馮 翔,陳志坤,李風(fēng)從,趙宜楠

(哈爾濱工業(yè)大學(xué)電子與信息工程學(xué)院,黑龍江哈爾濱150001)

基于松弛交替投影的MIMO雷達(dá)相位編碼波形設(shè)計(jì)

馮 翔,陳志坤,李風(fēng)從,趙宜楠

(哈爾濱工業(yè)大學(xué)電子與信息工程學(xué)院,黑龍江哈爾濱150001)

任務(wù)場景日趨復(fù)雜給MIMO(Mutiple-Input Mutiple-Output)雷達(dá)帶來諸多挑戰(zhàn).為應(yīng)對強(qiáng)散射體遮蔽干擾、陣元間波形互擾及特定頻帶干擾等復(fù)雜電磁環(huán)境,該文提出一種松弛迭代譜擬合交替投影算法來設(shè)計(jì)相位編碼波形.該算法基于功率譜擬合及交替投影框架,并引入擴(kuò)展的加速因子；首先,憑借功率譜與非周期相關(guān)函數(shù)的傅里葉變換關(guān)系,將相關(guān)特性擬合問題轉(zhuǎn)化為功率譜近似問題；然后,構(gòu)建理想波形頻譜并利用松弛機(jī)制擴(kuò)展優(yōu)化投影區(qū)；最后,利用快速傅里葉變換及加速交替投影機(jī)制迭代優(yōu)化.計(jì)算機(jī)仿真表明,該算法運(yùn)算效率高、可有效避免局部停滯,與當(dāng)前流行算法相比更適合在線波形設(shè)計(jì).

MIMO雷達(dá)；波形設(shè)計(jì)；功率譜逼近；相位編碼；交替投影

1 引言

為應(yīng)對復(fù)雜任務(wù)場景,雷達(dá)自適應(yīng)性顯得尤為重要.波形分集可視為自適應(yīng)性的一種體現(xiàn)且成為目前研究的熱點(diǎn)[1～3].對于MIMO雷達(dá)而言,波形分集既能提高目標(biāo)識別能力又能提高分辨力,成為提升雷達(dá)自適應(yīng)性的重要切入點(diǎn)[4～6].避免強(qiáng)散射體遮蔽干擾需發(fā)射波形具備較低的自相關(guān)旁瓣；降低MIMO雷達(dá)陣元間相互影響要求發(fā)射波形具有低自、互相關(guān)旁瓣特性；抑制特定頻帶電磁干擾要求發(fā)射波形頻譜具備稀疏特性；另外,為充分利用發(fā)射機(jī)功率,恒模特性亦成為客觀要求[7].

文獻(xiàn)[8]針對恒模波形設(shè)計(jì)提出循環(huán)類算法,其利用相關(guān)函數(shù)與功率譜之間的傅里葉變換關(guān)系來迭代優(yōu)化所定義的目標(biāo)函數(shù),該類算法耗時(shí)長、相關(guān)旁瓣較高而難以滿足實(shí)際需要；但其給后續(xù)研究帶來了眾多啟示.文獻(xiàn)[9]利用循環(huán)算法求解最小化加權(quán)積分旁瓣電平和功率譜密度問題以獲得滿足峰均比約束的波形；文獻(xiàn)[10～12]引入交替投影框架來獲取滿足需求的恒模波形,但算法初始化導(dǎo)致求解穩(wěn)定性較差而影響收斂.文獻(xiàn)[13]利用序列二次規(guī)劃與加權(quán)迭代方法求解波形設(shè)計(jì)問題,但在多陣元情形計(jì)算復(fù)雜度較高且易出現(xiàn)梯度矩陣奇異而難以收斂.文獻(xiàn)[14]利用改進(jìn)遺傳算法設(shè)計(jì)MIMO雷達(dá)波形；文獻(xiàn)[15]針對遺傳算法、粒子群算法等提出改進(jìn)策略；但該類算法往往因群體多樣性較差而收斂停滯.因此,恒模約束下耗時(shí)少、穩(wěn)定性高且具有較佳性能的算法成為當(dāng)前波形設(shè)計(jì)的迫切要求.

該文基于功率譜擬合與交替投影框架,引入松弛迭代譜擬合交替投影算法(RISAAP,Relaxed Iterative Spectrum Approximation Alternating Projection method),著力解決MIMO雷達(dá)復(fù)雜場景問題.此算法利用功率譜與非周期相關(guān)函數(shù)的傅里葉變換關(guān)系,將相關(guān)函數(shù)擬合問題轉(zhuǎn)化為功率譜近似問題,依靠松弛機(jī)制擴(kuò)展集合優(yōu)化投影區(qū),憑借快速傅里葉變換在時(shí)域、頻域交替迭代優(yōu)化.該算法運(yùn)算效率高、可有效避免局部停滯且有較高魯棒性,與當(dāng)前流行算法相比更適合在線波形設(shè)計(jì).

2 問題描述與分析

假定具有M個(gè)發(fā)射陣元的MIMO雷達(dá)系統(tǒng),其基帶恒模相位編碼波形矩陣可表示為:

X=[x1x2…xM]∈N×M

(1)

其中,第m個(gè)陣元的發(fā)射波形序列可表示為xm=[ejψ1ejψ2… ejψN]T,ψn∈[0,2π)為編碼相位,N為序列碼長.考慮到接收端濾波器輸出可視為波形相關(guān)函數(shù)與雷達(dá)場景的卷積,那么可令α(x)=[α0(x) …αN-1(x) 0α-N+1(x) …α-1(x)]T表示某陣元波形的自相關(guān)函數(shù)序列；假定感興趣的待測目標(biāo)位于第q個(gè)距離單元,那么第l個(gè)單元中的強(qiáng)散射體可能會對第q個(gè)單元目標(biāo)造成干擾,進(jìn)而影響目標(biāo)檢測,而這種影響是通過波形自相關(guān)旁瓣來實(shí)現(xiàn)的[12].為最小化強(qiáng)散射體旁瓣影響,應(yīng)使發(fā)射波形的自相關(guān)函數(shù)序列滿足如下條件:

(2)

另外,MIMO雷達(dá)陣元間波形互擾嚴(yán)重影響雷達(dá)獲取目標(biāo)信息的性能,為抑制各陣元波形間互擾,即需設(shè)計(jì)波形具有低自、互相關(guān)旁瓣特性[10].以第n個(gè)采樣延時(shí)的發(fā)射波形相關(guān)矩陣Rn(X)為例(Rn(X)=(XHU(n)X)T,U(n)表示偏移矩陣,(·)H表示共軛轉(zhuǎn)置),其非主對角線元素應(yīng)盡可能逼近零,而主對角元素應(yīng)逼近理想波形自相關(guān)表示:

(3)

(4)

(5)

3 波形設(shè)計(jì)

3.1 目標(biāo)函數(shù)構(gòu)造

首先,對于抑制強(qiáng)散射體旁瓣遮蔽問題,以待設(shè)計(jì)波形x∈N×1為例,需滿足目標(biāo)函數(shù):

(6)

(7)

(8)

由文獻(xiàn)[1]中“等價(jià)性”知,上式優(yōu)化問題可簡化為:

(9)

從而使得抑制強(qiáng)散射體旁瓣遮蔽的波形設(shè)計(jì)問題轉(zhuǎn)化為待設(shè)計(jì)波形頻譜與理想波形頻譜的逼近問題.

其次,為解決MIMO雷達(dá)陣元間波形互擾問題構(gòu)造目標(biāo)函數(shù),考慮到旁瓣干擾存在于各個(gè)延遲時(shí)刻,因此由式(3)可得目標(biāo)函數(shù)為:

(10)

式中‖·‖F(xiàn)表示矩陣Frobenius范數(shù)；利用Parseval定理可知上述目標(biāo)函數(shù)等價(jià)為:

(11)

(12)

第三,為抑制特定頻帶電磁干擾,即考慮稀疏頻譜波形設(shè)計(jì)問題,由式(5)得目標(biāo)函數(shù)形式:

(13)

由上可知,抑制特定頻帶電磁干擾的波形設(shè)計(jì)問題轉(zhuǎn)化為發(fā)射波形頻譜應(yīng)在該頻帶區(qū)間內(nèi)具備較低的頻譜幅度,從而使得目標(biāo)函數(shù)轉(zhuǎn)化為逼近優(yōu)化問題.

最后,為充分利用發(fā)射機(jī)功率即要求發(fā)射波形滿足恒模約束,從而有:

(14)

以上目標(biāo)函數(shù)和約束可視為波形設(shè)計(jì)中的各個(gè)任務(wù),對于MIMO雷達(dá)某任務(wù)場景而言,復(fù)雜任務(wù)可視為包括上述目標(biāo)函數(shù)或約束中的一個(gè)或多個(gè).

3.2 波形求解方法

恒模約束往往導(dǎo)致波形設(shè)計(jì)問題非凸,循環(huán)算法或迭代算法因隨機(jī)初始化而收斂緩慢且難以獲得全局解[8,16,17],這使得針對不同任務(wù)需求的恒模波形設(shè)計(jì)問題求解較為困難.由文獻(xiàn)[18]知松弛交替投影機(jī)制能夠加快收斂且具有較好收斂性能.

假定集合A代表恒模約束集合,集合B代表各目標(biāo)函數(shù)集合,構(gòu)造變量y到集合A的投影ProjA(y)及變量x到集合B的投影ProjB(x),如下:

(15)

(16)

其中,d(i,j)=‖i-j‖表示變量i和j間的距離；那么,交替投影機(jī)制簡述為:首先選定集合A中某元素x1,求取其到集合B中投影,即選取集合B中元素y1使得y1=ProjB(x1),即d(x1,y1)最??；然后,再以y1為起點(diǎn),求取其到集合A中投影,即選取集合A中元素x2=ProjA(y1)；這樣周而復(fù)始實(shí)現(xiàn)迭代映射,存在d(xk+1,yk+1)≤d(xk,yk+1)≤d(xk,yk),當(dāng)d(xk+1,yk+1)足夠小時(shí),xk+1或yk+1將可能同時(shí)滿足集合A、B的特性.但恒模非凸條件下,迭代映射后期收斂緩慢,故引入松弛交替投影框架Tδ(·),λ:A→B→A,如下:

Tδ(·),λx=ProjA(x+λ·δ(x)·(ProjA(ProjB(x))-x))

(17)

式中λ∈(0,1]表示松弛算子；δ(·)表示加速因子,有如下不同形式:

(18)

(19)

通過加速因子和松弛算子,松弛交替投影機(jī)制能夠利用各次迭代映射投影元之間的關(guān)系(如projA(projB(x))-projB(x)和ProjA(ProjB(x))-x分別表示迭代映射投影元間的差值)來對原交替投影問題的解進(jìn)行松弛和優(yōu)化,進(jìn)而對非凸問題求解過程中的局部停滯起到了跳出局部區(qū)域的作用.

針對抑制特定旁瓣區(qū)間強(qiáng)散射體遮蔽干擾的恒模波形設(shè)計(jì)問題,構(gòu)造優(yōu)化問題如下:

(20)

則相應(yīng)松弛迭代譜擬合交替投影算法框架見算法1.

算法1 針對抑制特定旁瓣區(qū)間強(qiáng)散射體遮蔽干擾的RISAAP算法

步驟1 隨機(jī)初始化:x(k)∈N×1；

步驟2 基于當(dāng)前迭代解x(k)利用以下公式獲得后續(xù)迭代解x(k+1):

步驟4 重復(fù)步驟2和步驟3,直到循環(huán)迭代達(dá)到總數(shù)K或滿足算法迭代誤差閾值ε；

針對抑制MIMO雷達(dá)陣元間波形互擾的恒模波形設(shè)計(jì)問題,構(gòu)造此任務(wù)場景下的優(yōu)化問題如下:

(21)

則相應(yīng)松弛迭代譜擬合交替投影算法框架見算法2.

算法2 針對抑制陣元間波形互擾的MDRISAAP(Multi-Dimensional RISAAP)算法

步驟1 隨機(jī)初始化:

X(1)=[x1x2…xM]∈N×M；

步驟2 基于當(dāng)前迭代解X(k)利用以下公式獲得后續(xù)迭代解X(k+1):

其中矩陣D∈2N×M中各元素；

步驟5 重復(fù)步驟2、3和4,直到循環(huán)迭代達(dá)到總數(shù)K或滿足算法迭代誤差閾值ε；

針對聯(lián)合抑制特定頻帶電磁干擾和距離旁瓣干擾的恒模波形設(shè)計(jì)問題,在此引入權(quán)值聯(lián)合多目標(biāo)優(yōu)化RISAAP算法,權(quán)值通常取γ∈(0,1),如下所示:

(22)

則相應(yīng)松弛迭代譜擬合交替投影算法框架見算法3.

算法3 針對聯(lián)合抑制特定頻帶電磁干擾及相關(guān)旁瓣干擾的MDRISAAP算法

步驟1 隨機(jī)初始化:X(1)=[x1x2…xM]∈N×M；

步驟2 基于當(dāng)前迭代解X(k)利用以下公式獲得后續(xù)迭代解X(k+1):

其中矩陣D∈2N×M中各元素；

步驟5 重復(fù)步驟2、3和4,直到循環(huán)迭代達(dá)到總數(shù)K或滿足算法迭代誤差閾值ε；

4 實(shí)驗(yàn)仿真

本節(jié)就上述三個(gè)波形設(shè)計(jì)任務(wù)場景,將所提算法與當(dāng)前流行算法比較,仿真平臺為i7-4770 CPU 3.40GHz,Matlab R2014a,64位.

4.1 抑制特定旁瓣區(qū)間強(qiáng)散射體遮蔽干擾的波形設(shè)計(jì)

假定單旁瓣干擾區(qū)間Qr1=[1:30]及多旁瓣干擾區(qū)間Qr2=[20:30]∪[40:60],波形序列碼長為150；將算法1中RISAAP與文獻(xiàn)[8]中WeCAN、文獻(xiàn)[12]中ISAA及梯度算法PONLP(ISAA)比較,算法迭代終止條件為K=1000或ε=10-13.另定義自相關(guān)幅值電平(ACL,Autocorrelation Level),如下:

(23)

本節(jié)采用100次獨(dú)立重復(fù)試驗(yàn)來統(tǒng)計(jì)分析算法性能:定義平均耗時(shí)及抑制區(qū)間內(nèi)平均自相關(guān)幅值電平為:Aver-time(s)和 Aver-ACL(dB).不同算法抑制特定旁瓣區(qū)間干擾性能比較如表1、圖1所示:

表1 不同算法抑制特定旁瓣區(qū)間干擾性能比較

從表1知:對于單、多旁瓣區(qū)間干擾抑制,RISAAP在耗時(shí)和Aver-ACL方面都獲得了比ISAA、PONLP(ISAA)和WeCAN較佳的性能優(yōu)勢.從表1中單旁瓣區(qū)間抑制可知,RISAAP耗時(shí)僅為WeCAN的約2.3 %,Aver-ACL相較WeCAN提升約261dB；RISAAP相較ISAA耗時(shí)優(yōu)勢不明顯,但Aver-ACL提升約84dB；PONLP(ISAA)首先利用ISAA獲得初始解,然后利用梯度算法迭代優(yōu)化,其耗時(shí)為ISAA的約2倍且獲得約9dB提升.同樣由多旁瓣區(qū)間抑制可得:RISAAP耗時(shí)僅為WeCAN的約4%,Aver-ACL相較WeCAN提升約185dB；RISAAP與ISAA相比耗時(shí)不明顯,但RISAAP所得Aver-ACL提升約100dB；PONLP(ISAA)耗時(shí)為ISAA的約1.8倍且Aver-ACL改善約56dB.對于恒模約束下的非凸問題,ISAA、WeCAN在迭代優(yōu)化后期收斂緩慢而陷入局部最優(yōu)；PONLP(ISAA)依靠ISAA和梯度算法迭代優(yōu)化,仍然難以避免局部停滯；而RISAAP算法憑借松弛算子和加速因子能夠擺脫局部收斂束縛,逼近全局最優(yōu).本節(jié)采用100次獨(dú)立重復(fù)試驗(yàn)并取統(tǒng)計(jì)平均結(jié)果分析,而非僅取最優(yōu)結(jié)果表示,從圖1可看出所提算法的穩(wěn)定性.

4.2 降低陣元間波形互擾的波形設(shè)計(jì)

假定MIMO雷達(dá)具有3個(gè)發(fā)射陣元,且各陣元波形序列碼長均為64,將算法2中MDRISAAP與文獻(xiàn)[8]中Multi-CAN、文獻(xiàn)[10]中MDISAA比較,算法迭代終止條件為K=10000或ε=10-4.以第1個(gè)陣元為例作不同算法優(yōu)化波形自相關(guān)、互相關(guān)幅度(第1、3陣元波形互相關(guān))性能比較,見圖2.

另外,分別以各陣元波形序列碼長40、64、128、256、512、1024為例,采用100次獨(dú)立重復(fù)試驗(yàn)來比較Multi-CAN、MDISAA 、MDRISAAP耗時(shí)性能,得到針對不同序列長度各算法進(jìn)行100次試驗(yàn)總耗時(shí)比較如表2所示:

表2 不同序列長度各算法耗時(shí)比較

由圖2知:MDRISAAP和MDISAA相較Multi-CAN獲得了更低的自相關(guān)旁瓣幅度,而對于互相關(guān)幅度三種算法差異并不明顯；由表2知:對于同一長度序列(以碼長40為例)MDRISAAP耗時(shí)2.05s明顯少于Multi-CAN和MDISAA,體現(xiàn)了低耗時(shí)性能；隨波形序列碼長增大,MDRISAAP與MDISAA、Multi-CAN差異愈見突出(當(dāng)碼長為1024時(shí),MDRISAAP耗時(shí)僅為MDISAA的約16.5%、Multi-CAN的約10%).這是由于松弛交替投影機(jī)制在大長度序列迭代優(yōu)化過程中將多維問題進(jìn)行松弛轉(zhuǎn)換,從而使得計(jì)算復(fù)雜度呈現(xiàn)較低的一種趨勢,這也說明所提RISAAP框架更適合波形在線設(shè)計(jì).

4.3 聯(lián)合抑制特定頻帶電磁干擾及相關(guān)旁瓣干擾的波形設(shè)計(jì)

假定MIMO雷達(dá)有3個(gè)發(fā)射陣元,各陣元波形時(shí)寬為704μs,采樣頻率為710KHz,則各陣元波形序列碼長為500.假設(shè)電磁干擾分散存在于頻帶[160,180]∪[200,260]∪[280,350]∪[370,400]∪[420,450]kHz中,則其通帶處于[0,710]kHz中剩余部分.將算法3中MDRISAAP與文獻(xiàn)[11]中MDISAA及文獻(xiàn)[16]中CIA比較,各算法均采用相同隨機(jī)初始化方式,且設(shè)定算法終止條件為K=1000或ε=10-4,聯(lián)合優(yōu)化權(quán)值γ=0.45；另定義自相關(guān)旁瓣峰值(ASP,Autocorrelation Sidelobe Peak)、阻帶功率峰值(PSP,Peak Stopband Power)及互相關(guān)旁瓣峰值(CSP,Crosscorrelation Sidelobe Peak)如下:

(24)

(25)

上式中PSDstop表示特定頻帶區(qū)間中功率譜密度值.

n=1,2,…,N-1;m1≠m2

(26)

cn(xm1,xm2)表示在第n個(gè)采樣延時(shí)兩陣元發(fā)射波形間的互相關(guān).利用算法所得各陣元波形的ASP、PSP、CSP性能指標(biāo)取均值,得到CIA、MDISAA及MDRISAAP性能比較如表3所示；選取第一個(gè)陣元為例作自相關(guān)、互相關(guān)幅度(第1、2陣元波形互相關(guān))及特定頻帶干擾抑制性能比較如圖3所示.

由表3知:對于聯(lián)合抑制特定頻帶電磁干擾和相關(guān)旁瓣干擾的多目標(biāo)聯(lián)合優(yōu)化波形設(shè)計(jì)問題,CIA耗時(shí)較長(4.110s),分別是MDISAA和MDRISAAP的約5倍和約17倍,且在PSP指標(biāo)下差于MDISAA和MDRISAAP,而其ASP、CSP指標(biāo)與MDISAA和MDRISAAP相差不大；當(dāng)陣元數(shù)目較多或波形序列長度較大時(shí)將可能增加CIA計(jì)算復(fù)雜度,且易陷入局部停滯而導(dǎo)致收斂緩慢、耗時(shí)較長.MDRISAAP在PSP、ASP、CSP性能評價(jià)方面均略優(yōu)于MDISAA,這是由于MDRISAAP憑借其加速因子和松弛算子能夠優(yōu)化局部弱收斂區(qū),耗時(shí)僅為MDISAA的約28.3%.從圖3(a)和3(b)可知三種算法對于抑制旁瓣干擾性能差異不明顯,但從圖3(c)可看出,MDRISAAP和MDISAA相比CIA獲得了更低的抑制幅度,這與表3數(shù)據(jù)一致.

表3 不同算法針對聯(lián)合抑制特定頻帶干擾及相關(guān)旁瓣干擾性能比較

性能評價(jià)指標(biāo)PSP(dB)ASP(dB)CSP(dB)耗時(shí)(s)CIA?10．635?17．609?18．2974．110MDISAA?18．227-18．022-18．6240．838MDRISAAP-21．900-19．191-20．1980．237

5 結(jié)論

實(shí)驗(yàn)仿真表明,針對恒模、強(qiáng)散射體遮蔽干擾、陣元間波形互擾及特定頻帶電磁干擾等復(fù)雜任務(wù)場景,所提算法運(yùn)算效率高、可有效避免局部停滯且具有較高魯棒性,與當(dāng)前流行算法相比更適合在線波形設(shè)計(jì)；這與松弛迭代譜擬合交替投影的機(jī)制密切相關(guān).但如何妥善聯(lián)系各個(gè)任務(wù)以滿足盡可能多的設(shè)計(jì)要求,這將成為下一個(gè)研究重點(diǎn)；對于復(fù)雜任務(wù)場景而言,增多子任務(wù)意味著問題求解復(fù)雜度可能成倍增加,這都極其考驗(yàn)算法穩(wěn)定性和實(shí)時(shí)性.

[1]He H,Stoica P,Li J.Designing unimodular sequence sets with good correlations—Including an application to MIMO radar [J].IEEE Transactions on Signal Processing,2009,57(11):4391-4405.

[2]蔣敏,黃建國,韓晶.MIMO陣列恒定包絡(luò)波形設(shè)計(jì) [J].電子學(xué)報(bào),2011,39(9):2194-2199. Jiang Min,Huang Jian-guo,Han Jing.Constant envelope waveform design for MIMO array [J].Acta Electronica Sinica,2011,39( 9):2194-2199.( in Chinese)

[3]陳浩文,黎湘,莊釗文.一種新興的雷達(dá)體制—MIMO雷達(dá)[J].電子學(xué)報(bào),2012,40(6):1190-1198. Chen Hao-wen,Li Xiang,Zhuang Zhao-wen.A rising radar system-MIMO radar [J].Acta Electronica Sinica,2012,40(6):1190-1198.(in Chinese)

[4]趙偉,趙永波,李慧,等.MIMO雷達(dá)正交頻分非線性調(diào)頻波形設(shè)計(jì) [J].電子學(xué)報(bào),2014,42(11):2331-2336. Zhao Wei,Zhao Yong-bo,Li Hui,et al.Orthogonal frequency division-nonlinear frequency modulation waveform design for MIMO radar [J].Acta Electronica Sinica,2014,42(11):2331-2336.(in Chinese)

[5]Cheng S,Wang W Q,So H C.MIMO radar OFDM chirp waveform diversity design with sparse modeling and joint optimization [J].Multidimensional Systems and Signal Processing,2015:1-13.

[6]Wang G,Lu Y.Clutter rank of STAP in MIMO radar with waveform diversity [J].IEEE Transactions on Signal Processing,2010,58(2):938-943.

[7]唐波,張玉,李科,等.雜波中MIMO雷達(dá)恒模波形及接收機(jī)聯(lián)合優(yōu)化算法研究[J].電子學(xué)報(bào),2014,42(9):1705-1711. Tang Bo,Zhang Yu,Li Ke,et al.Joint constant-envelope waveform and receiver design for MIMO radar in the presence of clutter [J].Acta Electronica Sinica,2014,42(9):1705-1711.(in Chinese)

[8]He H,Li J,Stoica P.Waveform Design for Active Sensing Systems:A Computational Approach [M].Cambridge:Cambridge University Press,2012.17-147.

[9]Wu H,Song Z,Fan H,et al.A new algorithm for sparse frequency waveform design with range sidelobes constraint [J].Chinese Journal of Electronics,2015,24(3):604-610.

[10]趙宜楠,張濤,李風(fēng)從,等.基于交替投影的MIMO雷達(dá)最優(yōu)波形設(shè)計(jì)[J].電子與信息學(xué)報(bào),2014,36(6):1368-1373. Zhao Yi-nan,Zhang Tao,Li Feng-cong,et al.Optimal waveform design for MIMO radar via alternating projection [J].Journal of Electronics & Information Technology,2014,36(6):1368-1373.(in Chinese)

[11]Zhao Y N,Li F C,Zhang T,et al.Computational design of optimal waveforms for MIMO radar via multi-dimensional iterative spectral approximation [J].Multi-dimensional Systems and Signal Processing,2016,27(1):43-60.

[12]Li F C,Zhao Y N,Qiao X L.A waveform design method for suppressing range sidelobes in desired intervals [J].Signal Processing,2014,96(3):203-211.

[13]王旭,周生華,劉宏偉,等.一種空時(shí)聯(lián)合優(yōu)化的MIMO雷達(dá)波形設(shè)計(jì)方法 [J].西安電子科技大學(xué)學(xué)報(bào),2014,41(3):41-48. Wang Xu,Zhou Sheng-hua,Liu Hong-wei,et al.Waveform design method for MIMO radar based on joint spatial and temporal optimization [J].Journal of Xidian University,2014,41(3):41-48.(in Chinese)

[14]Liu B,He Z.Orthogonal discrete frequency-coding waveform design for MIMO radar [J].Journal of Electronics (China),2008,25(4):471-476.

[15]Zhao Z S,Feng X,Lin Y,et al.Evolved neural network ensemble by multiple heterogeneous swarm intelligence [J].Neurocomputing,2015,149(2):29-38.

[16]莊珊娜,賀亞鵬,朱曉華.低距離旁瓣稀疏頻譜波形相位編碼設(shè)計(jì) [J].電子與信息學(xué)報(bào),2012,34(5):1088-1095. Zhuang Shan-na,He Ya-peng,Zhu Xiao-hua.Phase coding for sparse frequency waveform with low range sidelobes [J].Journal of Electronics & Information Technology,2012,34(5):1088-1095.(in Chinese)

[17]Patton L K,Rigling B D.Phase retrieval for radar waveform optimization [J].IEEE Transactions on Aerospace and Electronic Systems,2012,48(4):3287-3302.

[18]Cegielski A,Suchocka A.Relaxed alternating projection methods [J].SIAM Journal on Optimization,2008,19(3):1093-1106.

馮 翔 男,1988年1月出生,山東濰坊人.現(xiàn)為哈爾濱工業(yè)大學(xué)電子與信息工程學(xué)院博士研究生.主要研究方向?yàn)檎J(rèn)知雷達(dá)、雷達(dá)自適應(yīng)信號處理、機(jī)器學(xué)習(xí)等.

E-mail:fengxiang230316@163.com

陳志坤 男,1982年7月出生,福建漳州人,現(xiàn)為哈爾濱工業(yè)大學(xué)博士研究生,主要研究方向?yàn)槔走_(dá)信號處理、電子偵察技術(shù).

E-mail:chih-quinn-chen@yeah.net

李風(fēng)從 男,1985年12月出生,湖北黃石人.博士,現(xiàn)為湖北工業(yè)大學(xué)講師.主要研究方向?yàn)樽赃m應(yīng)信號處理.

E-mail:xialulee@sina.com

趙宜楠(通信作者) 男,1977年2月出生,黑龍江哈爾濱人.現(xiàn)為哈爾濱工業(yè)大學(xué)(威海)信息工程研究所教授、博士生導(dǎo)師.主要研究方向?yàn)樾麦w制雷達(dá)、自適應(yīng)信號處理.

E-mail:hrbzyn@163.com

Phase-Coded Waveform Design via Relaxed Alternating Projection for MIMO Radar

FENG Xiang,CHEN Zhi-kun,LI Feng-cong,ZHAO Yi-nan

(SchoolofElectronicsandInformationEngineering,HarbinInstituteofTechnology,Harbin,Heilongjiang150001,China)

The sophisticated scenarios always challenge MIMO(Mutiple-Input Mlitiple-Output) radar.A relaxed iterative spectrum approximation alternating projection method (RISAAP) is proposed to design phase-coded waveforms,for suppressing high range sidelobes of strong scatters,electromagnetic interference in specified frequencies and cross-interference from different signals.This method is based on power spectral density (PSD) approximation and alternating projection with extended accelerating factor.Firstly,the correlation fitting is transformed into PSD approximation via FFT between the aperiodic correlation function and PSD.Secondly,the desired spectrum constraint is formulated and the projection space is expanded by its relaxed mechanism.Finally,the iterative optimization is conducted via FFT and accelerated alternating projection.Simulations demonstrate that this method could obtain efficient performance and avoid local stagnation which seems more convenient for waveform design on-the-fly than some prevalent algorithms.

MIMO radar; waveform design; power spectral density approximation; phase-coded; alternating projection

2015-03-30；

2016-2-25;責(zé)任編輯：梅志強(qiáng)

國家自然科學(xué)基金(No. 61371181 )

TN957.51

A

0372-2112 (2016)12-2981-08

??學(xué)報(bào)URL:http://www.ejournal.org.cn

10.3969/j.issn.0372-2112.2016.12.024