基于深度学习的MIMO雷达发射波形设计算法研究.pdfVIP

摘要

摘要

多输入多输出（MultipleInputMultipleOutput,MIMO）雷达作为一种新体制

雷达，对复杂场景下的目标探测具有重要的应用价值。MIMO雷达利用多个天线

发射波形并接收回波，这种波形分集能力使得其比传统相控阵雷达具有更多的发

射自由度，在能量利用率、目标检测和抗干扰等方面展现出优异的性能。通过设

计发射波形可以灵活地控制方向图，将发射能量聚焦于目标所在区域并减少其它

区域能量辐射，从而降低被截获的概率和减少信号相关干扰，提高回波信干噪比。

因此，波形设计是提升MIMO雷达系统探测性能的重要手段，引起了广泛的研究

和关注。

针对MIMO雷达中的发射方向图赋形问题，本文结合深度学习方法，开展了

MIMO雷达信号模型分析、窄带MIMO雷达发射波形设计和宽带MIMO雷达发射

波形设计三方面研究，具体内容如下：

（1）研究了窄带MIMO雷达和宽带MIMO雷达信号模型，在此基础上，以窄

带MIMO雷达为例，分析了发射波形在不同相关性下合成的方向图特性，并研究

了深度学习方法中的基础知识，为后续MIMO雷达波形设计的研究提供支撑。

（2）提出了基于多层感知机（Multi-LayerPerceptron,MLP）的窄带MIMO雷

达发射波形设计方法。分别建立了基于模板匹配和基于空域积分旁瓣电平比

（IntegrationSidelobeLevelRatio,ISLR）的方向图赋形问题模型，研究了约束条件

的等效替代形式；设计了窄带MIMO雷达波形优化网络，直接求解了问题模型，

提高了设计波形的方向图和模糊函数性能。

（3）提出了基于生成对抗网络（GenerativeAdversarialNetworks,GAN）的宽

带MIMO雷达发射波形设计方法。建立了频谱先验信息下，二维空频域方向图的

图像生成问题模型；设计了宽带MIMO雷达波形优化网络，减小了方向图模板匹

配误差，实现了方向图的有效合成；在抑制多干扰空频域场景中，所提方法的方

向图匹配误差较对比方法降低了2dB。

仿真结果表明，本文所提出的窄带MIMO雷达和宽带MIMO雷达发射波形设

计方法均能更好地逼近期望方向图，实现发射波形的有效设计。

关键词：窄带MIMO雷达，宽带MIMO雷达，波形设计，方向图赋形，深度学习

I

ABSTRACT

ABSTRACT

Asanovelradarsystem,MIMOradarhassignificantvaluefordetectingtargets

incomplexscenarios.MIMOradarutilizesmultipleantennastotransmitwaveforms

andreceiveechoes.ThiswaveformdiversitycapabilityallowsMIMOradartohave

moretransmitdegreesoffreedomthanconventionalphased-arrayradar,anddemonstrate

outstandingperformanceinenergyutilizationrate,targetdetection,anti-jamming,etc.

Bydesigningthetransmitwaveform,thebeampatterncanbeflexiblycontrolledtofocus

thetransmitenergyonthetargetareaandreducetheenergyradiationinotherareas,thus

reducingtheprobabilityofinterceptionandsignal-relatedinterference,andimproving

thesignaltointerferenceandnoiseratioofecho.There