MIMO雷達(dá)目標(biāo)自適應(yīng)檢測(cè)算法研究.pdf

1、環(huán)境的多樣性和復(fù)雜化不斷挑戰(zhàn)著雷達(dá)的目標(biāo)探測(cè)能力。不同于傳統(tǒng)的單基雷達(dá)或相控陣?yán)走_(dá)，多輸入多輸出（Multiple-Input Multiple-Output，MIMO）雷達(dá)利用多個(gè)發(fā)射天線和接收天線實(shí)現(xiàn)對(duì)目標(biāo)更為全面的觀測(cè)，獲得更豐富的目標(biāo)信息，可以顯著提高雷達(dá)的目標(biāo)探測(cè)性能，是國際雷達(dá)信號(hào)處理領(lǐng)域的前沿研究熱點(diǎn)。雷達(dá)目標(biāo)往往淹沒在雜波背景中，利用自適應(yīng)技術(shù)使檢測(cè)算法與雜波環(huán)境更為匹配是改善目標(biāo)探測(cè)性能的關(guān)鍵。本文針對(duì)MIMO雷達(dá)目標(biāo)

2、自適應(yīng)檢測(cè)問題展開研究。主要工作與貢獻(xiàn)如下：
　　1、在復(fù)合高斯雜波背景下，針對(duì)有限輔助數(shù)據(jù)的情況，研究了基于Bayesian理論的MIMO雷達(dá)靜止目標(biāo)自適應(yīng)檢測(cè)算法。利用雜波的統(tǒng)計(jì)分布信息，提出了基于Bayesian的兩步自適應(yīng)廣義似然比檢測(cè)器（Generalized Likelihood Ratio Test， GLRT）。針對(duì)不同分布的雜波紋理分量，提出了三個(gè)雜波協(xié)方差矩陣的最大后驗(yàn)概率估計(jì)?；?Bayesian的算法在輔

3、助數(shù)據(jù)不足的情況下獲得了良好的自適應(yīng)檢測(cè)性能。
　　2、在復(fù)合高斯雜波背景下，針對(duì)有限輔助數(shù)據(jù)的情況，研究了基于多先驗(yàn)譜模型的MIMO雷達(dá)靜止目標(biāo)自適應(yīng)檢測(cè)算法。通過建立基于多先驗(yàn)譜模型的協(xié)方差矩陣結(jié)構(gòu)重構(gòu)模型，將協(xié)方差矩陣的估計(jì)問題成功轉(zhuǎn)化為了多個(gè)模型參數(shù)的估計(jì)問題，并利用順序優(yōu)化算法求解了未知參數(shù)的約束最大似然估計(jì)，提出了一步自適應(yīng)GLRT。該算法在輔助數(shù)據(jù)不足的情況下獲得了良好的自適應(yīng)檢測(cè)性能。
　　3、在復(fù)合高斯雜波

4、背景下，研究了MIMO雷達(dá)運(yùn)動(dòng)目標(biāo)自適應(yīng)檢測(cè)算法。根據(jù)ad-hoc設(shè)計(jì)策略，提出了基于GLRT、Rao和Wald準(zhǔn)則的運(yùn)動(dòng)目標(biāo)自適應(yīng)檢測(cè)器。針對(duì)有限輔助數(shù)據(jù)的情況，提出了基于幾何重心的雜波協(xié)方差矩陣估計(jì)算法。較好地解決了復(fù)合高斯雜波環(huán)境中有限輔助數(shù)據(jù)情況下的運(yùn)動(dòng)目標(biāo)檢測(cè)問題。
　　4、在高斯雜波背景下，研究了基于極化信息的MIMO雷達(dá)運(yùn)動(dòng)目標(biāo)自適應(yīng)檢測(cè)算法。提出了極化框架下的 GLRT運(yùn)動(dòng)目標(biāo)檢測(cè)器，給出了極化框架下目標(biāo)速度和雜波