多项式矩阵框架下宽带MIMO雷达/通信频谱共享的研究

At present mobile communication network is facing spectrum resources tension, how to solve this thorny problem is the starting point of this research. Compared with the communication spectrum, the distribution of civilian radar spectrum is in a wide range and the targets are not appearing in real time, which is the foundation that radar shares band for communication. Unchanging the hardware system of radar/ communication systems, the broadband MIMO radar / communication spectrum sharing system based on the polynomial matrix is to achieve mutual interference suppression . First, the system framework and model will be established, and then is mainly from the joint beamforming optimization and projection algorithm to carry out 3D polynomial matrix: (1) according to the optimization criteria, different array distribution, waveform design joint optimization of beamforming, ensure the system performances of radar and communication; (2) space projection technology which is based on the polynomial eigenvalue decompostion (PEVD) can effectively eliminate the communication interference from radar system. Through the study of these two aspects, the radar angle estimation performance and target detection can be improved effectively and the spectrum utilization and anti-interference characteristics of the communication system are improved. The project not only has scientific research value, but also has a certain technical application prospect.

目前移动通信网面临着频谱资源紧张的局面，如何解决这一棘手问题是本课题研究的出发点。相比于通信的频谱，民用雷达频谱的分布范围较广且目标并非实时出现，这是将雷达频段共享给通信的依据，本项目在宽带 MIMO雷达/通信频谱共享系统下，基于多项式矩阵实现相互干扰的抑制。首先建立系统框架和模型，然后主要从联合波束优化设计和空间投影算法两个方面开展三维多项式矩阵的处理：根据不同的优化准则、阵列分布、波形设计展开联合优化波束形成的研究，从而保证了雷达、通信各自良好的系统性能；空间投影技术是通过多项式特征值分解方法实现宽带的干扰置零技术，可以有效消除雷达对通信的干扰。通过对这两个方面的研究，有效提高雷达角度估计性能、目标检测性能和通信系统频谱利用率和抗干扰特性。本项目既有科学研究价值，其理论又有一定推广应用前景。

随着世界各国对通信系统的频谱需求日益迫切，频谱共享作为解决频谱稀缺问题的一种有效的新途径受到了学界和工业界的高度关注。本项目主要研究MIMO雷达/通信的频谱共享下的若干关键问题。考虑到目前频谱资源的拥挤性，研究了宽带动态频谱感知的算法，提出了一种基于多分辨率贝叶斯分类器的宽带频谱检测方法，能够有效防止产生虚假边界，解决了低信噪比情况下的频谱感知问题；针对频谱共享场景下，干扰的识别和通信/雷达信号分离的难点，采用支持向量机（SVM）的方法，先对信号进行时频变换，然后对数据集信号进行特征提取形成特征参数库，输入支持向量机中形成预训练模型，实现对测试数据集中干扰的分类，实现智能识别与分类，有效地进行了干扰抑制，并对常用通信/雷达波形有效地智能识别；同时，考虑到系统的安全性，基于混沌理论设计了MIMO通信和雷达的波形，保证通信雷达系统波形的正交性，避免相互干扰，保证了系统的可靠性；在MIMO雷达重叠子阵的结构下，采用子波束合成(SBS)算法用于频谱共享系统中的重叠MIMO雷达的多目标波束设计，在空域中形成目标方向的增益最大，在非目标角度能量最小的重叠MIMO雷达波束。研究了大规模MIMO的框架结构，为了提高频谱效率，项目提出了阵列稀疏和数据处理稀疏的双空间稀疏处理方法：即发射端生成稀疏的增广嵌套阵列、混合波束形成采用稀疏的预编码正交匹配追踪重构方法，提升了系统的频谱效率；在MIMO雷达/通信频谱共享的场景下，为了有效地利用信道特性，结合PEVD框架，对信道进行三维特征值分解，在不影响雷达探测的前提下，有效地提升了MIMO通信的功率利用率，节省了能耗。