探地雷达阵列成像算法研究_本科毕业论文设计(编辑修改稿)

探地雷达阵列成像算法研究_本科毕业论文设计(编辑修改稿)内容摘要：

的布阵方式不再局限于圆阵结构，收发天线阵分布更加灵活，可以为线阵、圆阵、面阵。 MIMO 雷达的搭载平台多种多样，可以是地基、机载或星载等平台。 MIMO雷达尚处 于理论研究和实验验证阶段，还没有一个严格统一的定义表述。 然而， MIMO雷达基本概念已被大家所认同，其形成可以认为是在 2020年和 2020年的一些学术会议上，会议设专题讨论 MIMO 雷达的相关理论问题。 根据会议文献中的 MIMO雷达概念模型 (如图 122)，可以总结出 MIMO雷达概念的基本构成（如图 123）。 图 122 概念模型 4 图 123 基本构成 MIMO雷达的天线阵元间距没有特别限定，可以是密集或稀疏布阵，发射正交信号波形，广域覆盖空间范围。 多基地雷达中，一般自发自收，不产生虚拟阵元， 各个雷达大都独立工作，各自信号处理完成之后再送中央处理器做数据融合，而 MIMO雷达强调将所有原始回波数据进行联合信号处理。 分布式 MIMO雷达的研究主要以 Fishler、 Haimovich、 Blum为代表。 分布式 MIMO雷达利用目标 RCS起伏来改善雷达的检测性能。 观测复杂起伏目标时，雷达观测角度的细微变化可能会导致目标 RCS数十分贝的变化，分布式 MIMO雷达利用大间距天线阵从多个角度获得相互独立的多路目标回波。 由于全部回波基本不会同时出现深度衰落，从而通过非相干积累来克服目标的 RCS起伏，提高雷达检测性 能以及对隐身目标的探测能力。 分布式天线布阵提高了 MIMO雷达的抗摧毁能力。 为得到统计独立的目标回波，可将发射天线阵、接收天线阵，或收发天线阵同时在空间分布式配置来对目标形成空间分集。 根据收发分集的组合形式，分布式 MIMO雷达分为三种：发射分集 MIMO雷达、接收分集 MIMO雷达、收发全分集 MIMO雷达 (又称统计 MIMO雷达 )。 紧凑式 MIMO雷达的研究以林肯实验室和 Li、 Stoica 等为主。 其发射阵列和接收阵列构型与分布式 MIMO 雷达不同，阵元间距较小，收发阵列和目标通常满足远场关系。 由于紧凑式 MIMO雷 达的多通道回波数据不是统计独立的，可联合进行相干信号处理，从而完成数字波束形成、参数估计等功能。 紧凑式 MIMO雷达与传统雷达相比有许多优势 综上所述， MIMO雷达概念的实现形式如图 124所示， 图中将 SIAR和泛探雷达作为MIMO雷达的两种特例。 5 图 124 MIMO雷达概念的实现形式 6 第二章 阵列成像算法概述 167。 MIMO 雷达基本原理 引言 MIMO 雷达通过多个发射天线同时发射多种相互正交波形，并采用多个接收天线接收所有波形的回波。 MIMO雷达采用这种波形分集技术，从而具 有传统相控阵雷达所不具备的优点，包括突破阵元间距半波长限制、较高的系统自由度以及空间全覆盖特性等。 正交波形是 MIMO 雷达的一种基本波形，下面以正交多相码信号为例，介绍 MIMO雷达的基本原理及特性，并引入 MIMO 雷达信号模型。 雷达成像技术大体上可以分成三大类：实孔径成像技术、合成孔径成像技术和二者兼有的成像技术。 其中，实孔径成像技术主要用于实孔径 (阵列 )成像雷达， Steinberg等做过深入的研究。 合成孔径成像技术的典型代表是 SAR 和 ISAR。 二者兼有的成像技术包括ARTINO(Airborne Radar for Threedimensional Imaging and Nadir Observation)。 ARTINO 是一种三维成像雷达，分别利用平行于雷达平台航向的合成孔径、垂直于航向的线性阵列及下视的宽带信号所提供的三个方向分辨率来获得目标的空间分布信息。 MIMO 雷达通过实际的多个发射天线和接收天线来探测目标，通过单次“快拍”发射就能得到携带目标信息的多路观测回波数据。 MIMO 雷达成像划归于二者兼有的成像技术。 MIMO雷达的虚拟阵元和实际物理阵元是同时空间并存的，不同于时间积累所得的合成 孔径。 因此， MIMO雷达的等效阵列孔径可以理解为空间意义上的合成孔径。 在 MIMO雷达成像过程中，等效阵列和虚拟阵元将直接影响成像性能。 在成像方法方面， Xu等进行 MIMO雷达成像时借助自适应超分辨谱估计方法，利用 GLRT来确定目标数目，分别研究了 Capon、 APES等自适应技术存在和不存在阵列校正误差情况下的分辨性能和抗干扰能力。 Roberts等用 IAA(Iterative Adaptive Approach，一种基于加权最小二乘的迭代自适应方法 )来完成 MIMO雷达成像，并分别给出了 IAA方法的RangeDoppler图像和 AngleRange图像，通过与 DAS(DelayAndSum)获得的图像作对比，证明 IAA方法具有高分辨能力，同时还证明了 MIMO 阵列的多普勒和角度分辨能力都比SIMO(SingleInput and MultipleOutput)阵列高。 Xu和 Roberts 等本质上都是在探讨MIMO阵列信号处理问题，用于实现 MIMO雷达的多目标分辨与定位。 在成像模型和成像算法及阵列设计等方面， Fortuny Guasch和 Martinez vazquez讨论了 UWB MIMO雷达 阵列小空域监视问题，利用反向投影 (BP)算法对理想点目标进行成像， 7 然后推导得到 MIMO 阵列的方向图，比较一发一收、单发多收和多发多收三种阵列形式的聚焦图像和方向图，证明 MIMO阵列有优良成像性能。 韩兴斌等研究了基于 MIMO雷达体制的分布式多通道雷达成像问题，对多通道雷达的空间谱域支撑区分布情况进行了描述，对MIMO雷达的成像性能和阵元位置误差进行了分析，针对简单的收发阵列共直线排布构建了MIMO雷达二维成像模型，分别利用宽带发射信号和 MIMO阵列实现了运动目标的单次“快拍”成像。 Ma和 Wang分别研究 MIMO雷达收发垂直布阵窄带成像。 MIMO雷达的收发阵列同为线阵且相互垂直，根据空间卷积原理，双线阵可以形成等效面阵，进而利用窄带发射信号实现二维实时成像，大大减少了物理天线阵元数目。 在窄带 MIMO雷达成像基础上，段广青等建立了一种宽带 MIMO雷达三维成像模型，并给出了相应的三维成像算法。 167。 MIMO 雷达基本模型 虚拟阵列 虚拟阵列是 MIMO雷达的一个基本概念，假设一个由 NT个发射阵元和 NR个接收阵元组成的阵列。 NT个发射阵元发射的波形相互正交，接收阵元采用匹配滤波器组分离接收，因而总共 形成 NTNR个“发射 接收”通道。 MIMO 雷达的阵列结构及接收机结构框图分别如图221和图 222所示。 图 21 MIMO雷达阵列结构 8 图 22 MIMO雷达接收机结构 设 NT， NR分别为发射阵列和接收阵列的阵元位置矢量： () () 其中，（ i=1,2， … ， NT）为第 i个发射阵元在直角坐标系中的坐标。 （ j=1,2， … ， NR）为第 j个接收阵元在直角坐标系中的坐标， []T表示转置运算。 假设一个点目标位于远场处，由第 i个发射阵元发射的信号，到达远场目标，反射到第 j个接收阵元 ，经过的相对时延为（相对于发射阵列和接收阵列的参考点）： （ ） 其中，（）是发射相对时延，（）是接收相对时延，因此，（）又称为双程相对时延。 个“发射 接收”通道的双程相对时延构成一个长度为的时延矢量： D= () 定义 MIMO雷达的阵列导向矢量为： v= () 其中，是发射信号载频。 定义发射阵列导向矢量和接收阵列导向矢量分别为： = () = () 则： v= () 由式（ ）知，由发射阵列和接收阵列的阵元位置卷积构成的大孔径阵列称为虚拟阵列。 图 23列出了几种典型的 MIMO虚拟阵列结构，其中（ a）、（ b）用收发分置天线，但收发天线均分布在较小范围内，目标远场假设仍然成立，以便实现多天线间的相参处理。 这种集中的收发分置结构称为“伪单基”结构，提高了系统设计的灵活性和自由度。 （ c）是“单基”结构，相同设备量条件下，“单基”结构虚拟阵列的基线短，空间分辨率低，但是其方向图旁瓣（天线方向图上最大辐射波束旁边的小波束）电平较 低。 9 图 23 MIMO虚拟阵列 发射波形 正交发射波形关系到 MIMO雷达能否实现通道分离，并对虚拟阵列的角度分辨能力、目标的距离和多普勒分辨能力都有一定的影响。 正交信号的中心频率不一定是相同的。 中心频率相同的条件下，常用的有二相码、多相码和频率编码。 其中，多相码信号有更好的自相关特性和多普勒频率特性，且信号结构比较复杂，不易检测和分析，另外，多相码的低成本脉冲压缩处理技术已经成为可能。 因此，正交多相码信号是一种较好的选择。 假设多相码正交信号集中含有个信号，每个信号有 L个子脉冲，每个子脉 冲的相移数为 P，每个子脉冲宽度为 T，则正交多相码信号集可表示为： （ ） （ ） （ ） 信号的自相关函数为： 10 （ ） 为了提高发射信号的距离分辨率，理想的自相关函数满足，当 k=0时， R（ ,k）最大，其他情况自相关函数接近于零。 信号的互相关函数为： （ ） 为提高发射信号的正交性，应当是互相关函数最小。 相位码的设计原则是使自相关函数的旁瓣峰值和互相关函数的峰值最小。 信号模型 设第 i个发射阵元的发射信号为，为基带波形，为载频。 发射信号经过远场点目标反射到 第 j个接收阵元上的信号为： （ ） 167。 算法综述 MIMO雷达成像由于其复杂的多收发阵列结构而很难直接应用现有的许多常用成像算法，因而需要探寻合适的 MIMO 雷达成像算法。 首先，将传统反向投影（ BP）算法推广应用于 MIMO雷达成像，得到 MIMO雷达标准 BP 算法，不受 MIMO雷达阵列形式的限制。 而后， 基于时延曲线校正原理，提出了一种能够大大降低标准 BP 算法运算量的MIMO 雷达 TCCBP 算法。 综合传统的距离多普勒 (RD)算法和 BP 算法而提出的 MIMO雷达 RDBP 算法，在保证成像质 量的同时，相比标准 BP 算法和 TCCBP 算法提高了成像处理的运算效率。 结合 MIMO 雷达阵列设计，在 SAR RM算法的基础上，从空间谱域角度对 MIMO雷达成像算法进行了研究。 首先，通过分析雷达成像与空间谱域填充的关系，提出了基于谱域填充的 MIMO雷达 SFRM算法。 而后根据相位中心近似原理，进行了 MIMO雷达天线阵列设计，进而基于均匀等效线阵处理提出了 MIMO 雷达 UELARM 算法。 最后，结合收发正交线阵设计，提出了一种能够有效实现窄带 MIMO 雷达二维“方位 方位”向成像 11 的 MIMO雷达 OLARM 算法。 BP 算法和 RM 算法都是为了重建目标图像，而不能解决成像系统固有的高旁瓣和分辨率受限的问题。 为了提高 MIMO 雷达的成像质量，进一步对 MIMO 雷达成像旁瓣抑制和超分辨算法进行研究。 首先基于空间频谱支撑区变形原理，提出了 MIMO 雷达成像旁瓣抑制算法 — SRSR 算法，它不损失分辨率且简单、有效。 在 SRSR 算法基础。