这篇文章算是MIMO雷达的开山之作,因为要做的东西和它挺像的,所以拿来读一下
Abstract
MIMO这个概念主要是利用信号之间的独立性(正交性),以往的雷达都把scintillation(闪烁)当成一件噪声来处理,而MIMO雷达却能够利用这一特点来增强雷达的表现。MIMO雷达一般分为两类,一类叫做“统计式(statistical)”,一类叫做“集中式(collocated)”,二者的区别在于发射端天线之间的距离,前者的距离稍大一些,可以保证从不同的角度来观察物体,后者的距离比较近,可以认为是从同一角度来看物体的,这篇文章讲的是前者,并且只讨论方向寻找(DF,direction finding),不讨论诸如测速、距离测定等问题。
Intro
为了测定物体的速度,距离方向,一般有两种方式,一种叫做高分辨率方法(比如MUSIC,maximum likelihood),另一种是beamforming,亦即调整波的相位,使之指向某一方向并测定能量,由于MIMO雷达发出的是一组不同角度来测量的信号,所以在平均之后,会让闪烁带来的干扰最小
MIMO雷达的信号模型
假设一个MIMO雷达在发射端有M个天线,接收端有N个天线,待测量的物体是由Q个scatter组成的,其中每个scatter的RCS都是相同的,并且是各向同性的,另外打过来的电磁波的带宽不能太大,另外物体是满足Swerling model的Ⅰ型的,最后为了简单起见,假设物体的scatter是一个一维的阵列,而且这个阵列和接收器、发射器是平行的(这一假设只要在距物体距离远大于发射阵列孔径时就成立),如图
随后给出了第m个发射天线的信号向量
接收端也可以类似定义,合起来MIMO雷达的信道模型可以用M×N的矩阵表示
H
=
G
Σ
K
H=G\Sigma K
H=GΣK,H中的每一个元素代表从发射天线到接收天线的信道增益(可能是复数)。MIMO雷达接收到的信号矢量(经过解调和匹配滤波后)为
模型分类
MIMO雷达的信号模型可以大致分为三类
- 传统的雷达阵列以接收器处的阵列和发射器处的单个天线或阵列为模型。 阵列元件以半波长间隔开以实现波束成形和DF。
- 用于DF(direction finding)的MIMO:发射天线距离比较大,以此提供足够的空间多样性,接收器来实现DF
- 用来探测多目标的MIMO雷达,这种情况下发射机处的天线间隔较小,这样不会把一个物体拆开来认知,但是即使这样也足以把不同的物体区分开(这一部分会在接下来的一篇文章里面讲到)
传统的雷达阵列
传统雷达阵列中,发射和接收单元的元素离的很近(后面一堆公式,看不懂)
MIMO雷达:方向寻找
在用来方向寻找的MIMO雷达中,发射天线的排布满足正交条件(略去公式 )
性能分析
在雷达DF系统中,全向天线照亮了空间,接收器根据从目标反射的能量估算目标的方位。在本节中,我们研究了用作DF系统的MIMO雷达可实现的性能。为简单起见和数学上的易处理性,我们进行以下假设:
传输的信号矢量是随机的,具有复杂的正态分布,并且具有相关矩阵的空间白色固定功率谱密度。
发射和接收阵列的元素都是全向的。
接收信号的多个独立快照可用于处理。
评估不同系统性能的一个共同指标是估计器均方误差(MSE)。系统的MSE取决于所使用的确切估算方法,例如ML,MUSIC,波束成形。为了在不同系统之间进行公平的比较,对于每个系统,我们评估所有无偏估计量的性能下限(也就是Cramer-Rao Bound)。
结论
在本文中,我们介绍了MIMO雷达,这是一种雷达中的新概念,它利用RCS闪烁针对目标方面进行了改进,以提高雷达的性能。 我们为信号模型引入了一个通用框架,可以容纳常规雷达,波束形成器和MIMO雷达。 为了证明MIMO雷达可以提供的潜在优势,我们评估了Cramer-Rao边界用于方位估计。 我们已经证明,使用一些透射式天线照亮目标的不相关方面,MIMO雷达的性能(根据Cramer-Rao边界)接近稳定目标的性能。 本文仅旨在介绍MIMO雷达概念。 在随后的工作中,我们将继续研究这种有前途的雷达新方法。