基于酉平行因子直接法的OFDM无源雷达超分辨多参数估计技术

本文提出了一种基于酉平行因子（PARAFAC）直接法的正交频分复用（OFDM）无源雷达超分辨多参数估计算法。该算法通过构建张量模型并利用酉变换和前后向平均技术，有效解决了均匀线性阵列（ULA）下对相干和紧邻目标的时延、多普勒频移和波达方向（DOA）联合估计难题。特别地，新提出的PARAFAC-Direct算法通过连接连续脉冲数据直接表征回波信号，避免了多普勒谱分离，扩展了多普勒域检测范围，从而在多目标参数估计精度，尤其是低信噪比（SNR）场景下的多普勒估计精度方面展现出优越性能。

　　

亮点

• •
  本文提出了一种用于OFDM无源雷达的酉PARAFAC-Direct算法，以联合估计多目标参数。酉PARAFAC模型的建立旨在降低计算复杂度，同时利用前后向平均方案提高估计精度。
• •
  此外，通过在时域连接连续脉冲数据，将传统的四阶PARAFAC模型转化为三阶模型。具体来说，这种新方法被称为酉PARAFAC-Direct算法，它通过增加连续OFDM块之间的相移积累，进一步提高了多普勒频率的估计精度。

性能分析

分解唯一性分析

只有当酉PARAFAC（PARAFAC-Direct）的分解唯一性条件得到满足时，酉PARAFAC（PARAFAC-Direct）分解算法才能实现多目标传感参数的精确估计。因此，保证酉PARAFAC算法（PARAFAC-Direct算法）的分解唯一性是OFDM无源雷达传感参数估计的先决条件。对于四阶实值张量 Z? ∈ M×N_s×N_c×2N_q，其充分（唯一性）条件是...

数值实验

在本节中，我们进行了若干数值实验以验证所提出的酉PARAFAC算法和酉PARAFAC-Direct算法的有效性。性能比较结果在所提算法与最先进的方法（如ESPRIT、酉ESPRIT和酉HOSVD）之间展开，以展示所提算法的优越性。同时，我们也对上述仿真结果进行了性能分析。克拉美-罗界（CRB）被视作理论性能基准。

结论

本文提出了酉PARAFAC算法和酉PARAFAC-Direct算法，用于OFDM无源雷达的多目标参数联合估计。建立了酉PARAFAC模型以降低计算复杂度，同时利用前后向平均方案提高估计精度。此外，通过在时域连接连续脉冲数据，将传统的四阶PARAFAC模型转化为三阶模型。具体来说，这种新方法被称为酉PARAFAC-Direct算法，它通过增加连续OFDM块之间的相移积累，进一步提高了多目标多普勒频率的估计精度。