基于分布式压缩感知的MIMO雷达弱小目标定位与跟踪方法研究

The scintillation of the target’s radar cross section and the emergence of the stealth targets in modern war increase the difficulty of conventional phased array radar to find a target. Since the distributed MIMO radar observations a target from different angles, it can effectively suppress the RCS scintillation and improve the detection performance of stealth target, while faces a greater amount of data and computation challenge. Compressive sensing allows us to accurately reconstruct data from significantly fewer samples than the Nyquist rate if the received signal is sparse in some basis representation. Since the number of targets in a radar scene is often limited, we can introduce compressive sensing theory to MIMO radar signal processing, so as to effectively reduce the data storage, transmission and computing burden. The target location and tracking is the basic task of the radar system, therefore this project will focus on the multiple weak target location and tracking problem of the distributed MIMO radar system. The research is conducted in the framework of sparse modeling. The main.content includes: (1) DCS based sparse modeling and recovery of the distributed MIMO radar under complex environments. (2) Establish a high fidelity measurement model and dynamic model. (3) Track before detection technique based on PDH filter.

目标雷达截面积的角闪烁以及现代战争中隐身目标的出现增加了传统相控阵雷达发现目标的难度。分布式MIMO雷达由于多个通道从不同的角度观测目标，能够有效抑制雷达RCS闪烁，提高隐身目标的探测性能，但同时也面临更大的数据量和计算量挑战。压缩感知理论通过开发信号的稀疏特性，在远小于Nyquist采样率的条件下对信号进行采样及重建，能够获得数据量与计算能力的改善。充分利用雷达目标场景的稀疏特性，将压缩感知理论应用到MIMO雷达信号处理，将有效减轻数据存储，传输及计算的负担。而目标定位与跟踪是雷达系统的基本任务，因此本项目将针对分布式MIMO雷达系统，在稀疏建模框架下，研究弱小目标的定位与跟踪问题，主要内容包括：（1）复杂环境下基于分布式压缩感知的MIMO雷达稀疏建模及恢复；（2）建立准确的目标量测模型及动态模型；（3）基于PHD滤波的检测前跟踪算法。

本项目针对分布式MIMO雷达，在CS理论的基础上，研究弱小目标定位与跟踪的具体问题，对其关键理论与技术展开深入研究，旨在为隐身目标、弹道导弹等弱小目标的定位与跟踪提供新的思路和方法，为MIMO雷达弱小目标定位与跟踪技术的工程实现提供可靠的理论依据。项目具体完成的工作包括：(1）分布式MIMO雷达联合稀疏建模及其稀疏恢复技术，重点研究了基于DCS的高分辨参数估计方法；(2)针对复杂杂波环境，尤其是超低空目标与环境之间存在耦合多径效应的问题，研究了基于时域优化的多点联合幅相约束的稳健STAP方法，克服了目标多径效应造成的损失，为后续的参数估计与跟踪问题提供有利条件；（3）针对MIMO雷达各收发通道量测信息由于观测角度不同存在的不完整问题，基于PHD滤波算法，将分布式融合策略引入MIMO雷达多目标跟踪系统中，并对滤波结果进行高斯项融合，有效解决目标错跟、漏跟问题；针对目标跟踪算法中，杂波分布未知的问题，研究了未知杂波势估计概率假设密度(CPHD)滤波算法，有效降低了杂波空间分布估计的误差，并引入样本集校正思想，较好地解决了杂波数过估和目标数低估的问题。