非均勻雜波背景下雙基地MIMO雷達(dá)距離擴(kuò)展目標(biāo)的GLRT檢測(cè)

鄭志東 袁紅剛 王雯雯 陶歡

(北方電子設(shè)備研究所, 北京 100191)

?

非均勻雜波背景下雙基地MIMO雷達(dá)距離擴(kuò)展目標(biāo)的GLRT檢測(cè)

鄭志東 袁紅剛 王雯雯 陶歡

(北方電子設(shè)備研究所, 北京 100191)

利用球不變隨機(jī)矢量(Spherically Invariant Random Vector,SIRV)描述非均勻雜波,建立了雙基地多輸入多輸出(Multiple-Input Multiple-Qutput,MIMO)雷達(dá)距離擴(kuò)展目標(biāo)的信號(hào)檢測(cè)模型,提出了距離擴(kuò)展目標(biāo)的兩步廣義似然比檢測(cè)(Generalized Likelihood Ratio Test,GLRT)算法.首先,根據(jù)目標(biāo)散射系數(shù)的兩種假設(shè)模型,分別推導(dǎo)確定型目標(biāo)、高斯型目標(biāo)GLRT檢測(cè)器的解析表達(dá)式,然后利用固定點(diǎn)迭代算法估計(jì)雜波協(xié)方差矩陣,獲得自適應(yīng)GLRT(AD-GLRT和AG-GLRT)檢測(cè)器.仿真實(shí)驗(yàn)表明:AD-GLRT和AG-GLRT檢測(cè)器的檢測(cè)性能均優(yōu)于非均勻雜波背景、高斯雜波背景下點(diǎn)目標(biāo)的檢測(cè)性能,且兩者的檢測(cè)性能相當(dāng),并且虛擬陣元數(shù)、目標(biāo)分布的距離單元數(shù),以及信雜比越大,兩者的檢測(cè)性能越好.

雙基地MIMO雷達(dá);非均勻雜波;距離擴(kuò)展目標(biāo);廣義似然比

DOI 10.13443/j.cjors.2015121101

引 言

近年來,多輸入多輸出(Multiple-Input Multiple-Output, MIMO)雷達(dá)[1]引起了國內(nèi)外學(xué)者的極大關(guān)注,它利用多個(gè)發(fā)射天線同時(shí)輻射相互正交或者不相關(guān)信號(hào),并通過接收匹配濾波器組分離出不同天線的發(fā)射信號(hào),從而獲得檢測(cè)性能、估計(jì)精度、雜波抑制等方面的優(yōu)勢(shì).MIMO雷達(dá)按照發(fā)射和接收陣元的配置形式,可分為:統(tǒng)計(jì)MIMO雷達(dá)[2-3]和單(雙)基地MIMO雷達(dá)[4-7].統(tǒng)計(jì)MIMO雷達(dá)有利于獲得空間分集增益,提高雷達(dá)的檢測(cè)性能和角度估計(jì)精度[2-3];而單(雙)基地MIMO雷達(dá)利用波形分集增益擴(kuò)展陣列的孔徑自由度,提高雷達(dá)的參數(shù)估計(jì)精度,增強(qiáng)雜波的抑制能力[8],本文針對(duì)非均勻雜波背景下雙基地MIMO雷達(dá)的距離擴(kuò)展目標(biāo)檢測(cè)問題進(jìn)行研究.

現(xiàn)有關(guān)于MIMO雷達(dá)檢測(cè)的研究主要集中于高斯噪聲(雜波)假設(shè)條件下[2, 9-10].然而,當(dāng)目標(biāo)具有較小擦地角或者M(jìn)IMO雷達(dá)具備較高距離分辨單元時(shí),雜波回波將在距離向上產(chǎn)生起伏,此時(shí)高斯模型不再成立,表現(xiàn)為概率密度函數(shù)具有較長拖尾的非均勻雜波.對(duì)于非均勻雜波,大多采用球不變隨機(jī)矢量(Spherically Invariant Random Vector, SIRV)描述其統(tǒng)計(jì)特性[11],文獻(xiàn)[12]提出了SIRV雜波模型下MIMO雷達(dá)的自適應(yīng)廣義似然比-線性二次(Adaptive Generalized Likelihood Ratio-Linear Quadratic Test,AGLR-LQT)算法檢測(cè),但該算法在參考單元數(shù)較少情況下,檢測(cè)性能下降較快.為克服上述不足,文獻(xiàn)[13]提出了全數(shù)據(jù)廣義似然比檢測(cè)(Full Data Generalized Likelihood Ratio Test, FDGLRT)方法,利用固定點(diǎn)迭代算法估計(jì)雜波協(xié)方差矩陣和目標(biāo)復(fù)振幅,該方法在參考單元數(shù)據(jù)較短時(shí),其檢測(cè)性能優(yōu)于AGLRT-LQ,在參考數(shù)據(jù)充足時(shí),兩者具有相同的檢測(cè)性能,但該方法需要進(jìn)行多次迭代,計(jì)算量較大.

上述關(guān)于非均勻雜波MIMO雷達(dá)檢測(cè)的文獻(xiàn),均假設(shè)目標(biāo)處于一個(gè)距離單元內(nèi).然而,當(dāng)雷達(dá)發(fā)射端發(fā)射距離向高分辨信號(hào)(如不同頻帶的線性調(diào)頻信號(hào)組)時(shí),飛機(jī)、艦船等目標(biāo)尺寸遠(yuǎn)大于雷達(dá)的單個(gè)距離分辨單元,此時(shí)目標(biāo)的回波不再完全處于一個(gè)距離單元內(nèi),而是分布在不同的距離單元之中,形成距離擴(kuò)展目標(biāo).此時(shí),如果仍采用單個(gè)距離單元的檢測(cè)方法進(jìn)行目標(biāo)檢測(cè),將會(huì)因目標(biāo)信息利用不全、目標(biāo)鄰近單元信號(hào)污染[14]等問題使得檢測(cè)性能急劇下降.目前,關(guān)于非均勻雜波背景下MIMO雷達(dá)的距離擴(kuò)展目標(biāo)檢測(cè)問題還并未報(bào)道過,本文基于雙基地MIMO雷達(dá)體制,分析SIRV雜波模型下距離擴(kuò)展目標(biāo)的檢測(cè)性能.首先給出距離擴(kuò)展目標(biāo)下雙基地MIMO雷達(dá)的信號(hào)模型,然后根據(jù)目標(biāo)假設(shè)模型的不同,分別推導(dǎo)了確定型和高斯型目標(biāo)的廣義似然比檢測(cè)(Generalized Likelihood Ratio Test,GLRT)檢測(cè)性能,仿真實(shí)驗(yàn)驗(yàn)證了理論分析的有效性.

1 問題描述

雙基地MIMO雷達(dá)系統(tǒng)及距離擴(kuò)展目標(biāo)如圖1所示.考慮M發(fā)N收的雙基地MIMO雷達(dá),發(fā)射和接收陣元間隔為Δtλ和Δrλ.所需檢測(cè)的距離擴(kuò)展目標(biāo)可以利用多個(gè)強(qiáng)散射點(diǎn)近似,并且可以認(rèn)為擴(kuò)展目標(biāo)的回波為這些強(qiáng)散射點(diǎn)回波的疊加[14].

圖1 距離擴(kuò)展目標(biāo)下雙基地MIMO雷達(dá)收發(fā)配置圖

假設(shè)距離擴(kuò)展目標(biāo)跨越H個(gè)距離單元,目標(biāo)的能量在其跨越的距離單元內(nèi)均勻分布,每個(gè)距離單元內(nèi)的強(qiáng)散射點(diǎn)為pl(l=1,…,H)個(gè),各個(gè)距離單元內(nèi)的散射點(diǎn)經(jīng)歷方位向擴(kuò)展(發(fā)射角和接收角方向).如圖1所示,假設(shè)第l個(gè)距離單元中第k個(gè)散射點(diǎn)所對(duì)應(yīng)的雷達(dá)發(fā)射角和接收角分別為φl,k,θl,k(k=1,…,pl),其散射系數(shù)為αl,k.假設(shè)發(fā)射端發(fā)射正交信號(hào),則t時(shí)刻接收端接收到的第l個(gè)距離單元內(nèi)的回波信號(hào)為

(1)

=[B(φl)⊙A(θl)]αl+cl.

(2)

式中: ⊙表示矩陣的Khatri-Rao積; αl=[αl,1,…,αl,pl]T為第l個(gè)距離單元內(nèi)的散射系數(shù)矢量; B(φl)=[b(φl,1),b(φl,2),…,b(φl,pl)]和A(θl)=[a(θl,1),a(θl,2),…,a(θl,pl)]分別為第l個(gè)距離單元內(nèi)散射點(diǎn)的發(fā)射方向矩陣和接收方向矩陣； cl為MN×1的非均勻雜波,本文采用文獻(xiàn)[11]中的球不變隨機(jī)矢量模型來描述非均勻雜波,該模型能夠與大量實(shí)測(cè)雜波數(shù)據(jù)吻合,且模型中的每個(gè)參數(shù)具有明確的物理意義.假設(shè)各個(gè)距離單元內(nèi)的雜波cl相互獨(dú)立,則第l個(gè)距離單元的非均勻雜波可以用如下的乘積模型表示:

(3)

式中: 散斑分量xl為零均值、歸一化協(xié)方差矩陣為Ml的復(fù)高斯隨機(jī)矢量,假設(shè)每個(gè)距離單元內(nèi)的散斑分量統(tǒng)計(jì)獨(dú)立,且具有相等的協(xié)方差矩陣,統(tǒng)一記為M； τl為第l個(gè)距離單元內(nèi)的雜波紋理分量,該紋理分量在不同距離單元上是一個(gè)概率密度函數(shù)為p(τ)的非負(fù)一維隨機(jī)變量,它代表了該單元的雜波功率大小.

由上述假設(shè)可知： H0情況下,接收信號(hào)的回波為雜波分量;H1情況下,其回波為含有雜波的目標(biāo)信號(hào).令Kl=B(φl)⊙A(θl)∈CMN×pl,則非均勻雜波背景下,距離擴(kuò)展目標(biāo)的檢測(cè)問題可歸結(jié)為如下的二元假設(shè)檢驗(yàn):

(4)

式中,yl為MN×1的匹配濾波輸出矢量.對(duì)于目標(biāo)的散射系數(shù)αl,可以有兩種假設(shè)方式[15]: 1) 確定型散射系數(shù)模型,即αl為確定的未知參量; 2) 隨機(jī)型散射系數(shù)模型,并假設(shè)其服從復(fù)高斯隨機(jī)分布,即αl～Nc(0,Σl).在不同的散射系數(shù)模型下,其接收數(shù)據(jù)的統(tǒng)計(jì)特性不同,從而使得檢測(cè)器的結(jié)構(gòu)也不同,因此本文對(duì)這兩種目標(biāo)模型下的檢測(cè)性能進(jìn)行逐一討論.

根據(jù)奈曼-皮爾遜準(zhǔn)則,利用似然比檢驗(yàn)可以得到最優(yōu)的檢測(cè)方案,但對(duì)于式(4)的假設(shè)檢驗(yàn)而言,由于檢測(cè)過程中存在未知參數(shù)(散射系數(shù)αl,雜波的紋理分量τl均未知),似然比(Likelihood Ratio Test,LRT)無法得到一致最優(yōu)勢(shì)檢驗(yàn).為此,本文采用兩步GLRT方法推導(dǎo)非均勻雜波條件下距離擴(kuò)展目標(biāo)的自適應(yīng)檢測(cè)性能,其基本步驟為:首先假設(shè)雜波協(xié)方差矩陣已知,利用最大似然估計(jì)出未知參數(shù)的估計(jì)值,得到GLRT準(zhǔn)則下目標(biāo)的檢測(cè)器結(jié)構(gòu),然后利用輔助距離單元數(shù)據(jù)求得雜波協(xié)方差值,并代替先前假設(shè)已知的協(xié)方差值,得到距離擴(kuò)展目標(biāo)的自適應(yīng)檢測(cè)器.同時(shí),由于本文主要研究距離擴(kuò)展目標(biāo)下的檢測(cè)算法,因此假設(shè)各個(gè)強(qiáng)散射點(diǎn)的方向矢量Kl(信號(hào)子空間)以及維數(shù)pl已知.在實(shí)際應(yīng)用中,維數(shù)pl可以利用陣列信號(hào)處理中信源數(shù)目估計(jì)的方法得到,方向矢量Kl也可以利用子空間估計(jì)類算法[4-7]求得.以下利用GLRT檢測(cè)方法分別推導(dǎo)出確定型目標(biāo)(Deterministic Target Model)和高斯型目標(biāo)(Gaussian Target Model)的檢測(cè)器表達(dá)式(分別簡記為D-GLRT和G-GLRT).

2 GLRT檢測(cè)器設(shè)計(jì)

2.1 確定型目標(biāo)GLRT檢測(cè)器(D-GLRT)

令L=MN,假設(shè)目標(biāo)的散射系數(shù)αl為確定的未知參量,則H0情況下觀測(cè)數(shù)據(jù)服從yl～Nc(0,τl,0M),H1情況下觀測(cè)數(shù)據(jù)服從 yl～Nc(Klαl,τl,1M),且由于yl(l=1,…,H)在各個(gè)待檢測(cè)的距離單元之間相互獨(dú)立,因此可得H0/1情況下L×H維觀測(cè)矩陣Y=[y1,…,yH]的聯(lián)合條件概率密度:

(5)

e-(yl-Klαl)HM-1(yl-Klαl)/τl,1.

(6)

(7)

對(duì)式(7)中的αl求偏導(dǎo)可得

(l=1,…,H).

(8)

同理可得H0/1情況下,各個(gè)距離單元的紋理分量估計(jì)值:

(9)

(10)

將式(8)和(9)代入式(10),可得檢測(cè)器的似然比為

ΛD=lnΛD(Y)

(11)

(12)

2.2 高斯型目標(biāo)GLRT檢測(cè)器(G-GLRT)

(13)

由此可知,G-GLRT檢測(cè)器的似然比為

(14)

(15)

=-LHln(1-pl/L)-

(16)

在上述討論中,假設(shè)散斑分量x的協(xié)方差矩陣M為已知量,但實(shí)際中M需要估計(jì)得到.假設(shè)在H0情況下,接收端接收到Lr組輔助數(shù)據(jù)y(l),由此可以采用文獻(xiàn)[12]中的固定點(diǎn)算法進(jìn)行迭代求解協(xié)方差矩陣M的估計(jì)值,即

(17)

3 計(jì)算機(jī)仿真

本節(jié)通過實(shí)驗(yàn)仿真驗(yàn)證AD-GLRT和AG-GLRT算法的目標(biāo)檢測(cè)性能.假設(shè)雜波協(xié)方差矩陣已利用固定點(diǎn)算法估計(jì)得到(即為自適應(yīng)檢測(cè)),并分別對(duì)式(12)和式(16)采用蒙特卡洛(Monte-Carlo)實(shí)驗(yàn)計(jì)算虛警概率和發(fā)現(xiàn)概率,為了盡可能消除仿真實(shí)驗(yàn)的隨機(jī)性對(duì)檢測(cè)性能的影響,估計(jì)每個(gè)Pfa和Pd的仿真次數(shù)分別為100/Pfa和105次,實(shí)驗(yàn)時(shí)假設(shè)虛警概率為10-5.考慮M發(fā)N收的雙基地MIMO雷達(dá),收發(fā)陣元間隔為50倍波長配置(使得目標(biāo)經(jīng)歷方位向擴(kuò)展),假設(shè)雜波服從K分布,雜波多普勒頻譜的平均值為0,散斑分量的協(xié)方差矩陣為空間色噪聲,其第(p,q)元素為M(p,q)=ρ|p-q|ejπ(p-q)/2,其中相關(guān)系數(shù)ρ=0.7,雜波的紋理分量服從Gamma分布,其雜波分布的尖銳程度由形狀參數(shù)v決定,v越小,雜波出現(xiàn)的尖峰越多,非高斯特征越明顯.根據(jù)以上假設(shè),進(jìn)行如下實(shí)驗(yàn).

實(shí)驗(yàn)1 不同檢測(cè)器之間的性能比較.考慮2發(fā)4收的MIMO雷達(dá),距離擴(kuò)展目標(biāo)占據(jù)的距離單元數(shù)為H=4,輔助數(shù)據(jù)單元數(shù)Lr=8H,各個(gè)距離單元內(nèi)散射點(diǎn)的個(gè)數(shù)及收發(fā)角度如表1所示.將D-GLRT和G-GLRT的檢測(cè)性能與文獻(xiàn)[12]中非均勻雜波下點(diǎn)目標(biāo)檢測(cè)器,文獻(xiàn)[2]高斯雜波下點(diǎn)目標(biāo)檢測(cè)器的檢測(cè)性能進(jìn)行比較.僅距離擴(kuò)展目標(biāo)檢測(cè)器假設(shè)目標(biāo)只存在距離向上的擴(kuò)展,而不存在方位向上的擴(kuò)展,即滿足pl=1(l=1,…,H),此時(shí)假設(shè)目標(biāo)的收發(fā)角度為(30°,15°).點(diǎn)目標(biāo)檢測(cè)器假設(shè)目標(biāo)均不存在距離向和方位向擴(kuò)展,即目標(biāo)只占據(jù)一個(gè)距離單元.圖2示出了四種不同檢測(cè)器的檢測(cè)概率隨信雜比(Signal-to-ClutterRatio,SCR)的變化曲線,實(shí)驗(yàn)時(shí)雜波的形狀參數(shù)v=0.7.

表1 H=4時(shí)各個(gè)散射點(diǎn)的分布及收發(fā)角度值

圖2 不同檢測(cè)器的檢測(cè)概率隨SCR的變化曲線

由圖2可知,D-GLRT與G-GLRT的檢測(cè)性能優(yōu)于非均勻雜波下點(diǎn)目標(biāo),以及高斯雜波下點(diǎn)目標(biāo)檢測(cè)器的檢測(cè)性能.這是由于:目標(biāo)在方位和距離向上的擴(kuò)展可以減小目標(biāo)的閃爍起伏,利于更好地辯分出目標(biāo)與雜波的頻譜,同時(shí),目標(biāo)建模為在距離向和方位向同時(shí)擴(kuò)展更加符合實(shí)際情況,減少了由于建模而引起的誤差,所以其檢測(cè)概率有所提高.此外,比較確定型目標(biāo)的D-GLRT和隨機(jī)型目標(biāo)的G-GLRT,可以發(fā)現(xiàn),兩者具有類似的檢測(cè)性能.因此在以下實(shí)驗(yàn)中僅對(duì)D-GLRT的檢測(cè)性能進(jìn)行分析.

實(shí)驗(yàn)2 虛擬孔徑數(shù)以及距離單元數(shù)對(duì)D-GLRT檢測(cè)性能的影響.假設(shè)虛擬孔徑數(shù)L為變化參數(shù),其它仿真條件同實(shí)驗(yàn)1,圖3給出了不同L下D-GLRT的發(fā)現(xiàn)概率隨SCR的變化曲線,實(shí)驗(yàn)時(shí)目標(biāo)的參數(shù)取值見表1.圖4為不同距離單元數(shù)H情況下D-GLRT的檢測(cè)概率隨SCR的變化曲線,實(shí)驗(yàn)中H=2,4,6時(shí)各散射點(diǎn)的角度參數(shù)取值分別見表1至表3,在進(jìn)行不同距離單元檢測(cè)性能比較時(shí),目標(biāo)的總能量保持不變,且能量均勻分布于各個(gè)距

圖3 不同孔徑下檢測(cè)概率隨SCR的變化曲線

圖4 不同距離單元下檢測(cè)概率隨SCR的變化曲線

距離單元12散射點(diǎn)發(fā)射角φ{(diào)32°,35°}{30°,32°,34°}散射點(diǎn)接收角θ{17°,15°}{16°,17°,13°}散射點(diǎn)數(shù)目p23

離單元以及各散射點(diǎn)上,實(shí)驗(yàn)時(shí)輔助數(shù)據(jù)單元數(shù)目為48.

由圖3可知,陣元虛擬孔徑數(shù)越大,D-GLRT的檢測(cè)性能越強(qiáng),這是由于在目標(biāo)散射點(diǎn)數(shù)目相同時(shí),提高孔徑數(shù)L,能夠提高最大似然估計(jì)以及雜波協(xié)方差的估計(jì)精度,同時(shí)確保了信號(hào)和雜波子空間的充分分離,因此檢測(cè)器的檢測(cè)性能不斷改善.由圖4可知,增加距離單元個(gè)數(shù),也可以提高D-GLRT的檢測(cè)性能,但隨著距離單元數(shù)的不斷增加,檢測(cè)性能的提升程度變緩(即:單元數(shù)從2增大到4獲得的提升性能大于由4增大到6的提升性能).其主要原因?yàn)?當(dāng)增加距離單元數(shù)目時(shí),雖然減少了目標(biāo)回波的閃爍起伏,但同時(shí)也增大了雜波能量的積累,引起積累的增益損失.當(dāng)距離單元內(nèi)信雜比有明顯優(yōu)勢(shì)時(shí),距離分辨單元數(shù)目的增加,可以降低目標(biāo)回波的起伏,進(jìn)而改善目標(biāo)的檢測(cè)性能;而當(dāng)兩者的能量相當(dāng)時(shí),繼續(xù)增大距離分辨單元數(shù),將增加雜波能量的積累,引起積累損失,進(jìn)而使得檢測(cè)性能的改善效果不明顯.因此隨著H的增加,檢測(cè)性能的提升程度將變緩.

實(shí)驗(yàn)3 雜波形狀參數(shù)對(duì)D-GLRT檢測(cè)性能的影響.考慮2發(fā)4收的雙基地MIMO雷達(dá),目標(biāo)占據(jù)的距離單元個(gè)數(shù)H=4,輔助數(shù)據(jù)單元數(shù)目Lr=8H,圖5為不同雜波形狀參數(shù)v情況下D-GLRT的檢測(cè)概率隨SCR的變化曲線.由圖5可知,雜波越尖銳(v越小),GLRT-LQ的檢測(cè)概率越高.該結(jié)論與文獻(xiàn)[14]中傳統(tǒng)高分辨雷達(dá)距離擴(kuò)展目標(biāo)檢測(cè)的結(jié)論相一致.

表3 H=6時(shí)各個(gè)散射點(diǎn)的分布及收發(fā)角度值

圖5 不同雜波形狀參數(shù)下D-GLRT檢測(cè)概率隨SCR變化曲線

4 結(jié) 論

本文研究了非均勻雜波環(huán)境下雙基地MIMO雷達(dá)的距離擴(kuò)展目標(biāo)檢測(cè)問題.以SIRV雜波為假設(shè)模型,建立了雙基地MIMO雷達(dá)的距離擴(kuò)展目標(biāo)檢測(cè)模型,并將目標(biāo)的散射系數(shù)分為確定型和隨機(jī)型兩種,分別推導(dǎo)出了確定型目標(biāo)GLRT檢測(cè)器(D-GLRT)和高斯型目標(biāo)GLRT檢測(cè)器(G-GLRT)的表達(dá)式,并利用固定點(diǎn)迭代算法估計(jì)出雜波協(xié)方差矩陣,得到距離擴(kuò)展目標(biāo)的自適應(yīng)檢測(cè)器(AD-GLRT和AG-GLRT).仿真實(shí)驗(yàn)表明:AD-GLRT檢測(cè)器和AG-GLRT檢測(cè)器的檢測(cè)性能均優(yōu)于非均勻雜波和高斯雜波背景下點(diǎn)目標(biāo)的檢測(cè)性能,且兩者具有相似的檢測(cè)性能.AD-GLRT檢測(cè)器的檢測(cè)概率隨著虛擬孔徑數(shù)、目標(biāo)跨越的距離單元數(shù),以及SCR的增大而增大.本文在估計(jì)雜波協(xié)方差矩陣M時(shí),主要采用輔助數(shù)據(jù)進(jìn)行估計(jì),為了進(jìn)一步充分利用目標(biāo)信號(hào)的數(shù)據(jù),可以考慮將待檢測(cè)單元數(shù)據(jù)和輔助數(shù)據(jù)相結(jié)合進(jìn)行雜波協(xié)方差矩陣估計(jì),該問題將在下一步研究中重點(diǎn)探討.

附錄A

(A1)

(A2)

(A3)

將式(A2)和式(A3)代入式(15),并取對(duì)數(shù)運(yùn)算后可得

(A4)

(A5)

又由于H0情況下,觀測(cè)數(shù)據(jù)Y的條件概率密度為

(A6)

因此,由式(A5)和式(A6)可得二元檢測(cè)的對(duì)數(shù)似然比:

(A7)

[1] TANG B, NAGHSH M M, TANG J. Relative entropy-based waveform design for MIMO radar detection in the presence of clutter and interference[J]. IEEE transactions on signal processing, 2015, 63(14): 3783-3796.

[2] SUN B, CHEN H W, WEI X Z, et al.. Power allocation for range-only localisation indistributed multiple-input multiple-output radar networks—a cooperative game approach [J]. IET radar sonar navigation, 2014, 8(7): 708-718.

[3] HAIMOVICH A M, BLUM R S, LENARD J, ET AL. MIMO radar with widely separated antennas[J]. IEEE signal processing magazine, 2008, 25(1): 116-129.

[4] TANG B, TANG J, ZHANG Y, et al. Maximum likelihood estimation of DOD and DOA for bistatic MIMO radar[J]. Signal processing, 2013, 93(5): 1349-1357.

[5] HONG J, ZHANG J K, WONG K M. Joint DOD and DOA estimation for bistatic MIMO radar in unknown correlated noise[J]. IEEE transactions on vehicular technology, 2015, 64(11): 5113-5125.

[6] 樊勁宇, 顧紅, 蘇衛(wèi)民, 等. 基于張量分解的互質(zhì)陣MIMO雷達(dá)多目標(biāo)參數(shù)估計(jì)方法[J]. 電子與信息學(xué)報(bào), 2015, 37(4): 933-938.

FAN J Y, GU H, SU W M, et al. Co-prime MIMO radar multi-parameter estimation based on tensor decomposition[J]. Journal of electronics & information technology, 2015, 37(4): 933-938.(in Chinese)

[7] XIA T Q. Joint diagonalization based DOD and DOA estimation for bistatic MIMO radar[J]. Signal processing, 2015, 108: 159-166.

[8] CHEN C Y, VAIDYANATHAN P P. MIMO radar space-time adaptive processing using prolate spheroidal wave functions[J]. IEEE transactions on signal processing, 2008, 56(2): 623-635.

[9] WANG J, JIANG S, HE J, et al. Adaptive detectors with diagonal loading for airborne multi-input multi-output radar[J]. IET radar sonar and navigation, 2009, 3(5): 493-501.

[10] MAIO D, LOPS M. Design principles of MIMO radar detectors [J]. IEEE transactions on aerospace and electronics systems, 2007, 43(3): 886-898.

[11] CONTE E, LONGO M. Characterisation of radar clutter as a spherically invariant random process[J]. IEE proceedings, 1987, 134(2): 191-197.

[12] CHONG C Y, PASCAL F, OVARLE Z P. MIMO radar detection in non-gaussion and heterogeneous clutter[J]. IEEE journal of seleted topics in signal processing, 2010, 4(1): 115-126.

[13] CHAO S Y, CHEN B X. FDGLRT detector of MIMO radar in non-homogeneous clutter [J]. Electronics letters, 2011, 47(6): 403-404.

[14] CONTE E, MAIO A D, RICCI G. CFAR detection of distributed targets in non-gaussian disturbance[J]. IEEE transactions on aerospace and electronics systems, 2002, 38(2): 612-621.

[15] VAN TREES H L. Optimum array processing: detection, estimation, and modulation theory[M]. New York: John Wiley & Sons, 2002.

[16] JIN Y W. Adaptive detection of distributed signals using sensor arrays[D]. Santa Cruz: University of California, 1996.

鄭志東 (1985-),男,福建人，博士,工程師,主要研究方向?yàn)镸IMO雷達(dá)技術(shù)、雷達(dá)信號(hào)處理、陣列信號(hào)處理.

袁紅剛 (1972-),女,陜西人，碩士,高級(jí)工程師,研究方向?yàn)槔走_(dá)信號(hào)處理.

GLRT-based detection algorithm for range-spread targets of bistatic MIMO radar in nonhomogenous clutter

ZHENG Zhidong YUAN Honggang WANG Wenwen TAO Huan

(InstituteofNorthElectronicEquipment,Beijing100191,China)

The signal detection model of range-spread target of bistatic multiple-input multiple-output(MIMO) radar is formulated by using the spherically invariant random vectors(SIRV) to describe the non-homogenous clutter. A two-step generalized likelihood ratio test(GLRT) detector algorithm is proposed for detecting the range-spread target. Two different assumptions are made concerning the radar cross section(RCS) coefficient of target: either modeled as deterministic unknown or as Gaussian parameter. Then the GLRT detectors for range-spread target are derived under these two hypotheses. It shows that both detectors lead to the similar results for range-spread target, and the proposed detector enables a detection performance enhancement over that of the point target detectors in the both non-homogenous and Gaussian clutters. Furthermore, the detection performance of both the proposed detectors increases as the virtual aperture number, the target range cell number and the Signal Clutter Ratio (SCR) increase.

bistatic MIMO radar; nonhomogenous clutter; range-spread target; generalized likelihood ratio test (GLRT)

10.13443/j.cjors.2015121101

2015-12-11

TN957

A

1005-0388(2016)04-0803-08

鄭志東, 袁紅剛, 陶歡, 等. 非均勻雜波背景下雙基地MIMO雷達(dá)距離擴(kuò)展目標(biāo)的GLRT檢測(cè) [J]. 電波科學(xué)學(xué)報(bào),2016,31(4):803-810.

ZHENG Z D, YUAN H G, TAO H, et al. GLRT-based detection algorithm for range-spread targets of bistatic MIMO radar in nonhomogenous clutter[J]. Chinese journal of radio science,2016,31(4):803-810. (in Chinese). DOI:10.13443/j.cjors.2015121101

聯(lián)系人： 鄭志東 E-mail：focusdong@aliyun.com