بهبود مكان‌يابي در رادار MIMO با استفاده از اطلاعات پيشين

Improvement of Positioning in MIMO Radar Using Prior Information

دسته جديدي از سامانه­­ هاي رادار بنام رادارهاي MIMO در دهه گذشته مطرح گرديده­ اند. اين سامانه­ ها مزيت­ هاي بسياري را از لحاظ آشكارسازي و تخمين پارامترهاي اهداف نسبت به سامانه ­هاي قبل به ارمغان آورده­اند. با توجه به محدوديت­هايي كه روش ­هاي مكان­يابي مرسوم دارند، جهت استفاده از تمام مزيت­ هاي رادارهاي MIMO نياز به استفاده از روش­هاي جديد براي پردازش سيگنال است. در اين مقاله تخمين DOA براي رادار MIMO با استفاده از روش­هاي حسگري فشرده بررسي گرديده است. با توجه به اين‌كه در كاربردهاي عملي همچون تخمين DOA اطلاعات پيشين درباره محل اهداف وجود دارد، با استفاده از وزن‌دهي مناسب در روش پيشنهادي (P1,2,w)، بازيابي جهت، دامنه و تفكيك ­پذيري اهداف نتايج مطلوب­تري داشته و با تعداد اندازه­ گيري كمتر انجام گرديده است. به‌طوري‌كه مقدار 23% بهبود نسبت به روش­هاي رايج مشاهده مي­شود. مسئله بازيابي براي دو ماتريس اندازه­ گيري بررسي گرديده است و طبق نتايج شبيه‌سازي‌ها با انتخاب ماتريس اندازه‌گيري گوسي مي‌توان بازيابي سيگنال را با 8% اندازه‌گيري كمتر نسبت به ماتريس اندازه­ گيري واحد ناقص انجام داد.

A new category of radar systems that have been introduced in the last decade are MIMO radars. These systems have many advantages in terms of detecting and estimating target parameters compared to the previous systems. Due to the limitations of conventional positioning methods, to utilize all the advantages of MIMO radars, it is necessary to use new methods for signal processing. In this paper, the DOA estimation for MIMO radar is investigated using compact sensor methods. Given that in practical DOA estimation applications, there exists a prior information about the location of targets, in the proposed method(P1,2,w) by applying appropriate weighting, retrieving direction, amplitude and resolution of targets is done with smaller number of measurements and has better results. In this case, a 23% improvement over conventional methods is observed. Also, the recovery problem has been investigated for two measuring matrices, and according to the simulation results, the signal can be recovered with 8% less measurements by selecting the Gaussian measurement matrix instead of the partial identity measurement matrix.