16530

16530

آشكارسازي و تخمين پارامتر در رادارهاي MIMO بر اساس تنكي سيگنال

دكتري

مخابرات سيستم

دي ماه 1394

دكتر محمد حسين كهايي

v

چكيده هدف اصلي اين رساله، بهبود دقت تفكيك اهداف در سه بعد برد-زاويه-داپلر در رادار MIMO پالس-داپلر با استفاده از خاصيت تنكي سيگنال مي‌باشد كه به صورت يك مسئله تخمين پارامتر مطرح مي‌شود. همچنين با توجه به حجم بالاي محاسباتي حل معادله تنك در حالت پالس-داپلر رادار MIMO، ارائه راه كارهايي براي افزايش سرعت تخمين پارامترها در اين رادار، يكي ديگر از اهداف اين رساله مي‌باشد. بدين منظور در اين رساله، مدل دوبعدي سيگنال به منظور كاهش حجم محاسبات در تخمين پارامترهاي سيگنال تنك ارائه شده كه براي حل اين مدل پيشنهادي، الگوريتم‌هاي تنك دوبعدي توسعه و استخراج شده‌اند. چهار الگوريتم تنك دوبعدي 2D-IAA، 2D-SLIM، 2D-SBL-LP و 2D-TNIPM در اين رساله بر اساس كمينه‌سازي معيارها و نرم‌هاي متفاوت براي بازيابي سيگنال تنك حاصل مي‌شوند كه اين معيارهاي مختلف باعث مي‌شود كه هر كدام از اين الگوريتم‌هاي پيشنهادي در يك شرايط خاص از رادار MIMO و در يك كاربرد خاص از آن, عملكرد مناسب‌تري نسبت به بقيه از خود نشان دهد. در ادامه اين رساله، بررسي عملكرد مدل و الگوريتم‌هاي دوبعدي پيشنهادي در حضور جمر و ارائه راهكارهايي جهت جبران‌سازي اثر مخرب جمر بر روي عملكرد الگوريتم‌هاي تنك دوبعدي پيشنهادي در رادار MIMO انجام مي‌شود. يكي ديگر از كارهاي انجام شده در اين پايانان‌نامه، ارائه روشي جهت طراحي ماتريس اندازه‌گيري در حسگري فشرده دوبعدي مي‌باشد كه باعث بهبود آشكارسازي رادار در نمونه برداري زير نرخ نايكويست ميشود. براي ارزيابي الگوريتم‌ها از لحاظ حجم پردازش، تعداد ضرب‌هاي مورد نياز هر الگوريتم و همچنين مدت زمان مورد نياز براي پردازش الگوريتم‌هاي مختلف را با يكديگر مقايسه مي‌كنيم. همچنين راندمان اين الگوريتم‌ها را در تخمين برد، زاويه و شيفت داپلر اهداف مورد ارزيابي قرار مي‌دهيم. نتايج شبيه‌سازي نشان مي‌دهد كه الگوريتم پيشنهادي دوبعدي 2D-SBL-LP در مقايسه با الگوريتم مشهور BCS-LP نه تنها داراي دقت بهتر در تخمين پارامترهاي رادار MIMO مي‌باشد بلكه داراي حجم پردازشي كمتري نسبت به آن است. همچنين الگوريتم‌هاي پيشنهادي دوبعدي 2D-SLIM، 2D-IAA و 2D-TNIPM در مقايسه با الگوريتم‌هاي يك‌بعدي، داراي عملكرد يكسان در بازسازي پارامترهاي رادار MIMO هستند در حالي كه حجم پردازشي بسيار پايين‌تري نسبت به الگوريتم‌هاي يك‌بعدي دارند. واژه‌هاي كليدي: پردازش سيگنال تنك، رادار چند ورودي-چند خروجي MIMO، مدل سيگنال دوبعدي، الگوريتم بازسازي سيگنال، حسگري فشرده.

1395/11/17

1/1/1900 12:00:00 AM

Abstract: The main goal of this thesis is to improve the target detection an​d parameter estimation using sparse signal models. Due to the high dimension of sparse signal models in pulse Doppler MIMO radars, proposing some solutions for decreasing the computational complexities of sparse processing is the other goal of this thesis. In so doing, the two dimensional (2D) sparse model is proposed for pulse Doppler MIMO radars in which the computational complexity is much less than that of the one dimensional sparse signal model. To solve the proposed 2D sparse signal model directly, four 2D algorithms including 2D-IAA, 2D-SLIM, 2D-SBL-LP, an​d 2D-TNIPM are proposed based on different criteria an​d norms. Accordingly, the behavior of each proposed algorithm is different from the others, an​d some ones have better performance in special situations such as low SNRs, high sparsity levels, the low number of measurements, an​d so on. In addition, a method is proposed to cope with the destructive effect of jammers on the 2D proposed sparse recovery algorithms for MIMO radars. Also, to improve the target detection for sub-Nyquist sampling rates, a measurement matrix design is proposed for 2D compressed sensing based on minimization of mutual coherency of the columns of the sensing matrix. To eva​luate the computational complexity of different algorithms, the number of flops needed for execution of each algorithm an​d also the running time of different algorithms are compared with each other. Also, the target detection an​d parameter estimation of different algorithms are compared with each other. The simulation results show that the proposed 2D-SBL-LP algorithm compered to well-known BCS-LP not only has a better performance in sparse recovery, but also has a less computational cost. Furthermore, the proposed 2D-SLIM, 2D-IAA, an​d 2D-TNIPM algorithms compared to the 1D ones reduce the computational burden drastically while both related 1D an​d 2D algorithms achieve the same performance. Keywords: Pulse Doppler MIMO radar, sparse learning via iterative minimization, Two-Dimensional sparse signal model, truncated Newton interior point method, sparse signal l1-norm based recovery, Sparse Bayesian learning, Bayesian compressive sensing.