ll ' 个元素确定，其中 E{wl (t )
|Δφll ′ |
⎛1⎞
wl*′ (t − τ )} = Qll ′δ (τ ) 。假设 Qll ′ = σ w2 ⎜ ⎟ 是由目标到接收天线 l 和 l ' 所成角度之差
⎝ 5⎠
1
⎛ 2 ⎞4 ⎛ −π t 2 ⎞
Δφll ′ 决定的。假设采用扩频高斯脉冲信号 sk (t ) = ⎜ 2 ⎟ exp ⎜ 2 ⎟ e j 2π k Δft ， k = 1,...,
⎝T ⎠ ⎝ T ⎠
M ，其中 T = 0.1 ，Δf 足够大以保证发射信号之间近似正交。假定 SCNR 为 25dB。
MIMO 雷达天线的位置以及目标的位置和速度与图 5-19 中的情况相同。最大似然
估计均方误差随 MN 变化的曲线如图 5-20 所示，可见在空间色噪声的情况下，系
统性能依然随 MN 的增大而提高。

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

( xkt − x) 2 + ( ykt − y ) 2 + ( zkt − z ) 2 + ( xlr − x) 2 + ( ylr − y ) 2 + ( zlr − z ) 2

τ 3D
lk =
c ， (5-80)
d t 3D
+d r 3D
= k l

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 θ3 D ∈ Θ3 D ， Θ3D 是一个六维的空间，包含了 ( x, y , z, v x , v y , vz ) 的所有可能取值。

按照 5.2 节的推导方法，可得未知参数向量 θ3D 的最大似然估计为
3D M N ∞ 2
θ ML = arg max ∑∑ ∫
3D
rlk3 D (t ) sk* (t − τ lk3 D )e − j 2π flk t dt ， (5-83)
−∞
θ3 D k =1 l =1

这与(5-16)相似，只是联合搜索是在六维空间中进行的。可以证明在 3-D 的情况下

定理 1 所述的渐近特性依然成立，即
3D
θ ML → θ3aD , as MN → ∞ ， (5-84)

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 ⎦

其中关于矩阵 JUL ， JUR ， J LL ， J LR 的计算与(5-45)-(5-47)的求解类似，只是需要用

τ lk3D 代替 τ lk 。把(5-87)和(5-88)代入(5-86)中可得费歇尔信息矩阵 J (θ3D ) 。
未知参数的估计的克拉美-罗界等于费歇尔信息矩阵的逆的对角元素在参数真
3D
值 θ a 处的结果，可得

var ( xˆ ) ≥ ⎡⎣ J −1 (θ3aD ) ⎤⎦ , var ( yˆ ) ≥ ⎡⎣ J −1 (θ3aD ) ⎤⎦ , var ( zˆ ) ≥ ⎡⎣ J −1 (θ3aD ) ⎤⎦ (5-89)

1,1 2,2 3,3

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

本章研究了非相干 MIMO 雷达的信号估计性能。介绍了适用于联合估计复高

斯扩展目标的位置和速度的信号模型。推导了最大似然估计的一般表达式，可供
分析空间色的杂波加噪声、相关反射系数、以及非正交发射信号的情况。为了给
出更为直观的结果，本章从理论上和数值上详细分析了一种简化的情形，其中假
设了杂波加噪声是时间和空间白的、反射系数间相互独立、发射信号相互正交。
在这些简化条件下，本章给出一个定理，说明了最大似然估计随 MN 的增加而渐
近趋于参数真值。本章推导了关于目标位置和速度联合估计的克拉美-罗界，分析

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

与第五章一样，本章继续讨论 MIMO 雷达对目标位置和速度的联合估计问题。

文献[22]已指出，对目标进行定位时，天线布置合理的 MIMO 雷达可以进行相干处
理，由此可获得比非相干处理大得多的性能增益。本章分析表明，随 MIMO 雷达
的发射天线和接收天线数之积的增加，相干和非相干处理性能的差别逐渐减小。
当然，这要求 MIMO 雷达在进行非相干处理时也采用恰当的天线布置，这种天线
布置方式往往不同于相干处理时的情况。研究表明，当 MIMO 雷达系统的发射天
线和接收天线数之积足够大时，非相干处理系统的性能趋近于相干处理系统的性
能。对此本章基于发射信号正交、时间空间白噪声的假设给出了严格的定理。本
章还通过数值方法来说明天线布置方法和信号波形选择对相干和非相干处理性能
之差的影响。

6.1 信号模型

考虑具有 M 个发射天线和 N 个接收天线的 MIMO 雷达系统。在二维笛卡尔坐

标系中，发射天线 k 的位置为 ( xkt , ykt ) ， k = 1,..., M ，接收天线 l 的位置为 ( xlr , ylr ) ，
l = 1,..., N 。发射天线 k 上的发射信号的低通等效模型为 E / M sk (t ) ，其中发射信
∞
号的总能量为 E，sk (t ) 的能量被归一化为 ∫ |sk (t ) |2 dt = 1 。
假设目标的位置为 (x, y ) ，
−∞

发射天线 k 发射的信号经目标反射再传到接收天线 l 经历时延 τ lk 和

速度为 (vx , v y ) 。
多普勒频移 f lk ，其表达式分别为

( xkt − x) 2 + ( ykt − y ) 2 + ( xlr − x) 2 + ( ylr − y ) 2 d kt + dlr

τ lk = = (6-1)
c c
和
vx ( xkt − x) + v y ( ykt − y ) vx ( xlr − x) + v y ( ylr − y )
flk = + ， (6-2)
λ d kt λ dlr

其中 c 代表光速， d kt 和 d lr 分别代表目标到发射天线 k 和接收天线 l 的距离。定义

感兴趣的待估计参数所构成的向量为

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。

6.1.1 相干 MIMO 雷达信号模型

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 f c 表示载波频率， wl (t ) 表示接收机 l 上的噪声，它是一个零均值、时间空间

白的复高斯随机过程，具有恒定功率谱 σ w2 。假设发射信号近似正交
∞
⎧1 k = k ′
∫ ≈
*
s (t ) s ′ (t ) dt ⎨ (6-5)
⎩0 k = k ′
k k
−∞

并且在经历时延 τ k ,τ k ′ 和多普勒频移 f dk , f dk ′ 之后依然保持正交（参见附录 A.2.2）

∞
⎧1 k = k ′
∫
j 2π ( f dk − f dk ′ ) t
s (t − τ ) s *
′ (t − τ ′ ) e dt ≈ ⎨ 。 (6-6)
⎩0 k ≠ k ′
k k k k
−∞

注意在附录 A.4.1 中对于更一般的情况进行了分析，例如考虑了信号非正交和噪声

在空间上具有相关性的情况。
令观测向量 r (t ) = [r1 (t ), r2 (t ), , rN (t )]† ，其中包含了所有接收到的信号。令未知
参数向量
Θ = [θ† , ζ R , ζ I ]† = [ x, y, vx , v y , ζ R , ζ I ]† ， (6-7)

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

它是在接收天线 l 上收到的来自发射天线 k 的信号加噪声。令

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)
−∞

把 ζˆML 代入(6-8)，可得关于未知目标位置和速度（ θ = [ x, y, vx , v y ]† ）的对数似然比

∞ 2

( ) 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。

6.1.2 非相干 MIMO 雷达信号模型

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

其中 rlk (t ) 表示在接收天线 l 上收到的来自发射天线 k 的信号加噪声，其信号模型为

rlk (t ) = E / M ζ lk sk (t − τ lk )e j 2π flk t + wl (t ) 。注意到虽然(6-7)中的 Θ 含有反射系数的成
分，但由于 ζ lk 的统计模型已知，故可对估计器关于 ζ lk 求均值以消除其对 ζ lk 的依
赖，从而获得(6-15)，其中的待估参数向量 θ 不再含有反射系数的成分。另外在附
录 A.4.2 中对更一般的情况给出了分析，考虑了非正交信号和空间色噪声的情况。
与(6-13)不同，(6-15)中的估计器是在取绝对值平方之后进行求和的，因此这些项
总是同相相加而不需要接收机和发射机的相位保持同步。由此可见这是一种非相
干的处理方法。

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)

定理 1 的证明：根据 5.2.2 节的证明，非相干处理时，对每一参数的估计的均

方误差均在 MN 足够大时趋近于零，即 MSE non = E{(θˆ non − θ ) 2 } → 0, as MN → ∞ 。
i i a ,i

其中 θˆinon 或 θ a ,i 分别是 θ̂ non 或 θa 的第 i 个分量。于是，

MSE non = E{| W † (θˆ non − θ a ) |2 } = ∑ Wi 2 E{(θˆinon − θ a ,i ) 2 } → 0, as MN → ∞, (6-19)
i

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)

由(6-18)和(6-20)可知，当 MN 增大时 MSE coh 和 MSE non 的取值区间越来越小，

因此它们会在 MN 足够大相互逼近。这就完成了(6-17)的证明。 ■
定理 1 说明了在给定假设下，当 MN 较大时可以用非相干处理来代替复杂度
很大的相干处理，而几乎不造成性能上的损失。也就是说，在相干处理的性能比
非相干处理要好的情况下，可以通过增加天线数的方法加以弥补。当 MN 增加到
某较大值时，非相干处理的性能将足够接近相干处理，此时采用非相干处理是足
够好的。另一方面，如果在某些情况下非相干处理的性能本来就比相干处理要好，
则无疑应该采用非相干处理，因为其计算复杂度也更低。

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 ⎛ (εkalk + γ lkelk )blk +⎞ (alkαk − elkΞlk )ζ I (elkΞlk − alkαk )ζ R ⎤

⎢εk alk + 2γ lkalkelk +ηlk elk ⎜ ⎟ (γ lk alk +ηlkelk )βlk (γ lkalk +ηlkelk )qlk
2
⎥
⎢ ⎝ (γ lk alk +ηlk elk )glk ⎠ 2π | ζ |2 2π | ζ |2 ⎥
⎢ ⎛ (ε a + γ e )b +⎞ (blkαk − glkΞlk )ζ I (glkΞlk − blkαk )ζ R ⎥
⎢ ⎜ k lk lk lk lk ⎟ εkblk2 + 2γ lkblk glk +ηlk glk2 (γ lkblk +ηlk glk )βlk (γ lkblk +ηlk glk )qlk ⎥，
⎢ ⎝ (γ lk alk +ηlk elk )glk ⎠ 2π | ζ |2 2π | ζ |2 ⎥
⎢ −βlkΞlkζ I βlkΞlkζ R ⎥
⎢ (γ lk alk +ηlkelk )βlk (γ lkblk +ηlk glk )βlk ηlk βlk2 ηlk βlk qlk ⎥
⎢ 2π | ζ |2 2π | ζ |2
⎥
⎢ −qlkΞlkζ I qlkΞlkζ R ⎥
⎢ (γ lk alk +ηlk elk )qlk (γ lkblk +ηlk glk )qlk ηlk βlk qlk ηlk qlk2 ⎥
⎢ 2π | ζ |2 2π | ζ |2
⎥
⎢ (a α − e Ξ )ζ (blkαk − glkΞlk )ζ I −βlkΞlkζ I −qlkΞlkζ I 1 ⎥
⎢ lk k lk lk I
0 ⎥
⎢ 2 π | ζ |2
2 π | ζ |2
2π | ζ |2 2π | ζ |2 4π 2 | ζ |2 ⎥
⎢ (e Ξ − a α )ζ (glkΞlk − blkαk )ζ R βlkΞlkζ R qlkΞlkζ R 1 ⎥
⎢ lk lk lk k R
0 ⎥
⎣⎢ 2π | ζ |2 2π | ζ |2 2π | ζ |2 2π | ζ |2 4π | ζ |
2 2
⎦⎥
(6-21)
∂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 kc , γ lkc ,ηlkc , α k 和 Ξ lk 则与接收
速度和天线的位置确定（具体表达式见附录 A.4.5）
信号的特性有关，
∞ ∞

∫ ∫
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

RMSE i = E{(θˆi − θ a ,i ) 2 } ， (6-32)

其中 θ a ,i 是待估量 θi 的真实值。对于向量 θ = [ x, y , v x , v y ]† ，当 W = [1, ,1]† 时，其总

均方根误差（total RMSE）为

RMSE = E{(θˆx − θ a , x ) 2 } + E{(θˆy − θ a , y ) 2 } + E{(θˆvx − θ a ,vx ) 2 } + E{(θˆv y − θ a ,vy ) 2 } 。(6-33)

在总 RMSE 的基础上，设常量 θa 已知，则相干与非相干处理的归一化 RMSE 差为

RMSE non − RMSE coh
NDRMSE = × 100% 。 (6-34)
θ a2, x + θ a2, y + θ a2,v + θ a2,v
x y

NDRMSE 越小则两种估计器的性能越接近。当 NDRMSE ≤ ε % 时，认为相干处理

和非相干处理的性能足够接近，此时建议使用非相干处理，因为其计算复杂度更
低。关于 ε 的值的设定可根据实际要求确定。在以下实验中选取 ε = 4 ，即当
NDRMSE ≤ 4% 时认为非相干处理和相干处理具有几乎相同的性能。

6.4.1 仿真实验

本小节将用几个具有代表性的例子来说明定理 1 所述的由增加 MN 所带来的

效果。在这些例子中，罗列了 NDRMSE ≤ 4% 对 MN 的要求，即何时可由非相干处
理代替相干处理而几乎不造成估计性能的损失。这里假设发射信号相互正交，且
噪声在时域和频域上均为复白高斯噪声。如前所述，当 MN 很大时，为了降低计
算量，这里将使用克拉美-罗界来代替均方误差。
设 MIMO 雷达有 M 个发射天线和 N 个接收天线。令 M = 3，N 从 5 至 100 变
所有天线距离坐标原点约 7000 m。
化， 天线的位置以及目标的位置和速度如图 6-1(a)
，天线均匀分布在 [0, 2π ) 的方向上，其中发射天
所示。当进行非相干处理时（non）

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.

图 6-3 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.

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.

图 6-3 中作出了相干与非相干处理的归一化 RMSE 差（NDRMSE）关于 MN

变化关系的曲线。点线表示的结果是当 MN 较小时（MN<100）利用仿真计算得出
均方误差进而求得的，实线表示的结果是用克拉美-罗界近似均方误差进而求得的。
当 MN 足够大时，这两条曲线非常接近，因此用克拉美-罗界来近似均方误差是可
行的。本例中，当 MN>36 时达到 NDRMSE ≤ 4% 。这个要求对于 MN 来说并不算
太大。例如当发射天线和接收天线的数目都大于 6 时，有 MN>36，便可以采用非
相干处理，因为其更易于实现，而且性能与相干处理足够接近。如果 MN 继续增
大，则非相干处理与相干处理的性能会更加接近。
图 6-4 和图 6-5 采用了与图 6-2 相同的参数， 设其为 SNR
仅改变了信噪比的值，
= 25dB。正如所料想的那样，图 6-4 中的 RMSE i 比图 6-2 中的小。图 6-5 显示，当
MN>15 时就能达到 NDRMSE ≤ 4% 。由此可知，当其他参数一定时，信噪比越高，
RMSE i 越小，使用非相干处理近似等效代替相干处理所要求的 MN 也越小。
在图 6-6 和图 6-7 中，参数的设置依然与图 6-2 相同，只是在非相干处理时采
用的天线位置不同，本例的天线布置如图 6-1(b)所示。假设对于非相干处理，发射
天线 k 的位置为 ( xkt ,7000) m, xkt = 10000(k − 1) / ( M − 1) − 3000, k = 1,..., M ，接收天
100
 图 6-5 对位置和速度的联合估计中 NDRMSE 随 MN 的变化关系. SNR=25dB.
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.

图 6-6 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.

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.

线 l 的位置为 (7000, ylr ) m, ylr = 10000(l − 1) / ( N − 1) − 3000, l = 1,..., N 。对比图 6-6

和图 6-2，可见由于天线位置的改变，图 6-6 中非相干处理的联合估计性能比图 6-2
中有所下降。这种情形下的 NDRMSE 如图 6-7 所示。在本例中，NDRMSE ≤ 4% 所
要求的天线数目为 MN > 219。直观的讲，在相干处理的估计性能保持不变、而非
相干处理的估计性能因天线布置方式不当而变差时，就需要更多的天线来弥补非
相干处理和相干处理性能之间的差距。
设发射信号为扩频高斯脉冲串， sk (t ) = ∑ ∞n =−∞ z (t − nTr ) g (t )e j 2π k Δft ， k = 1,..., M ，
其中 z (t ) 是脉冲宽度为 T 的窄高斯脉冲， g (t ) 是脉冲宽度为 Tb T 的宽高斯脉冲，
Δf = f k +1 − f k ≥ 0 是 sk (t ) 和 sk +1 (t ) 之间频率增量。令 T = 0.1, Tr = 0.5, Tb = 2 ，并设
Δf = 5 / T 以使发射信号之间相互正交。其它参数与图 6-2 中保持一致。相应 RMSE i
和 NRMSE 的曲线如图 6-8 和图 6-9 所示。很明显，脉冲串信号的使用改善了估计
的性能。在图 6-8 中观察到的相干处理和非相干处理的估计性能均比图 6-2 中的有
所提高。将图 6-9 与图 6-3 相比，可见为达到 NDRMSE ≤ 4% 本例所需的天线数更
少，在 MN = 15 时非相干处理的性能就已经与相干处理足够接近。

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.

图 6-9 在对位置和速度的联合估计中 NDRMSE 随 MN 的变化关系. SNR=20dB.

6.5 扩展分析

本小节将定理 1 的结论推广到更一般的情况。定理 1 中假设了发射信号间相

互正交、以及噪声是时间和空间白的。这里丢弃这些假设，对发射信号非正交和
空间色噪声的情况进行讨论。这些情况下，相干处理和非相干处理时的最大似然

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.

估计分别在附录 A.4.1 和 A.4.2 中给出。

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.

和 (29,37)m / s 。假设 SNR 为 25dB。相应的 RMSE i 和 NDRMSE 的曲线如图 6-10

和 6-11 所示。这里观察到的现象与图 6-2 和 6-3 中类似。也就是说，当发射信号
非正交时，依然可以通过增加天线数的方法使非相干处理的性能逐渐趋近于相干
处理的性能。本例中，当 MN = 150 时有 NDRMSE=7.579%。

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.

图 6-13 空间色噪声的情况下, 对位置和速度的联合估计中

NDRMSE 随 MN 的变化关系. SNR=25dB.

以及目标的位置和速度都与图 6-10 中的相同。相应的 RMSE i 和 NRMSE 曲线如图

6-12 和图 6-13 所示。由图可见，在空间色噪声的情况下，增加 MN 仍可以减小

106
NDRMSE。在本例中，达到 NDRMSE ≤ 4% 所需的天线数目为 MN ≥ 18 。

6.6 小结

本章研究了相干 MIMO 雷达和非相干 MIMO 雷达对目标的位置和速度进行联

合估计的问题。假设发射信号相互正交、复高斯噪声是时间和空间白的，本章证
明了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之积
MN 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。如果所要求的
MN 是可以承受的话，那么从易于实现的角度出发更推荐采用非相干处理。本章定
义了归一化 RMSE 之差（NDRMSE）
，并用它来比较相干和非相干处理的联合估计
性能。当 NDRMSE 低于预先设定的值时，可以认为 MN 是足够大且能保证足够好
的非相干处理性能的。研究表明，信噪比较高或发射波形设计较好时，对 MN 的
要求并不太大。所需 MN 的大小与诸多系统参数有关，包括信号带宽、信号时宽、
以及天线位置等等。本章也对发射信号非正交和空间色噪声的情况进行了讨论，
通过实例说明上述结论在这些情况下仍然适用。

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

A.1 第三章附录：MIMO 雷达动目标检测器的恒虚警率性能

这里采用类似[42]的方法分析 MIMO 雷达动目标检测器的恒虚警率性能。自适

应 MIMO 雷达动目标检测统计量具有如下形式
2
M N ˆ −1r
dlkH (vx , v y )C >
H1

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

ˆ 是对第 lk 收发路径对应的杂波协方差矩阵的估计，由 L 个辅助采样向量得

其中 C lk

来。现在对检测统计量中求和号后的项进行单独分析。用 C1/lk 2d′lk (vx , v y ) 代替

dlk (vx , v y ) ，同时以 C1/lk 2rlk′ 取代 rlk ，得
2 2
d′lkH(vx , v y )C1/2 ˆ −1 1/2 ′ ˆ ′−1r′
d′lkH(vx , v y )C
lk Clk Clk rlk lk lk
= 。 (A-2)
d′lkH(vx , v y )C1/2 ˆ −1 1/2 ′ ˆ ′−1d′ (v , v )
d′lkH(vx , v y )C
lk Clk Clk d lk (vx , v y ) lk lk x y

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

distribution），即 C ˆ ′ ∼ CW ( L, K , I ) ，其分布与实际的杂波协方差矩阵 C 无关。另

lk lk

外， rlk′ 在 H 0 假设下是零均值、协方差矩阵为 I 的复高斯向量， rlk′ ∼ CN (0, I ) 。进

一步地，对任意 d′lk (vx , v y ) 可以找到一个酉矩阵 U 将其旋转到初等向量 e 上，使得
ˆ ′′ = U H C
ce = U H d′ (v , v ) 。记 r′′ = U H r′ 和 C ˆ ′ U ，式(A-2)变为
lk x y 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

关的。因此，对任意 vx , v y 以及任意 k, l，式(A-3)所表示的项都与实际的杂波协方

差矩阵 Clk 无关，所以在 H 0 假设下的检测统计量(A-1)是具有恒虚警率性能的。

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

本节推导当目标反射系数 ζ lk 为随机变量时速度估计的克拉美 - 罗界。记

v = [vx , v y ] ， ζ = [ζ 11R , ζ 11I , ζ 12 R , ζ 12 I , , ζ NMR , ζ NMI ] ，则(4-5)中的 θ 可写为 θ = [ v, ζ]† 。
给定 ζ 条件下的费歇尔信息矩阵为

{
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

z0 = ∑∑∑ Alk Blk ′ℜ {ζ lk ζ lk* ′δ lkk ′ } ，

N M M
(A-7)
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)

ACRB(v y ) = Eζ {CRB(v y | ζ)} ， (A-12)

其中求期望的运算是关于概率密度函数 p(ζ) 求取的。

另外也可以对给定的概率 p 基于 (A-10) 求中断克拉美 - 罗界（ outage CRB,
OCRB）
，考虑到(A-10)中的 CRB 是由 ζ 的实现确定的，则有
OCRB p (vx ) = arg x {Pr [ CRB(vx | ζ) ≥ x ]} = p ， (A-13)

{ }
OCRB p (v y ) = arg x Pr ⎡⎣CRB(v y | ζ) ≥ x ⎤⎦ = p 。 (A-14)

另外一种方法是基于(A-5)求改进的克拉美-罗界（modified CRB, MCRB）

MCRB(vx ) = ⎡⎢( Eζ {J ( v | ζ)} ) ⎤⎥ ，

−1
(A-15)
⎣ ⎦11

MCRB(v y ) = ⎡⎢( Eζ {J ( v | ζ)} ) ⎤⎥ 。

−1
(A-16)
⎣ ⎦ 22

注意到因为 ( EA) −1 ≤ E ( A−1 （根据

) Jensen 不等式或[59]）
，ACRB 提供的下界比 MCRB
更紧。
真实的克拉美-罗界（true CRB, TCRB）比上述三种简化的克拉美-罗界更紧，
虽然它不易求解，这里仍给出计算方法
⎡
( { }) ⎤
−1
TCRB(vx ) = ⎢ − E ∇ v ⎡⎣∇ v ln Eζ { p(r; θ)}⎤⎦
†
⎥ ， (A-17)
⎣ ⎦11
⎡
( { }) ⎤
−1
TCRB(v y ) = ⎢ − E ∇ v ⎡⎣∇ v ln Eζ { p(r; θ)}⎤⎦
†
⎥ 。 (A-18)
⎣ ⎦ 22

注意到式(A-17)或(A-18)中内层的期望是关于概率密度函数 p (ζ) 求取的，而外层的

期望则是关于概率密度函数 p (r; v ) 求取的。

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
⎩

其中 k = 1,..., M ，T 表示信号时间长度， Δf = f k +1 − f k ≥ 0 是信号 sk (t ) 和 sk +1 (t ) 间的

频率增量。各信号的带宽近似为 F = 1/ T 。信号 sk (t ) 和 sk ′ (t ) 的频谱 S k ( f ) 和 S k ′ ( f )
注意在本节中一律假设 k ≠ k ′ 。
如图 8-1 所示。 （Parseval’s theorem）
根据帕斯瓦定理 ，
∞
∫T
sk (t ) sk*′ (t )dt = ∫ S k ( f ) S k*′ ( f )df 。
−∞
(A-20)

观察频谱，可见当 | k − k ' | Δf 1/ T 时， Sk ( f ) 和 S k ′ ( f ) 的主瓣间隔足够大，故有

Sk ( f ) S ( f ) ≈ 0 ，因而式(A-20)近似为 0，表明 sk (t ) 和 sk ′ (t ) 近似正交。此处忽略了
*
k'

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

则所发射的 M 个信号 sk (t ) , k = 1,..., M 中任意两信号是近似正交的。

设 sk (t ) 和 sk ′ (t ) 分 别 经 历 延 时 τ k 和 τ k ' 。 延 时 后 ， 信 号 sk (t − τ k ) 的 非 零 区 间 为
τ k < t < τ k + T ，而信号 sk ' (t − τ k ' ) 的非零区间为 τ k ' < t < τ k ' + T 。因此，二者相互重
叠的时间长度为 T − Δτ kk ′ ，其中 Δτ kk ′ =| τ k − τ k ' | 为时延差。注意当 Δτ kk ′ 大于或接近
T 时，延时后两信号的交叠部分几乎消失，意味着(A-20)近似为 0，故可认为延时
后两信号正交。所以，延时后两信号非正交的情况只可能发生在 Δτ kk ′ T 时，下

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)

其中 sk (t ) 和 sk ′ (t ) 分别表示 sk (t − τ k ) 和 sk ' (t − τ k ' ) 中二者相互交叠的部分，时间宽度

均为 T − Δτ kk ′ 。更准确的说，假设 τ k ' < τ k < τ k ' + T ，则
sk (t ) = sk (t − τ k ), τ k < t < τ k ′ + T ， (A-23)

sk ′ (t ) = sk ′ (t − τ k ′ ), τ k < t < τ k ′ + T 。 (A-24)

等效信号 sk (t ) 和 sk ′ (t ) 的频谱 S k ( f ) 和 S k ' ( f ) 如图 8-1 中点线所示。类似的，对延时

后的信号，若
1
| k − k ′ | Δf ， (A-25)
T − Δτ kk ′

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 。

现在以几个例子来检验采用频率扩展信号的 4 × 3 MIMO 雷达的性能，将该系

统对应的克拉美-罗界与采用理想正交信号时得到的克拉美-罗界进行比较。假设系
统参数如下：载波频率 f c = 1 GHz，速度为 (7.75,13.42) m/s 的目标位于感兴趣的分
辨单元内，发射天线和目标的间距为 {R1t = 4000, R2t = 6400, R3t = 8290, R4t = 6000} m，
接收天线和目标的间距为 {R1r = 8000, R2r = 7300, R3r = 5000} m，发射和接收天线相对

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。

A.2.3 发射信号正交情况下对 δ lkk ′ ， γ 和ηlk 的简化

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

观察(4-39)可知 γ 是由许多加权积分项构成的。在假定 1 成立时，k ≠ k ′ 的项全

部为零。因此
M N
γ = ∑∑ |α lk |2 。 (A-31)
k =1 l =1

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

A.2.4 关于 g > 0 ， h > 0 和 gh − z 2 > 0 的证明

这里证明 4.4 节中与 g(4-62)，h(4-63)，及 z(4-64)有关的几个不等式。

首先通过比较(4-62)中的减数和被减数来证明 g > 0。第一步是分析减数和被减
数中的求和项。记 x = [ x1 , x2 , , xNM ]† = vect ( A) ，那么
M N NM M N NM

∑∑ 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 x1 = x2 = = xNM 时等号成立。代(A-35)入(A-36)可得

2
M N
1 ⎛M N ⎞
∑∑
k =1 l =1
A ≥ 2
lk ⎜ ∑∑
NM ⎝ k =1 l =1
Alk ⎟ ，
⎠
(A-37)

其中当且仅当
A11 = A12 = = A1M = = ANM (A-38)

时取等号。因为 Alk = cos φkt + cos φlr ，所以(A-38)等价于

cos φ1t = cos φ2t = = cos φMt
。 (A-39)
且 cos φ1r = cos φ2r = = cos φNr

对一具有 M （ M ≥ 3 ）个以足够间距分置的发射天线、 N （ N ≥ 3 ）个以足够间距

分置的接收天线的 MIMO 雷达系统， φ1t ≠ φ2t ≠ ≠ φMt 且 φ1r ≠ φ2r ≠ ≠ φNr ，其中
φkt , φlr ∈ [0, 2π ) ，故(A-39)不可能成立。所以(A-37)中等号成立的条件不可能满足，

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)

现在分析(4-62)的其余部分。如 4.4.1 节所述， ε 2 = σ 2 + Ξ 2 (4-60)，σ 2 > 0 （脉冲宽

，且 ε 2 > 0 ， Ξ 2 > 0 （由定义可得）
度 σ 为正） ，因此
ε 2 > Ξ2 > 0 。 (A-41)

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)

最后进行 gh − z 2 > 0 的证明。返回到(4-44)式，注意到 g / ( gh − z 2 ) 等于一正数

与表征方差下界的 ⎡⎣ J −1 (θ ) ⎤⎦ 的乘积，所以其值总是非负的，故
2,2

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

设 4.4 节给出的假定成立，这里给出梯度 ∇βξ (β) 中元素的计算。

首先讨论对第 k 个发射天线角度求导的结果
∂ξ ( β ) ∂ ⎛ g+h ⎞
= t ⎜ 2 ⎟
∂φk t
∂φk ⎝ gh − z ⎠
， (A-47)
1 ⎡ 2 2 ∂g 2 ∂h ∂z ⎤
= ⎢ −( z + h ) t − ( z + g ) t + 2 z ( g + h) t ⎥
2

( gh − z 2 ) 2 ⎣ ∂φk ∂φk ∂φk ⎦

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 ⎠

至此求得了梯度 ∇βξ (β) 中的各个元素。

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

(h 2 − g 2 ) sin(2φkt ) + 2 z ( g + h) cos(2φkt ) + ξ 0′ k = 0 。 (A-61)

′
将(A-51)-(A-53)中的 g 0k ′
， h0k ′
，和 z0k 代入(A-55)，则 ξ 0k′ 可写为
ξ0′ k = a sin φkt + b cos φkt ， (A-62)

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

(h 2 − g 2 ) sin(2φkt ) + 2 z ( g + h) cos(2φkt ) + a sin φkt + b cos φkt = 0 。 (A-65)

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

注意到 a 和 b 不随 k 而变，对任给的天线布置，a 和 b 对(A-67)中所有方程是具有

固定取值的。按引理 1 中的假设，发射天线以足够大的间距分置，那么 φ1t ≠ φ2t ≠
≠ φMt 。每一 φkt 的定义域是 [0, 2π ) 。于是，(A-67)表明以下关于 φ 的方程
a sin φ + b cos φ = 0 (A-68)

至少在 [0, 2π ) 中有 M（ M ≥ 3 ）个相异的根。这就导致了矛盾，因为对固定的非零

系数 a 和 b，三角不等式(A-68)在 [0, 2π ) 上只有 2 个根[61]。因此，对任意的 M ≥ 3 ，
使得 h 2 − g 2 = 0 、2 z ( g + h) = 0 、a ≠ 0 和 b ≠ 0 同时成立的天线布置不可能具有零梯
度。
类似地，可以证明在其他情况下，对任意 M ≥ 3 ，若 h 2 − g 2 、 2 z ( g + h) 、 a 、
和 b 中的任何一项不为零都会导致矛盾，因而不能满足零梯度条件。
对与发射天线有关的导数项进行分析可以得到相似的结论。
综上所述，对具有任意 M（ M ≥ 3 ）个发射天线和任意 N（ N ≥ 3 ）个接收天
线的 MIMO 雷达，符合零梯度条件的天线布置必须同时满足
h2 − g 2 = 0 ， (A-69)
2 z ( g + h) = 0 ， (A-70)
a = 0, 且 b = 0 。 (A-71)

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

其中 ε 2 和 Ξ （ ε 2 > Ξ 2 > 0 ）是与雷达波形有关的可调参量。按与上文类似的推导，

为保证(A-72)对任意 ε 2 和 Ξ 成立，要求

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)

其中 φ0 为任意常数，则对任意的 N , M ≥ 3 ，(4-61)中的 (φkt ) sym 和 (φlr ) sym 满足

M N

∑ 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

这样就证明了 ξ 0′ k = 0 (A-83)， h 2 − g 2 = 0 (A-88)， z β = 0 (A-87)。把它

β sym β sym 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

采用均匀天线布置时的目标函数的梯度中的元素是由 (A-89) 和 (A-90) 中的项

组成的，因此
†
⎡ ∂ξ (β) ∂ξ (β) ∂ξ (β) ∂ξ (β) ⎤
∇βξ (β) =⎢ , …, , , …, ⎥
⎣ ∂φ1 ∂φM ∂φ1 ∂φNr ⎦
β sym t t r
β sym
(A-91)

= [ 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)

令 i = p 、 n = P 、以及 λ = 2π / P ，其中整数 P ≥ 2 。根据(A-92)可得

⎛ P +1 ⎞
sin(π ) sin ⎜ π⎟
P
⎛ 2π ⎞ ⎝ ⎠ =0
∑
P
sin ⎜ p ⎟=
p =1 ⎝ P ⎠ ⎛π ⎞
sin ⎜ ⎟
⎝P⎠
。 (A-93)
⎛ P +1 ⎞
sin(π ) cos ⎜ π⎟
P
⎛ 2π ⎞ ⎝ ⎠ =0
∑
P
和 cos ⎜ p ⎟=
p =1 ⎝ P ⎠ ⎛π ⎞
sin ⎜ ⎟
⎝P⎠

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)

图 8-5 均方误差随 SCNR 的变化. 3 × 4 MIMO 雷达. 采用扩频高斯单脉冲或者

理想正交信号. (a) Δf = 1 / T , (b) Δf = 5 / T , (c) Δf = 10 / T .

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 wl (t ) 是接收机 l 上的噪声。令 w (t ) = [ w1 (t ), w2 (t ), , wN (t )]† ，其中包含了在 t

时刻所有接收天线上的噪声分量， 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，代表匹配滤波器输出端的噪声的协方差矩阵（详
细讨论参见附录 A.4.3）
。式(A-101)中的 ul 是一个 M 维的向量，ul = [ul1 , ul 2 , , ulM ]† ，
其中第 k 个分量 ulk 表示在接收天线 l 上收到的来自发射天线 k 的信号
ulk = sk (t − τ lk )e − j 2π fcτ lk e j 2π flk t ，

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

用向量 r (t ) 来表示所有接收天线上的观测到的信号， r (t ) = [r1 (t ), r2 (t ), , rN (t )]† 。

使用信号模型(A-103), 并假设 Q 和 R 已知，可得似然比

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

用 wl (t ), l = 1,..., N 表示接收机 l 上的噪声。把在接收天线 l 上的所收到的信号

输入到一个匹配滤波器组，其中第 k 个匹配滤波器匹配于时延和多普勒频移后的
来自发射天线 k 的信号。在接收机 l 上匹配滤波器 k 的输出端噪声分量为
∞
wlk = ∫ wl (t ) sk* (t − τ lk )e − j 2π flk t dt 。 (A-112)
−∞

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)

假设噪声是零均值、时间白和空间色的复高斯随机过程，有 E{w l (t)}=0 和

E{w (t )w H (t − τ )} = Qδ (τ ) ，其中 w (t ) = [ w1 (t ), w2 (t ), , wN (t )]† ， E{wl (t ) wl*′ (t − τ )} =
Qll ′δ (τ ) 。接收天线 l 上的匹配滤波器 k 的输出端的噪声均值为
∞
E{wlk } = ∫ E{wl (t )}sk* (t − τ lk )e − j 2π flk t dt = 0 ， (A-114)
−∞

133
因此
E{w} = 0MN ×1 。 (A-115)

另外，接收天线 l 中匹配滤波器 k 的输出端的噪声分量 wlk 与接收天线 l ' 中匹配滤波

器 k ' 的输出端的噪声分量 wl 'k ' 的协方差为
∞ ∞
E{wlk wl*′k ′ } = ∫
∫ E{wl (t ) wl*′ (t ′)}sk* (t − τ lk ) sk (t ′ − τ l ′k ′ )e − j 2π flk t e j 2π fl′k′t ′ dt ′dt
−∞ −∞
∞ ∞
=∫ ∫ Qll ′δ (t − t ′) sk* (t − τ lk ) sk (t ′ − τ l ′k ′ )e − j 2π flk t e j 2π fl′k′t ′ dt ′dt
−∞ −∞ (A-116)
∞
=Q ∫ ll ′ sk* (t − τ lk ) sk (t − τ l ′k ′ )e − j 2π flk t e j 2π fl′k′t dt
−∞

≡ Qll ′ SllR′ S kkT ′ 。

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)

其中 代表 Hadamard 积, ⊗ 代表 Kronecker 积，S R 是一个 N × N 维的矩阵，其第 ll ′

分量为 S R ll ' ， ST 是一个 M × M 维的矩阵，第 kk ' 分量为 ST kk ' 。
在特殊情况下，设接收天线 l 上的噪声 wl (t ) 是时间和空间白的，有 Q = σ w2 I 。
则式(A-117)可以被简化成一个块对角阵
E{ww H } = σ w2 diag ( S11R , S 22R , , S NN
R
) ⊗ ST
。 (A-118)
= σ w2 diag ( S11R ST , S 22R ST , , S NN
R
ST )

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

本节给出相干 MIMO 雷达对目标位置和速度进行联合估计的费歇尔信息矩

阵。假设噪声是时间和空间白的，则费歇尔信息阵可根据(6-12)推得[49]

J (θ) = − Er (t );θ ∇θ ⎡∇θ Lcoh

⎣ J {
θ; r (t ), ζˆML ⎤ 。
⎦ ( )
†

} (A-120)

考虑到(6-12)是 τ lk 和 flk 的显函数，而是 θ = ( x, y, vx , v y , ζ R , ζ I ) 的隐函数，故定义一

个新的向量 ϑ = [τ 11 ,τ 12 , , f NM , ζ R , ζ I ] ，则费歇尔信息阵可利用链式
†
,τ NM , f11 , f12 ,

134
法则求得
J (θ) = (∇θϑ † )J (ϑ )(∇θϑ † )† 。 (A-121)

首先计算 ∇θϑ † ，可得

⎡ ∂τ 11 ∂τ 12 ∂τ NM ∂f11 ∂f12 ∂f NM ⎤
⎢ ∂x 0 0⎥
∂x ∂x ∂x ∂x ∂x
⎢ ⎥
⎢ ∂τ 11 ∂τ 12 ∂τ NM ∂f11 ∂f12 ∂f NM ⎥
0 0
⎢ ∂y ∂y ∂y ∂y ∂y ∂y ⎥
⎢ ⎥
⎢ ∂f11 ∂f12 ∂f NM ⎥
∇θϑ † = ⎢ 0 0 0
∂vx ∂vx ∂vx
0 0 ， (A-122)
⎥
⎢ ⎥
⎢ ∂f11 ∂f12 ∂f NM ⎥
⎢ 0 0 0
∂v y ∂v y ∂v y
0 0⎥
⎢ ⎥
⎢ 0 0 0 0 0 0 1 0⎥
⎢ ⎥
⎣ 0 0 0 0 0 0 0 1⎦
∂τ lk ∂τ ∂f ∂f ∂f ∂f
其 中 alk = , blk = lk , elk = lk , g lk = lk , β lk = lk , qlk = lk 的 表 达 式 在 附 录
∂x ∂y ∂x ∂y ∂vx ∂v y
A.4.5 中给出。将 ∇θϑ † 分块为

⎡ A B 0⎤
∇θϑ = ⎢⎢ 0 D 0 ⎥⎥ ，
†
(A-123)
⎢⎣ 0 0 I ⎥⎦

其中 A、B、D 为 2 × NM 维的矩阵，I 是 2 × 2 的单位阵。

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)

它是一个 2( NM + 1) × 2( NM + 1) 维的矩阵。把 J (ϑ ) 写成分块矩阵的形式

⎡X F P⎤
J (ϑ ) = ⎢⎢ F H Y K ⎥⎥ ， (A-125)
⎢⎣ P H KH Z ⎥⎦

其中 X，F，Y 的维度是 NM × NM 。经过计算可得

8π 2 | ζ |2 E
X= I N ⊗ diag{ε1c , ε 2c , , ε Mc } ， (A-126)
σ wM
2

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

其中 ε kc , γ lkc 和ηlkc 与接收信号相关，如(6-22)-(6-26)所述。因此费歇尔信息矩阵为

⎡ AXA† + BF H A† + AFB† + BYB† AFD† + BYD† AP + BK ⎤
⎢ ⎥
J (θ) = ⎢ DF H A † + DYB† DYD †
DK ⎥ 。 (A-132)
⎢ P H A† + K H B† K H D† Z ⎥
⎣ ⎦

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

通过(6-1)和(6-2)可以直接求出 τ lk 和 flk 关于 x, y, vx 和 v y 的导数。

∂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 ⎠

∂flk −vx ⎛ 1 1 ⎞ ( xkt − x)

elk ≡ = ⎜ t + r ⎟
+ ⎡v ( xkt − x) +
t 3 ⎣ x
∂x λ ⎝ d k dl ⎠ λ (d k )
， (A-135)
( x r
− x )
v y ( ykt − y ) ⎤⎦ + l r 3 ⎡⎣vx ( xlr − x) + v y ( ylr − y ) ⎤⎦
λ (dl )

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.

[2] 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, vol. 4, no. 1, Feb
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.

[11] 刘波, 何子述, 何茜. 数字阵列非线性相关及其减小新方法. 电子测量与仪器

学报, 2008, 22(1).

[12] 何茜，韩春林，陈玉鹏，马亮. 基于 NiosII 的通用数字调制器的设计与实现, 电

子技术应用. 2006 年, 第 4 期, 第 120-122 页.

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.

[14] Qian He, R. S. Blum, and A. M. Haimovich. “Noncoherent versus coherent

MIMO radar: Simplicity with little loss for sufficient numbers of antennas,” in
review for IEEE Transactions on Signal Processing.

148