基于深度展开的MIMO雷达DOA估计系统设计与超分辨优化 .docxVIP

PAGE2

基于深度展开的MIMO雷达DOA估计系统设计与超分辨优化

摘要

随着现代雷达系统对目标探测精度与分辨能力要求的不断提升，多输入多输出（MIMO）雷达凭借其分集增益与虚拟孔径扩展优势，成为实现高精度波达方向（DOA）估计的重要体制。然而，传统子空间类算法在低信噪比及有限快拍条件下性能急剧下降，且难以兼顾估计精度与实时性。本课题针对上述痛点，设计并实现了一套基于深度展开算法的MIMO雷达DOA估计系统，旨在通过模型驱动与数据驱动的融合，实现超分辨角度估计。

论文首先分析了MIMO雷达信号模型与传统压缩感知算法的局限性，确立了以深度展开网络为核心的技术路线。其次，完成了系统的需求分析与总体架构设计，构建了包含数据仿真、算法处理与性能评估的功能模块。在详细设计阶段，将迭代软阈值算法（ISTA）展开为深度神经网络，通过可学习参数替代人工调参，实现了算法的超分辨优化。系统实现基于Python与PyTorch框架，完成了核心算法编码与界面开发。测试结果表明，该系统在低信噪比下的角度估计成功概率较传统MUSIC算法提升了约15%，运行速度较传统稀疏迭代算法提升了一个数量级。本设计不仅验证了深度展开算法在雷达信号处理中的有效性，也为智能化雷达系统设计提供了工程参考。

第一章绪论

1.1研究背景

在现代战场环境与民用航空管制中，对多目标的精确探测与定位是雷达系统的核心任务。波达方