一种阵元失效下基于重加权先验的MIMO雷达DOA估计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113655444A(43)申请公布日2021.11.16(21)申请号202110989797.2(22)申请日2021.08.26(71)申请人南京信息工程大学地址210044江苏省南京市宁六路219号(72)发明人陈金立张程陈宣李家强(74)专利代理机构北京同辉知识产权代理事务所(普通合伙)11357代理人廖娜(51)Int.Cl.G01S7/02(2006.01)权利要求书5页说明书17页附图3页(54)发明名称一种阵元失效下基于重加权先验的MIMO雷达DOA估计方法(57)摘要本发明涉及MIMO雷达DOA估计领域，公开了一种阵元失效下基于重加权先验的MIMO雷达DOA估计方法，利用SVD分解技术对虚拟阵列输出数据矩阵进行降维预处理，增强对噪声的鲁棒性；针对降维后存在整行缺失元素的输出数据矩阵，建立联合重加权低秩和稀疏先验信息的矩阵填充模型；在交替方向乘子法(AlternatingDirectionMethodofMultipliers，ADMM)框架下利用增广拉格朗日乘子法(AugmentedLagrangeMethod，ALM)迭代得到最优解，在每次迭代中对权值进行更新调整以增强解的低秩性和稀疏性，并对过完备字典进行收缩处理以进一步降低计算复杂度，当算法收敛时即可由稀疏解估计出目标DOA。CN113655444ACN113655444A权利要求书1/5页1.一种阵元失效下基于重加权先验的MIMO雷达DOA估计方法,其特征在于，所述方法包括如下步骤：步骤1：阵元失效下具有M个发射阵元和N个接收阵元的MIMO雷达回波信号经过匹配滤波处理后，可获得MN个虚拟阵元输出数据矩阵为式中，为在L个快拍下虚拟阵列输出数据；为P个目标的反射信号矩阵，表示复数域；Z为阵元失效下的高斯白噪声矩阵；为存在阵元失效时的阵列流形矩阵，其中⊙表示Khatri‑Rao积；将对应失效阵元的虚拟阵元输出数据置零，则阵元失效下MIMO雷达虚拟阵列输出数据矩阵为式中，其中和Y((n‑1)×M+m,:)分别表示矩阵和Y的第(n‑1)×M+m行元素(n＝1,2,…,N,m＝1,2,…,M)，即对应第(n‑1)×M+m个虚拟阵元的输出数据，01×L表示长度为L的全零行矢量；步骤2：对MIMO雷达虚拟阵列输出数据矩阵进行降维得到数据矩阵步骤3：建立在理想无噪声和无失效阵元情况下经降维后的虚拟阵列完整输出数据矩阵的稀疏表示模型；步骤4：引入Frobenius范数来限制噪声项，建立如下联合重加权低秩和稀疏二重先验的矩阵填充模型：式中，为完整输出数据矩阵，为待求解的量；γ为正则化参数；η为表示噪声水平的系数，噪声水平越高，η越小；表示加权核范数，其中，Wa为核范数的权重矩阵，是一个对角矩阵，Wa(i,i)表示矩阵Wa主对角线上第i个元素，为矩阵经过SVD分解之后按降序排列的第i个奇异值，其中i＝1,2,…,P；表示加权L2,1范数，其中，Wb(j,j)表示稀疏权重矩阵Wb对角线上第j个元素；E为辅助变量矩阵来补偿矩阵中缺失元素；Ψ为矩阵中已知非零元素位置的集合；PΨ(·)表示投影到集合Ψ的投影算子；||·||F表示矩阵的Frobenius范数；2CN113655444A权利要求书2/5页步骤5：利用增广拉格朗日乘子法(ALM)将步骤4中矩阵填充模型所表示的约束最小化问题转化为无约束优化问题来求解；步骤6：采用ADMM算法将多变量优化问题转化为多个单变量优化问题来分别求解，通过固定其他变量不变来交替的求解E,R1,R2，得到如下第k次迭代时的优化问题：k式中，ρ1,ρ2为大于1的常数；Γ表示索引集合，用来指示中需要保留的列矢量和稀疏矩阵中需要保留的行矢量；步骤7:步骤6结束后输出行稀疏矩阵对每一行元素的l2范数构成的稀疏向量然后进行谱峰搜索即可确定目标的DOA。2.根据权利要求1所述的一种阵元失效下基于重加权先验的MIMO雷达DOA估计方法，其特征在于，所述步骤1中和分别为发射阵列和接收阵列存在失效阵元时的流形矩阵，当第个发射阵元失效时，发射阵列流形矩阵中第行为零，第个接收阵元失效时，接收阵列流形矩阵中第行为零，其中ΩT和ΩR分别为发射和接收阵列中失效阵元位置集合。3.根据权利要求1所述的一种阵元失效下基于重加权先验的MIMO雷达DOA估计方法，其特征在于，所述步骤2的方法为：步骤2‑1：对进行SVD分解得输出数据矩阵式中，为最大的P个奇异值对应的左奇异值矢量组成的信号子空间矩阵；为其余MN‑P个奇异值对应的左奇异值矢量组成的噪声子空间矩阵；Λs和Λn分别为最大的P个奇异值和其余MN‑P个奇异值组成的对角矩阵；和为右奇异值矢量组成的矩阵；(·)H表示共轭转置；步骤2‑2：将输出数据矩阵乘以Vs