基于張量代數的MIMO雷達角度估計算法研究.pdf

1、多輸入多輸出(Multiple-Input Multiple-Output, MIMO)雷達目前是國內外的一項研究熱點，角度估計是重要的研究內容之一。但是，目前對于 MIMO雷達的研究大多以均勻線陣為主要的陣列配置，只能估計目標的一維角度信息，而基于 L型陣列配置的MIMO雷達可以估計目標的二維角度信息，即俯仰角和方位角，更具有實際應用價值。因此，本文在現有角度估計算法的基礎上，結合張量代數和非圓信號，研究L型MIMO雷達的角度估計算法

2、，并提出性能更加優(yōu)越的算法。
　　本研究首先建立L型MIMO雷達的陣列結構和信號模型，研究虛擬陣元的形成原理，并且分析了L型MIMO雷達的分辨力和最大可估計目標數。然后介紹了傳統角度估計算法中的MUSIC算法、Root-MUSIC算法和ESPRIT算法的基本原理，研究這三種算法的優(yōu)缺點，并通過仿真實驗，分析其角度估計性能。其次，研究了張量代數的基本運算，包括張量的展開矩陣、張量與矩陣相乘、張量的外積和標量積、張量的高階奇異值分解(

3、HOSVD)和典范(CP)分解等。然后利用 L型MIMO雷達匹配濾波輸出數據的結構特性，建立張量信號模型，研究基于張量分解的角度估計算法：對于MUSIC類算法，研究基于張量高階奇異值分解的2D-MUSIC算法，但該算法運算量較大，針對此問題提出基于L型MIMO雷達張量結構數據高階奇異值分解的降維MUSIC算法，將2D-MUSIC算法的譜峰搜索從二維降為一維搜索，從而減小算法的運算量，同時由于利用了L型MIMO雷達輸出數據的結構信息，在小

4、樣本的情況下具有更加優(yōu)越的性能；對于ESPRIT類算法，通過對原始的復值張量進行酉變換得到實值張量，再對該張量奇異值分解進行角度估計，該算法有效降低了運算量，同時角度估計性能也獲得一定的提升。再次，研究了基于L型MIMO雷達的張量CP分解算法。首先對張量結構數據進行CP分解，確定CP分解模型，并且分析了CP分解的唯一性，然后利用交替最小二乘算法計算CP分解的因子矩陣。針對計算過程中運算量較大問題，采用維數較低的核張量先得到降維后的因子矩