基于大维随机矩阵理论的MIMO雷达稳健目标检测与估计

Previous target detection and parameter estimation in MIMO radar have relied on the hypothesis that the number of samples grows large comparatively to the number of sensors, which would lead to the degradation in performance when the number of samples is not enough. In this project, using large dimensional random matrix theory as a mathematical tool, we investigate novel target detection and parameter estimation methods for large array MIMO radar in the situation that both the number of samples and the number of sensors are so large that they can be comparable with each other. By means of the extreme eigenvalues distribution theory, non-gaussian free probability theory, and limiting theory of empirical spectrum distribution of spectrum separation,etc,the project includes: (1) Reasonable random matrix models for MIMO radar target detection and estimation; (2) Robust target detection approaches for MIMO radars based on large dimensional random matrix theory; (3) Robust parameter estimation approaches for MIMO radars based on large dimensional random matrix theory; (4)The performance analysis of MIMO radar target detection and estimation based on large dimensional random matrix theory. The aim is to probe the novel target detection and parameter estimation approaches for large array MIMO radar, when the target scattering matrix,the statistics and variance of noise are unknown,or when noise is non-Gaussian distributed. The approaches will increase the robustness of MIMO radar target detection and parameter estimation,which can provide a new theoretic platform for the research on radar signal processing.

以往的MIMO雷达目标检测与参数估计是在采样数远远大于阵元数的假设前提下进行的，当样本数不充足时将导致性能下降。本项目提出以大维随机矩阵理论为工具，研究大阵列MIMO雷达当阵元数与采样数都足够大可以相比拟时目标检测与参数估计新方法。提出以随机矩阵特征值极值分布理论、非高斯自由概率理论、谱分解经验谱极限分布理论等为主要数学手段，研究（1）合理的MIMO雷达目标检测与估计的随机矩阵模型；（2）基于大维随机矩阵理论的MIMO雷达目标检测的稳健性方法；（3）基于大维随机矩阵理论的MIMO雷达稳健参数估计方法；（4）基于大维随机矩阵理论的MIMO雷达目标检测与估计性能。 通过上述研究，探索在目标散射矩阵、噪声统计特性和方差未知以及非高斯噪声背景下大阵列MIMO雷达目标检测与参数估计新方法，将增强MIMO雷达目标检测与估计的稳健性，为雷达信号处理的研究提供新的理论平台。

本项目围绕基于大维随机矩阵理论的MIMO雷达稳健目标检测与估计问题展开了深入研究，针对阵元数与快拍数可以相比拟的大阵列MIMO雷达系统，建立了目标检测与参数估计的随机矩阵模型，提出了基于大维随机矩阵理论的MIMO雷达目标检测与参数估计的稳健性方法，并对目标检测与估计性能进行了分析。所取得的主要成果如下：以随机矩阵特征值极值分布理论、渐进谱分布的M-P律、自由概率理论为工具，提出一种基于随机矩阵理论的MIMO雷达多目标盲检测方法；提出一种相关噪声背景下基于特征值的MIMO雷达目标盲检测方法；提出一种基于线性收缩-标准条件数（LS-SCN）的大阵列MIMO雷达多目标检测新方法；提出一种基于自由概率理论（FTP）的MIMO雷达目标检测和RCS幅度估计方法；提出基于LS-MDL准则、RMT-MDL准则和MDLr准则的MIMO雷达目标数检测方法；提出基于收缩系数检测和特征值-矩之比检测的MIMO雷达多目标盲检测方法。以大维随机矩阵的谱分解经验谱极限分布理论、高维协方差矩阵收缩估计理论为数学手段，提出大阵列双基地MIMO雷达大发射角（DOD）和到达角（DOA）联合估计的2D-GMUSIC方法和2D-G-SSMUSIC；为提高多目标分辨力，提出一种大阵列MIMO雷达DOD-DOA-极化参数联合估计方法；针对非高斯噪声背景，提出一种基于大维随机矩阵理论的稳健的Robust-2D-Root-GMUSIC方法；将线性收缩方法与大维随机矩阵理论相结合，并将功率谱估计中的Mideway（MW）算法扩展至二维应用于大阵列双基地MIMO雷达DOD和DOA联合估计中，提出了一种2D-RLSMW算法。通过上述研究，增强了大阵列MIMO雷达在目标散射矩阵、噪声方差未知以及非高斯噪声背景下检测与估计的稳健性。. 项目执行期间，在SCI期刊、EI期刊和IEEE重要国际会议上发表论文18篇，其中在IEEE Transactions on Vehicular Tecnology（SCI二区，影响因子4.066）发表论文2篇，在IEEE信号处理顶级国际会议ICASSP发表论文2篇，在IEEE的重要国际会议GlobalSIP、Radar Confernce等发表论文4篇。授权发明专利1项，申请发明专利1项（已公开），参加国际会议10次，培养硕士生毕业12名。.