引言
FDA-MIMO雷达通过在发射端阵元间引入一个远小于信号载频的频偏,使得发射导向矢量与距离和角度相关。利用距离维的额外自由度,FDA-MIMO可以无模糊地估计出目标距离和角度参数。
FDA-MIMO的信号模型
第m个阵元的发射信号:
s
m
(
t
)
=
ϕ
m
(
t
)
e
j
2
π
f
m
t
,
0
≤
t
≤
T
p
,
m
=
1
,
2
,
.
.
.
,
M
,
{{s}_{m}}\left( t \right)={{\phi }_{m}}\left( t \right){{e}^{j2\pi {{f}_{m}}t}},0\le t\le {{T}_{p}},m=1,2,...,M,
sm(t)=ϕm(t)ej2πfmt,0≤t≤Tp,m=1,2,...,M,
其中,
T
p
T_p
Tp为脉冲持续时间,
ϕ
m
(
t
)
{{\phi }_{m}}\left( t \right)
ϕm(t)为第m个天线的基带调制信号,M个天线发射的信号正交。
在接收端经过混频、匹配滤波等操作后,第n个天线单元输出的m路信号:
y
n
=
[
y
1
,
n
,
y
2
,
n
,
…
,
y
M
,
n
]
T
=
ξ
k
[
1
e
−
j
4
π
Δ
f
c
r
k
+
j
2
π
d
T
λ
0
sin
θ
k
⋮
e
−
j
4
π
Δ
f
c
(
M
−
1
)
r
k
+
j
2
π
d
T
λ
0
(
M
−
1
)
sin
θ
k
]
e
j
2
π
d
R
λ
0
(
n
−
1
)
sin
θ
k
.
{{y}_{n}}={{\left[ {{y}_{1,n}},{{y}_{2,n}},\ldots ,{{y}_{M,n}} \right]}^{\text{T}}}={{\xi }_{k}}\left[ \begin{matrix} 1 \\ {{e}^{-j4\pi \frac{\Delta f}{c}{{r}_{k}}+j2\pi \frac{{{d}_{\text{T}}}}{{{\lambda }_{0}}}\sin {{\theta }_{k}}}} \\ \vdots \\ {{e}^{-j4\pi \frac{\Delta f}{c}(M-1){{r}_{k}}+j2\pi \frac{{{d}_{\text{T}}}}{{{\lambda }_{0}}}(M-1)\sin {{\theta }_{k}}}} \\ \end{matrix} \right]{{e}^{j2\pi \frac{{{d}_{\text{R}}}}{{{\lambda }_{0}}}(n-1)\sin {{\theta }_{k}}}}.
yn=[y1,n,y2,n,…,yM,n]T=ξk
1e−j4πcΔfrk+j2πλ0dTsinθk⋮e−j4πcΔf(M−1)rk+j2πλ0dT(M−1)sinθk
ej2πλ0dR(n−1)sinθk.
将N个接收天线输出的MN路信号排成MN×1的列向量:
x
(
l
)
=
[
y
1
T
,
y
2
T
,
…
,
y
N
T
]
T
=
A
s
(
l
)
+
n
(
l
)
=
(
A
r
∘
A
t
)
s
(
l
)
+
n
(
l
)
,
l
=
1
,
2
,
…
L
,
\begin{aligned} & {x}(l)={{\left[ {y}_{1}^{\text{T}},{y}_{2}^{\text{T}},\ldots ,{y}_{N}^{\text{T}} \right]}^{\text{T}}} \\ & \quad={As}(l)+{n}(l) \\ &\quad =\left( {{{A}}_{r}}\circ {{{A}}_{t}} \right){s}(l)+{n}(l),l=1,2,\ldots L, \end{aligned}
x(l)=[y1T,y2T,…,yNT]T=As(l)+n(l)=(Ar∘At)s(l)+n(l),l=1,2,…L,
其中,
A
A
A为联合收发域导向矢量,
A
r
,
A
t
A_r,A_t
Ar,At分别为发射域和接收域导向矢量。
MUSIC算法
首先计算采样协方差矩阵:
R
^
x
=
1
L
∑
l
=
1
L
x
(
l
)
x
H
(
l
)
=
∑
i
=
1
K
λ
i
e
i
e
i
H
+
∑
i
=
K
+
1
M
N
λ
i
e
i
e
i
H
=
E
^
s
Λ
s
E
^
s
H
+
σ
n
2
E
^
n
E
^
n
H
,
{{{\hat{R}}}_{x}}=\frac{1}{L}\sum\limits_{l=1}^{L}{{x}}(l){{{x}}^{\text{H}}}(l)=\sum\limits_{i=1}^{K}{{{\lambda }_{i}}}{{{e}}_{i}}{e}_{i}^{\text{H}}+\sum\limits_{i=K+1}^{MN}{{{\lambda }_{i}}}{{{e}}_{i}}{e}_{i}^{\text{H}}={{{\hat{E}}}_{s}}{{{ }\!\!\Lambda\!\!\text{ }}_{s}}{\hat{E}}_{s}^{\text{H}}+\sigma _{n}^{2}{{{\hat{E}}}_{n}}{\hat{E}}_{n}^{\text{H}},
R^x=L1l=1∑Lx(l)xH(l)=i=1∑KλieieiH+i=K+1∑MNλieieiH=E^sΛ sE^sH+σn2E^nE^nH,
根据噪声子空间计算二维空间谱函数:
P
(
θ
,
r
)
=
1
a
H
(
θ
,
r
)
E
^
n
E
^
n
H
a
(
θ
,
r
)
=
1
∥
E
^
n
H
a
(
θ
,
r
)
∥
2
.
{P}(\theta ,r)\text{ }=\frac{1}{{{{a}}^{\text{H}}}(\theta ,r){{{{\hat{E}}}}_{n}}{\hat{E}}_{n}^{\text{H}}{a}(\theta ,r)}=\frac{1}{{{\left\| {\hat{E}}_{n}^{\text{H}}{a}(\theta ,r) \right\|}^{2}}}.
P(θ,r) =aH(θ,r)E^nE^nHa(θ,r)1=
E^nHa(θ,r)
21.
遍历距离和角度的搜索区间,通过寻找谱函数的峰值来估计目标距离和角度:
(
θ
^
,
r
^
)
=
arg
θ
,
r
max
P
(
θ
,
r
)
\left( \hat{\theta },\hat{r} \right)=\underset{\theta ,r}{\mathop{\arg }}\,\text{ max}{P}(\theta ,r)
(θ^,r^)=θ,rarg maxP(θ,r)
仿真实验
仿真条件:载频
f
0
=
10
G
H
z
f_0=10\mathrm{GHz}
f0=10GHz,频率增量
Δ
f
=
30
K
H
z
{\Delta}f=30\mathrm{KHz}
Δf=30KHz,发射天线数和接收天线数都设置为8,四个远场不相关目标的距离分别为[8 8 10 10]*1e3m,角度为[-20 20 -20 20]
∘
^{\circ }
∘,以下分别是MIMO雷达和FDA-MIMO雷达的距-角度二维空间谱:
可以看出,MIMO雷达无法识别角度相同但分布在不同距离处的目标,而FDA-MIMO雷达由于导向矢量中包含目标的真实距离和角度,可以实现距离和角度的联合估计。
// 2D-MUSIC算法代码
//MIMO空间谱
for i=1:length(range) //range,angle分别为距离角度搜索区间
for j=1:length(angle)
at = exp(1i*2*pi*f0/c*dr*sind(angle(j))*(0:N-1)');
ar = exp(1i*2*pi*f0/c*dr*sind(angle(j))*(0:M-1)');
atr = kron(ar,at); //克罗内克积
P(i,j) = 1/abs(atr'*En*En'*atr); //En为噪声子空间
end
end
P = P/max(max(P));
figure();
imagesc(range,angle,10*log10(P.'));
xlabel('range'); ylabel('angle');
axis xy; axis tight; colorbar;colormap(jet)
//FDA-MIMO空间谱
for i=1:length(range)
for j=1:length(angle)
at_d = exp(-1i*2*pi*2*delta_f/c*range(i)*(0:N-1)' );
at_r = exp(1i*2*pi*f0/c*dt*(0:N-1)'*sind(angle(j)));
at = at_d.*at_r;
ar = exp(1i*2*pi*f0/c*dr*sind(angle(j))*(0:M-1)');
atr = kron(ar,at);
P(i,j) = 1/abs(atr'*En*En'*atr);
end
end
P = P/max(max(P));
figure();
imagesc(range,angle,10*log10(P.'));
xlabel('range'); ylabel('angle');
axis xy; axis tight; colorbar; colormap(jet)