基于阵列流型盲辨识的MIMO雷达二维DOD和二维DOA联合估计.docx

基于阵列流型盲辨识的MIMO雷达二维DOD和二维DOA联合估计
MIMO雷达系统中，多个发射天线和接收天线的使用可以提供增强的信号探测和跟踪能力。在传统的MIMO雷达中，通常使用DOD和DOA分别对目标进行估计，从而得到目标在二维平面上的位置信息。但是这种方法存在一些问题，例如目标信号的多径影响、天线间相位偏差、天线共享等。这些问题可能会导致DOD和DOA的估计误差，并且在目标密集的情况下会导致目标的混淆。
为了解决以上问题，基于阵列流型盲辨识的MIMO雷达二维DOD和二维DOA联合估计方法应运而生。该方法将传统MIMO雷达中的DOD和DOA联合起来，综合考虑涉及到的多种因素进行联合估计，从而提高了雷达的估计精度和鲁棒性。
关于该方法所涉及的阵列流型，它是一个描述天线间线性相关性的数学对象。具体来说，它包含了所有使得雷达接收到相同目标信号的天线组合。通过对阵列流型的建模和盲辨识，可以得到更加准确的信号估计结果。
根据该方法的具体实现，可以分为三个主要步骤，分别为：生成接收数据、阵列流型盲辨识和二维DOD/DOA联合估计。接下来分别进行详细解析。
第一步：生成接收数据。在该步骤中，首先需要进行天线阵列的配置和信号发射。通常，MIMO雷达会采用同步发射和接收模式，在每个时刻，所有的发射天线会同时发送多个信号。接收天线得到的信号包含了所有目标的散射信号和所有发射天线发射的信号，同时也包含了噪声。
第二步：阵列流型盲辨识。这一步骤可以看做是估计阵列流型的过程。对于随机MIMO雷达阵列，可以使用Capon/SpatialSmoothing算法估计信号与噪声之间的方向敏感矩阵。通过将估计的矩阵进行奇异值分解或QR分解，可以得到阵列流型的估计结果。在实际应用中，可以采用基于小波的方法对阵列流型进行盲辨识，从而得到更加准确的流型估计结果。
第三步：二维DOD/DOA联合估计。该步骤基于得到的阵列流型，利用压缩感知理论进行二维DOD/DOA联合估计。特别地，该方法采用了二维稀疏字典，将DOD和DOA的二维信息进行联合估计。通过将估计杂波噪声减去，可以获得更加准确的目标信号估计结果。
总的来说，基于阵列流型盲辨识的MIMO雷达二维DOD和二维DOA联合估计方法有效地解决了传统MIMO雷达中DOD和DOA估计的误差和目标混淆问题，提高了雷达的估计精度和鲁棒性。在未来，该方法可能会在多个领域得到广泛应用，例如工业控制、自动驾驶和智慧城市等。