基于分布式压缩感知的MIMO-OFDM雷达通信一体化目标定位方法

本发明属于雷达通信，具体涉及一种基于分布式压缩感知的mimo-ofdm雷达通信一体化目标定位方法。

背景技术：

1、随着信息技术的发展，多功能雷达、智能汽车、5g天线等系统也日趋复杂，系统对于雷达探测功能和无线通信功能的需求也越来越多，因此雷达和通信设备无论是在军事还是民事方面都得到了广泛的应用。为实现两种设备的功能，传统的方式是将雷达和通信设备简单的独立放在一起，各自发挥其作用。但是由于缺乏统一的调度和管理，这种分系统的方式往往会因能耗、体积、频谱干扰等问题制约整个系统的性能表现。

2、现有技术主要针对传统雷达信号实现目标定位，未考虑将雷达和通信两种功能结合于一个信号波形中同时实现目标定位与数据通信功能。并且在现有技术中，传统的信号处理根据奈奎斯特(nyquist)采样定律，需要两倍于原始信号最高频率的采样率进行采样，而在实际工程操作中，这个倍数则会更高，通常会达到四倍或者五倍。因此当面对像毫米波等大带宽信号时，要想恢复原始信号，则需要获取大量的采样数据，而这也会带来诸多问题。一方面，对于常用的信号处理方法，完整的数据采样是非必要的，因此接收回波数据中就会存在大量冗余信息；并且高速采样接收器的成本也比较昂贵，这对于硬件系统的资源造成一定的浪费。另一方面，高速率的采样会直接导致采样数据增多，这给后续的传输、存储等方面都带来了很大挑战。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种基于分布式压缩感知的mimo-ofdm雷达通信一体化目标定位方法。本发明要解决的技术问题通过以下技术方案实现：

2、本发明提供了一种基于分布式压缩感知的mimo-ofdm雷达通信一体化目标定位方法，利用双基地集中式mimo雷达实现信号的发射和接收，其中，发射信号为ofdm雷达通信一体化信号，所述ofdm雷达通信一体化信号的波形中含有np个脉冲，每个脉冲由ns个ofdm符号构成，其中，ofdm符号的子载波数为nc，子载波间隔为δf，一个ofdm的信号长度为ts，脉冲重复周期为tp；

3、所述方法包括：

4、获取双基地集中式mimo雷达的接收信号；

5、构建联合稀疏定位模型，对所述接收信号稀疏表示，选取测量矩阵对稀疏后的信号进行压缩处理，得到压缩信号；

6、采用联合稀疏重构算法对所述压缩信号进行重构，得到信号的目标位置估计结果和稀疏向量估计结果，实现目标定位。

7、在本发明的一个实施例中，所述ofdm雷达通信一体化信号表示为：

8、

9、式中，dp,s,n表示第p个脉冲，第s个ofdm符号中的第n个子载波所携带的通信信息，c表示光速，表示矩形窗函数，当0≤t≤ts时，其取值为1，其他情况下取值为0，信号的总带宽b＝ncδf。

10、在本发明的一个实施例中，所述双基地集中式mimo雷达包括nt个发射天线和nr个接收天线，其间距分别为dt和dr，且

11、所述双基地集中式mimo雷达的接收信号表示为：

12、

13、式中，k表示目标的数量，σk表示第k个目标的反射系数，表示第k个目标的接收导向矢量，表示第k个目标的到达角，a(θk)第k个目标的发射导向矢量，θk表示第k个目标的离去角，s表示所有接收天线所接收的ofdm雷达通信一体化信号，w为加性高斯白噪声，(·)t表示转置；

14、所述双基地集中式mimo雷达的第n个接收天线的接收信号表示为：

15、

16、其中，wn表示第n个接收天线所接收的加性高斯白噪声，s表示第n个接收天线所接收的ofdm雷达通信一体化信号。

17、在本发明的一个实施例中，构建联合稀疏定位模型，对所述接收信号稀疏表示，选取测量矩阵对稀疏后的信号进行压缩处理，得到压缩信号，包括：

18、将mimo雷达所在的平面划分为l1×l2个角度位置，表示为：

19、

20、其中，θ表示离去角，表示到达角；

21、定义该平面内的反射系数与稀疏基，其中，所述反射系数为：

22、

23、将该平面划分的所有角度构成的位置集合作为选定的角度域稀疏基，在该角度域稀疏模型下，第n个接收天线的接收信号表示为：

24、

25、第n个接收天线在联合定位稀疏模型中的稀疏基为：

26、

27、根据所述稀疏基以及所述反射系数，将第n个接收天线的接收信号表示为：

28、rn＝(ψnσn)t；

29、σn＝[σ11 σ12 … σl1l2 … σl1l2]；

30、式中，σn表示接收信号rn在稀疏基ψn下的稀疏向量；

31、选取高斯随机矩阵作为测量矩阵，将每个接收天线的接收信号在测量矩阵上进行投影，得到对应的压缩信号，其中，第n个接收天线的接收信号对应的压缩信号，表示为：

32、

33、式中，φn表示测量矩阵，θn表示感知矩阵，θn＝φnψn。

34、在本发明的一个实施例中，采用联合稀疏重构算法对所述压缩信号进行重构，得到信号的目标位置估计结果和稀疏向量估计结果，实现目标定位，包括：

35、采用联合稀疏重构算法，对每一个接收天线对应的压缩信号进行循环迭代，得到对应的目标位置估计结果和稀疏向量估计结果；

36、对所有接收天线对应的目标位置估计结果和稀疏向量估计结果，求平均得到信号的目标位置估计结果和稀疏向量估计结果，实现目标定位。

37、在本发明的一个实施例中，对于第n个接收天线对应的压缩信号yn，联合稀疏重构算法的循环迭代过程包括：

38、步骤a：初始化联合稀疏重构算法的参数，令t＝1，其中，rn,t表示压缩信号yn在第t次迭代后的差值，表示空集，pn,t表示每次迭代后确定的列索引，ωn,t表示压缩信号yn经过t次迭代后的索引集合，t表示迭代次数；

39、步骤b：按照下式计算得到感知矩阵θn与差值rn,t的相关系数向量：

40、

41、式中，<·>表示求向量内积，|·|表示求绝对值；

42、步骤c：选择相关系数向量ut中的最大值所对应的列序号p，加入列索引pn,t中，更新ωn,t和θn,t为：

43、ωn,t＝ωn,t-1∪pn,t，θn,t＝θn,t-1∪γp；

44、其中，θn,t表示按照索引ωn,t从感知矩阵θn中选出的列集合，γp表示感知矩阵θn,t的第p列；

45、步骤d：按照下式计算得到yn＝θn,tσn,t的最小二乘解为：

46、

47、步骤e：根据求解得到的σn,t计算出新的测量信号值根据所述新的测量信号值更新差值rn,t为

48、步骤f：令t＝t+1，如果t<k则返回步骤b继续迭代，如果t≥k则停止迭代，将迭代完成后的索引集合ωn,t作为该压缩信号yn的目标位置估计结果ωn，将迭代过程中计算得到σn,t存入集合得到该压缩信号yn的稀疏向量估计结果其中，k表示信号的稀疏度。

49、与现有技术相比，本发明的有益效果在于：

50、本发明的基于分布式压缩感知的mimo-ofdm雷达通信一体化目标定位方法，结合目前ofdm的通信帧结构，设计了新的ofdm雷达通信一体化信号，既提高了发射信号的数据率，又使得所设计信号与通信帧结构更为相似，因此更容易实现同步。并且考虑针对双基地mimo-ofdm雷达通信一体化系统，提出的基于分布式压缩感知的重构算法，可以大大较少回波采样所需的数据量，并能准确地获得目标的位置信息。

51、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。