论文部分内容阅读
分布式MIMO雷达可以通过大间隔分布式的布阵来获得空间分集增益,从而提高雷达的探测性能,但是传统的分布式MIMO雷达需要通过发射宽带信号来获得距离向的高分辨率。雷达层析成像技术可以通过对探测区域360°环绕布阵的方式,来获得更多的目标区域的空间分集,以在窄带条件下获得更高的探测分辨率,但是传统的动目标层析成像(TMT)模型有需求阵元数目较多且计算量较大的不足之处。将层析成像技术和分布式MIMO雷达相结合,就可以更好地发挥它们共同的优点,即通过分布式的多基地布阵来获得更高的空间分集增益,增强雷达系统的探测性能,并且还可以通过它们各自的优点进行互补,来提高系统的整体性能。本文工作将两者相结合,构建了基于层析成像原理的分布式MIMO雷达运动目标探测系统,实现了在发射超窄带(UNB)信号的条件下对动目标的高精确度和高分辨率探测,其分辨率可以达到λ/3。主要工作总结为以下两个方面:针对传统的动目标层析成像(TMT)匹配滤波处理方法模型所存在的阵元数目需求较多和计算量较大的问题,首先将层析成像技术与分布式MIMO雷达系统相结合,通过数学推导及仿真实验说明了其可行性,实现了雷达系统的阵元数目的减少。然后针对在降低了阵元数目后稀疏布阵所带来的子孔径未覆盖区域增加,而导致的空间分集增益降低的问题,引入了基于压缩感知重构技术的稀疏孔径融合方法,通过实验仿真分析证明了该方法的有效性,进一步优化并减少了所需的雷达阵元数目,提高了信号处理的计算效率,同时保证了在发射超窄带(UNB)信号的情况下动目标探测的高精度和高分辨率,具有不依赖频谱资源和节省空间资源的实际意义。针对探测模型在实际应用过程中会出现的问题,研究了在数据缺失问题和低信噪比问题两种情况之下,基于层析原理的分布式MIMO雷达动目标探测改进方法。分别建立了问题模型并进行了分析,采用压缩感知理论分别对问题模型进行了不同的改进,其中针对数据缺失问题设计了随机采样矩阵,针对低信噪比问题改进了优化约束条件。通过仿真实验结果对问题模型及改进的信号处理方法进行了分析,证明了改进方法的有效性,有助于在实际应用中实现雷达系统性能的提升。