MIMO雷达目标定位

　　多输入多输出（Multiple-Input Multiple-Output，MIMO）雷达是国际上近几年发展起来的一种新体制雷达，它借鉴了在通信领域取得巨大成功的MIMO技术，具有广阔的应用前景。MIMO雷达可以提高雷达探测目标的可靠性和探测精度，具有抗干扰、抗隐身能力，因此可以用于对海上或空中目标的预警、跟踪和识别。为了实现对敌目标有效监测与阻击，需要雷达具有良好的方位分辨力，对敌目标方位快速、准确地加以辨别定位，以实施精确打击。开展MIMO雷达空间目标角定位研究，旨在攻克其中的若干关键技术，为MIMO雷达应用提供理论基础和技术支撑，对于自主发展我国国防科技和武器装备具有十分重要的理论与现实意义。《MIMO雷达目标定位》系统深入地研究了MIMO雷达中目标定位，包括MIMO雷达的角度估计、MIMO雷达相干角度估计、MIMO雷达联合角度和多普勒频率估计、MIMO雷达的角度跟踪和非理想阵列中MIMO雷达参数估计。
　　《MIMO雷达目标定位》的读者对象为通信与信息系统、信号和信息处理、微波和电磁场和水声等专业本科生的高年级学生和研究生，亦可供从事这些专业领域的科技工作者参考使用。

第1章 绪论
1.1 引言
1.2 国内外研究现状及发展动态分析
1.3 章节安排
参考文献

第2章 基础知识
2.1 矩阵代数的相关知识
2.1.1 特征值与特征向量
2.1.2 广义特征值与广义特征向量
2.1.3 矩阵的奇异值分解
2.1.4 Toeplitz矩阵
2.1.5 Hankel矩阵
2.1.6 Vandermonde矩阵
2.1.7 Hermitian矩阵
2.1.8 Kronecker积
2.1.9 Khatri-Rao积
2.1.10 Hadamard积
2.2 常用接收阵和发射阵模型
2.2.1 均匀线阵
2.2.2 L型阵列
2.2.3 面阵
2.3 本章小结
参考文献

第3章 MIMO雷达角度估计
3.1 MIMO雷达的接收信号模型
3.1.1 双基地MIMO雷达模型
3.1.2 单基地MIMO雷达模型
3.2 MIM0雷达的角度估计算法：ESPRIT类
3.2.1 双基地MIMO雷达基于EsPRIT角度估计算法
3.2.2 单基地MIMO雷达中基于低复杂度（Rc）ESPRIT的角度估计
3.2.3 非圆实信号MIMO雷达中基于实值ESPRIT的角度估计
3.2.4 面阵MIMO雷达中基于UnitaryRD-ESPRIT的角度估计算法
3.3 MIMO雷达的角度估计算法：MUSIC类
3.3.1 2D-MUSTC
3.3.2 双基地MIMO雷达的角度估计算法：降维MUSIC（RD-MUSIC）算法
3.3.3 单基地MIMO雷达的角度估计算法：降复杂度（RC）-MUSIC
3.3.4 双基地MIM0雷达中基于级联MuSIC的角度估计
3.4 MIMO雷达的角度估计算法：Capon类
3.4.1 2D-Capon算法
3.4.2 双基地MIMO雷达系统RD-Capon算法
3.4.3 双基地MIMO雷达系统中改进RD-capon算法
3.4.4 单基地MIMO雷达的角度估计算法：RC-Capon
3.5 MIMO雷达的角度估计算法：PM类
3.5.1 单基地MIMO雷达中基于PM算法和降维变换的高效DOA估计算法
3.5.2 任意阵MIMO雷达中一种低复杂度的联合2D-DOD与2D-DOA的估计算法
3.6 MIMO雷达的角度估计算法：PARAFAC
3.6.1 基于三线性分解法的MIM0雷达的角度估计
3.6.2 MIMO雷达中基于改进三线性分解的角度估计方法
3.7 MIMO雷达的角度估计算法：联合对角化
3.7.1 数据模型
3.7.2 角度估计算法
3.7.3 仿真结果
3.8 M1MO雷达的角度估计算法：矩阵束方法
3.8.1 数据模型
3.8.2 基于矩阵束的角度估计算法
3.8.3 仿真结果
3.9 MIMO雷达中角度估计算法：四元数理论
3.9.1 基于四元数的Root-MUSIC的双基地MIMO雷达中角度估计算法
3.9.2 基于四元数ESPRIT的MIMO雷达中角度估计算法
3.10 MIMO雷达中的角度估计：压缩感知
3.11 本章小结
参考文献

第4章 MlMO雷达相干角度估计
4.1 单基地MIMO雷达中基于子阵列平移的相干DOA估计算法
4.1.1 数据模型
4.1.2 基于前后向平移的相干DOA估计
4.1.3 仿真结果
4.2 双基地MIMO雷达中基于PARALIND分解的DOD与DOA联合估计算法
4.2.1 数据模型
4.2.2 基于PARAL，IND分解的DOD与DOA联合估计算法
4.2.3 仿真结果
4.3 单脉冲MIMO雷达中的RD-ESPRIT相干DOA估计算法
4.3.1 单脉冲MIMO雷达接收信号及Toeplitz矩阵集的构造
4.3.2 RD-ESPKIT算法
4.3.3 算法步骤，复杂度及优点
4.3.4 仿真结果
4.4 单脉冲MIMO雷达中基于矩阵重构与三线性分解的相干DOA估计算法
4.4.1 基于重构的Toeplitz矩阵进行三线性分解
4.4.2 DOA估计
4.4.3 算法步骤，复杂度及优点
4.4.4 仿真结果及分析
参考文献

第5章 MIMO雷达角度和频率联合估计
5.1 双基地MIMO雷达下的角度和频率联合估计：DOA矩阵法
5.1.1 数据模型
5.1.2 多普勒频率估计
5.1.3 二维发射角和到达角估计
5.1.4 仿真结果
5.2 双基地MIMO雷达角度和多普勒频率联合估计：ESPRIT算法
5.2.1 多普勒频率估计
5.2.2 二维发射角和到达角估计
5.2.3 仿真结果
5.3 双基地MIMO雷达角度和多普勒频率联合估计：PM算法
5.3.1 多普勒频率估计
5.3.2 二维发射角和到达角估计
5.3.3 利用PM算法实现角度和频率联合估计
5.3.4 仿真结果
5.4 基于四线性分解的双基地MIMO雷达的角度和多普勒频率联合估计
5.4.1 双基地MIMO雷达时空数据模型
5.4.2 基于PARAFAC四线性分解的联合估计算法
5.4.3 仿真结果
5.5 MIMO雷达中基于稀疏表示的联合角度和多普勒频率估计
5.5.1 数据模型
5.5.2 MIMO雷达中基于稀疏表示的联合角度和多普勒频率估计
5.5.3 仿真结果
5.6 单基地MIMO雷达中基于压缩感知平行因子分析的联合角度与多普勒频率估计算法
5.6.1 数据模型
5.6.2 CS-PARAFAC算法联合角度与多普勒频率估计
5.6.3 性能分析
5.6.4 仿真结果
5.7 本章小结
参考文献

第6章 MIMO雷达中DOA跟踪
6.1 单基地MIMO雷达中基于自适应PARAFAC-RLST的DOA跟踪算法
6.1.1 数据模型
6.1.2 利用自适应PARAFAC-RLST进行DOA跟踪
6.1.3 复杂度分析
6.1.4 仿真结果
6.2 单基地MIMO雷达中基于双平行阵列的二维DOA跟踪算法
6.2.1 数据模型
6.2.2 基于PASTd的二维DOA跟踪算法
6.2.3 CRB
6.2.4 仿真结果
6.3 单基地MIMO雷达中基于Kalman滤波和OPASTd的DOA跟踪算法
6.3.1 数据模型
6.3.2 利用Kalman滤波和OPASTd进行DOA跟踪
6.3.3 复杂度分析和CRB
6.3.4 仿真结果
6.4 单基地MIMO雷达中基于协方差矩阵元素的DOA跟踪算法
6.4.1 数据模型
6.4.2 降维处理
6.4.3 基于协方差矩阵元素的DOA跟踪算法
6.4.4 修正
6.4.5 复杂度分析和本节算法的优点
6.4.6 误差分析
6.4.7 仿真结果
6.5 本章小结
参考文献

第7章 非理想阵列情况下MIMO雷达参数估计
7.1 双基地MIMO雷达中基于RD-MUSIC的联合角度和幅相误差估计
7.1.1 数据模型
7.1.2 联合角度和幅相误差估计算法
7.1.3 仿真结果
7.2 双基地MIMO雷达中基于三线性分解的联合角度和阵列幅相误差估计
7.2.1 数据模型
7.2.2 联合角度与幅相误差估计方法
7.2.3 复杂度分析及算法优点
7.2.4 仿真结果
7.3 收发阵列为非线阵的双基地MIMO雷达中一种角度与阵列幅相误差联合估计
7.3.1 数据模型
7.3.2 联合角度与幅相误差估计算法
7.3.3 复杂度分析、CRB及算法优点总结
7.3.4 仿真结果
7.4 MIMO雷达中幅相误差下的联合角度和多普勒频率估计
7.4.1 数据模型
7.4.2 幅相误差下MIMO雷达中的联合角度和多普勒频率估计
7.4.3 复杂度分析、CRB及算法优点总结
7.4.4 仿真结果
7.5 单基地MIMO雷达中未知互耦下基于Root-MUSIC的角度估计
7.5.1 数据模型
7.5.2 角度和互耦联合估计算法
7.5.3 复杂度分析及算法优点总结
7.5.4 算法性能分析
7.5.5 仿真结果
7.6 MIMO雷达中未知互耦下基于稀疏表示的联合角度和多普勒频率估计
7.6.1 数据模型
7.6.2 双基地MIMO雷达中未知互耦下的联合角度和多普勒频率估计
7.6.3 算法总结
7.6.4 仿真结果
7.7 双基地MIMO雷达中一种基于PM-like的联合角度与幅相误差估计
7.7.1 数据模型
7.7.2 PM-like算法实现联合角度与幅相误差估计
7.7.3 仿真结果及分析
参考文献