当前位置: 首页>编程语言>正文

python 无源雷达 无源雷达的缺点

提出一种使用 OFDM 信号利用完全不协调、不同步的 illuminator 和多个接收机传输来估计多个运动目标位置和速度的无源雷达系统。

无源雷达的缺点:外辐射源(IOs)是不协作的,发射的信号是未知的,不受控制。且直接路径信号比目标反射信号强得多,使探测和跟踪目标变得困难(雷达通病)

为了解决这些问题,无源雷达通常使用额外的单独信道(称为参考信道)来收集发射信号,以消除监视信道(SCs)中的直接路径信号和杂波。此外,还可以利用参考信号实现近似匹配滤波来检测目标。然而,参考信号是有噪声的,目标检测性能通常会明显下降。

对于OFDM无源雷达系统,可以利用参考信号实现解调,由于解调比直接使用参考信号具有更好的精度,因此可以根据估计的数据符号实现更精确的匹配滤波器,从而大大提高无源雷达的性能。 

此外,参考通道并不总是必需的,因为在SC中也可以根据接收到的信号直接解调数据符号

基于直接路径信号分别进行数据解调,将易出错的估计数据符号提供给无源雷达接收机,雷达接收机分两阶段估计目标的位置和速度:

首先,利用系统的两种稀疏性,即反射器数量(即目标和杂波)和解调误差都很小,提出了一个反射器延迟多普勒和解调误差的联合估计问题。不同的接收机共享相同的估计数据符号并施加相同的约束,由于决策变量产生项的存在,该问题是非凸的,使用非凸分解(NF)将问题转化为平滑的无约束优化问题,然后用共轭梯度下降(CGD)算法求解。

然后在第二阶段根据第一阶段估计的时延多普勒确定目标的位置和速度。(提出了两种方法:第一种是基于一组非线性方程的数值求解方法,第二种是基于神经网络的方法,其效率更高)

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_匹配滤波,第1张


python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_匹配滤波_02,第2张

第mj接收机第n个OFDM信号匹配滤波器

首先估计延迟和多普勒频移Φ中包含的{τ ,f }来自接收到的信号Y。然后在这些估计的基础上,进一步估计反射器的位置和速度{x  v },那些v≈0被认为是杂波。

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_神经网络_03,第3张

 引入两种稀疏性,最终得出的反射器延迟多普勒和解调误差的联合估计问题(24)是非凸的。

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_算法_04,第4张

 最终使用共轭梯度下降法CGD求解问题(32)得到时延多普勒。:

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_匹配滤波_05,第5张

通过CGD算法求解32后, Φ可以通过(25)得到,利用二维MUSIC可以确定Φ中的多普勒频移和复增益。

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_匹配滤波_06,第6张

 

在跟踪多运动目标时,多普勒频移和复增益是不同的,这有助于区分目标在不同接收机上的时延。

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_匹配滤波_07,第7张

通过(41)来获得计算延迟。.

有两种方法可以估计确定目标的位置和速度

1.基于求解非线性方程的估计器

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_神经网络_08,第8张

 S代表的是监督区域,因为至少需要4个接收器才能获得三维目标位置,否则(43)为欠定方程。

求解43,得到位置

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_算法_09,第9张

的估计值,然后再通过前面估计的多普勒频移得到

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_数据_10,第10张

 

2.基于神经网络的估计器

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_python 无源雷达_11,第11张

 相邻两层之间的映射函数:

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_数据_12,第12张

 通过神经网络得到位置

python 无源雷达 无源雷达的缺点,python 无源雷达 无源雷达的缺点_算法_09,第9张

,然后利用(45)得到目标的速度。

 


https://www.xamrdz.com/lan/56j1941934.html

相关文章: