用于过载双静态MIMO雷达自主检测的混合序列去扩频技术

《IEEE Access》：Hybrid Sequential Deflation for Autonomous Detection in Overloaded Bistatic MIMO Radar

　　

摘要：

传统的基于子空间的双静态多输入多输出雷达参数估计方法需要事先准确知道目标数量K。在目标数量过多、多个目标处于同一快速时间范围分辨率单元内且K超过物理接收天线数量N的情况下，空间协方差矩阵会失效。在这种环境下，“检测”问题从简单的距离筛选转变为自动确定实际的空间目标数量K。然而，要使用标准的信息论准则（如MDL/AIC）在扩展的时空阵列上估计K，就需要进行完整的特征值分解，这会带来难以处理的O(N3total)计算量（其中Ntotal为扩展阵列的维度），从而导致无法在资源有限的软件定义无线电和FPGA上实现实时处理。本文评估了几种基本的盲检测策略，指出了其在次瑞利目标场景下的物理和数学缺陷。为解决这一瓶颈，本文提出了一种“高分辨率时空收缩”架构。该架构结合了子空间投影的超分辨率能力与迭代收缩的线性真功率阈值判断功能，无需事先了解目标数量即可自动检测并估计出K>N的目标。检测循环的停止规则是通过基于随机矩阵理论的动态CFAR阈值来自动确定的。该架构完全避免了复杂的全局空间协方差矩阵构建及大规模特征值分解，而是采用高效的局部投影方式进行处理。这样一来，计算速度提升了5倍，复杂度为O(K · N2total)，且其参数估计精度与那些依赖复杂特征值分解的子空间提取方法相当。