基于雜波的收發分置MIMO雷達陣列位置誤差聯合校正方法

劉 源糾 博*劉宏偉夏香根（西安電子科技大學雷達信號處理國家重點實驗室 西安 710071）（美國特拉華大學電子與計算機工程學院 紐華克 19716）

基于雜波的收發分置MIMO雷達陣列位置誤差聯合校正方法

劉 源①糾 博*①劉宏偉①夏香根①②
①（西安電子科技大學雷達信號處理國家重點實驗室 西安 710071）②（美國特拉華大學電子與計算機工程學院 紐華克 19716）

針對收發分置多輸入多輸出（MIMO）雷達發射端和接收端均存在位置誤差的問題，該文提出一種基于雜波回波的收發陣列位置誤差聯合校正方法。該方法以最小化雜波回波數據的重構均方誤差為準則，在雜波散射系數l1范數稀疏約束下，利用雙迭代與凸優化方法對雜波散射系數和陣列位置誤差參數進行聯合優化求解，最終完成了對收發陣列位置誤差的同時估計與校正。仿真實驗表明了所提算法的有效性。

MIMO雷達；位置誤差；參數估計；稀疏重構

1 引言

近年來，多輸入多輸出（Multiple Input Multiple Output， MIMO）雷達作為一種新體制雷達受到了廣泛的關注［1-10］。相比于傳統的相控陣雷達，MIMO雷達具有更高的系統自由度，它可以獲得更好的角度估計性能［1-3］，以及靈活的進行發射方向圖設計［4］。然而在實際應用中由于陣列誤差不可避免，誤差的存在將導致測角高分辨技術的性能嚴重下降［7］，使得發射方向圖發生畸變［8］。因此，需要對陣列誤差進行校正。

現有陣列誤差校正方法可以分為有源校正方法［11，12］和自校正方法［13-16］兩大類。有源校正是在空間設置方位已知的輔助信源對陣列誤差參數進行離線估計，這類方法運算量小、實現簡單。但是當輔助信源存在誤差時，這類校正方法性能下降。自校正方法通常利用某種優化函數對空間信源方位與陣列擾動參數進行聯合估計。現有的誤差校正方法大多是將空間離散輻射源作為校正源，用來實現對接收陣列誤差的校正。但由于陣列所接收到的數據與發射端誤差無關，故此類方法不能校正發射陣列的誤差。此外，這些方法對外置輻射源的數量以及輻射信號能量具有一定的要求，需要較高的應用條件，從而影響了校正方法的適用性。如果將雜波散射點作為校正源，利用經其反射的回波信號，便可實現對收發陣列誤差的聯合校正。并且由于雜波散射點普遍存在，因此基于雜波的誤差校正方法不需要特殊的輻射源，更適合于一般的校正環境?；诖?，文獻［16］提出了一種基于雜波的陣列位置誤差自校正算法，該算法以線性約束最小方差（LCMV）為準則，通過求解所有觀測方向上的誤差校正權，最終實現了對陣列誤差的校正。但是，該算法沒有考慮發射端陣列誤差，與實際情況不符。其次，文獻［16］中算法并沒有估計出陣列位置誤差的數值，對于不同的雜波場景而言，其獲取的校正權矢量是不相同的，即該算法得到的校正權與雜波場景有關，若場景發生改變，則需要重新求取校正權矢量來完成陣列誤差校正，這也限制了該算法在實際中的應用。

針對上述問題，本文在發射和接收端均存在陣列位置誤差的情況下，提出了一種基于雜波的陣列位置誤差聯合校正算法。算法利用稀疏重構法與最速下降法交替迭代估計的方法，通過引入包含位置誤差信息的補償矩陣，對完備基矩陣進行逐步修正，利用修正后的基矩陣完成對雜波散射點方位角度及散射系數的估計，并由此得到收發陣列位置誤差參數。該算法無需特殊的外置輻射源，可以同時完成對陣列收發端位置誤差的校正。文中最后對算法進行了仿真驗證。

2 MIMO雷達信號模型

考慮一收發分置MIMO雷達系統由 x-y平面內的M個發射天線和N個接收天線構成，收發陣列都為半波間距的均勻線陣（ULA）。假設發射陣列和接收陣列相距較近，則對于遠場目標，可認為其波達方向（Direction Of Arrival， DOA）與波離方向（Direction Of Departure， DOD）近似相同，如圖1所示。各發射天線發射正交波形，快拍數為 L。令第m個發射天線在第l時刻發射信號為 sml。那么陣列發射信號矩陣可以表示為

圖1 收發分置MIMO雷達示意圖

其中， ej為第j個雜波塊的復散射系數，為噪聲矢量，分別表示陣列在 φj方向上的發射導向矢量和接收導向矢量。記發射陣列中第m個陣元與接收陣列中第n個陣元的坐標分別為，則 at（ φj）和 ar（φj）可以由式（3）表示為

其中，?表示Kronecker積，WY∈CMN×1為噪聲矢量。

在實際工程應用中陣列誤差在所難免，這將導致實際的陣列流型相比理想的陣列流型出現一定的偏差。不失一般性，陣列誤差一般包含幅相誤差、位置誤差和互耦誤差，本文中假設收發陣列僅存在陣元位置誤差。設發射陣列中第m個陣元與接收陣列中第n個陣元的位置誤差分別記為和那么在存在陣列位置誤差時陣列接收到的數據經過匹配濾波后的輸出為

3 聯合迭代自校正算法

由上一節的信號模型可知，經過匹配濾波后的回波數據Z中包含了雜波散射點的散射系數信息以及收發陣列的位置誤差參數信息。本文的思想是將空間離散的雜波散射點作為觀測校正源，從雜波回波數據Z中估計出收發陣列的位置誤差。不失一般性，我們假設觀測場景內某一距離單元的強雜波點是稀疏的（即散射系數矢量e中只有少量元素的模值較大，其余元素的模值都相對較?。?。為此，本文提出了基于雜波的收發陣列位置誤差聯合校正算法，算法簡要流程圖如圖2所示，下面對圖2中的具體操作步驟進行說明。

3.1 雜波散射系數估計

圖2 算法流程圖

將空間方位維離散化為Q個觀測網格，設在第q個觀測方向上，由陣元位置誤差引起的發射陣列與接收陣列導向矢量誤差分別為即其中N。對該觀測方向上構造如式（9）所示的基矩陣。

式（12）是一個凸優化問題，可采用 cvx工具包［19］對其進行求解。首先給定收發陣列位置誤差的初值 ρ0，表達式為

3.2 收發陣列位置誤差估計

由上節的分析可知，在給定位置擾動初值的情況下，利用式（12）可以估計出場景雜波的散射系數。但是由于收發陣列存在位置誤差，這將會導致接收數據Z和基矩陣B之間產生“失配”，故首先只能得到雜波散射系數的不︵精確估計。如果將上一步估計出的雜波散射系數η代入到代價函數中，繼而估計出收發陣列位置誤差參數用以更新補償矩陣ΔB，如此便可以減小接收數據Z和基矩陣B之間的“失配”問題。若將更新后的補償矩陣ΔB代入式（12）中再對雜波散射系數進行求解，便可提高其估計精度。下面介紹用最速下降算法實現對位置誤差參數的估計。

示為如式（15）所示的矩陣形式。

由式（15）可以看出中，補償矩陣ΔB中包含了收發陣列位置誤差參數。在本問題中，我們將所有陣列位置誤差參數表示為如下的向量形式：

由鏈式求導法則可得

其中， ρ（ p）表示向量ρ中的第p個元素，tr（·）表示求矩陣的跡。記代價函數F對所有陣列位置誤差參數求導的梯度向量為▽k，則其可以表示為

以最速下降法來求解陣列位置誤差參數，給定位置誤差參數初值 ρ0，則第 k+ 1次迭代時陣列位置誤差參數的估計值可以表示為

3.3 聯合估計算法

將 3.2節所得陣列位置誤差參數的估計值代入到補償矩陣ΔB中，利用式（12）估計出新的雜波散射系數，將其代入到式（11）中，再次利用式（14）-式（19）估計出新的陣列位置誤差參數，并將其代入到補償矩陣中來更新基矩陣B。如此重復上述過程，便可以逐步提高陣列位置誤差參數與雜波散射系數的估計精度。給定算法的最大迭代次數I，令 Fi和 Fi+1分別表示經過第 i- 1次和第i次迭代后代價函數的值，δ表示一個比較小的數，在經過第i次迭代

至此，我們提出了收發分置MIMO雷達收發陣列位置誤差及雜波散射系數的聯合估計算法。算法的主要流程概括如表1所示。

4 仿真實驗

表1 陣列誤差與雜波散射系數聯合估計算法流程

實驗 1本實驗中考慮收發陣列都為半波間距的均勻線陣（ULA），且陣元個數均為16，發射陣列發射正交波形，信號碼長為 256。將空間角度每間隔1°離散化為一個方位網格。假設在和 θ4= 40°4個角度存在強雜波散射點，其余空間方位為弱雜波散射點，且雜波分布事先未知，真實的雜波場景分布如圖 3所示。收發陣元的位置擾動服從均值為 0，標準差為0.1λ的高斯分布。發射端和接收端理想的陣列流型以及存在位置誤差時真實的陣列流型如圖 4所示。本實驗中雜噪比定義為

圖3 真實雜波場景

其中，Pc為陣列接收端接收到的雜波平均功率，PN為噪聲功率。進行200次蒙特卡羅仿真實驗，取CNR =30 dB，初始補償矩陣ΔB為全1矩陣，搜索步長算法最大迭代次數 I= 300， ε=

圖5給出了陣元位置的估計誤差隨著迭代次數的變化情況，縱坐標表示平均陣元位置估計誤差與半波長 λ/ 2的百分比。在開始迭代之前，平均位置估計誤差百分比為17.49，在經過170次迭代后算法收斂，平均位置估計誤差百分比降為 0.1319。本實驗中平均陣元位置估計誤差表示經過當前次迭代后估計的陣元位置與真實的陣元位置之間的平均距離和，所有的距離均以半波間距 λ/ 2為量測單元。例如，平均陣元位置誤差百分比為 17.49表示估計的陣元位置與真實的陣元位置之間的距離和除以總的陣元個數后的結果為 0.1749λ/ 2。平均陣元位置估計誤差的計算公式可以用式（22）表示。

圖6給出了發射端和接收端陣元位置真實值與陣元位置估計值的分布情況。由此可以看出，在收發陣列同時存在位置誤差的情況下，利用本文所提出的迭代算法可以有效的估計出陣列誤差。

為驗證雜波散射系數估計精度方面的性能，本文采用均方誤差（MSE）作為衡量標準，被定義為其中，Q為空間方位離散角度的網格數。雜波散射系數估計的均方誤差（MSE）隨迭代次數的變化情況如圖7所示，縱坐標表示散射系數估計的均方誤差，在第1次迭代之前散射系數的均方誤差為250.2，在經過最后一次迭代后，散射系數估計的均方誤差下降到0.328。圖7的結果表明，在陣列收發端同時存在位置誤差的情況，本文算法可以有效地提高雜波點散射系數的估計精度。圖8給出了雜波散射系數的真實值，估計值以及重構誤差。圖中結果表明在對雜波場景沒有任何先驗信息的情況下，本文算法可實現以較小的重構誤差恢復出雜波散射系數。

實驗 2為了進一步驗證本文算法的有效性，下面分別以發射陣列和接收陣列的校正效果為例進行說明。本實驗中的陣列位置誤差與估計位置誤差均采用實驗1中的結果。

對于發射陣列，我們通過對比理想發射方向圖與校正前后的發射方向圖來驗證校正效果。其中，發射方向圖定義為

圖4 發射端與接收端理想陣元位置與真實陣元位置

圖5 陣元位置估計誤差

式中，分別表示理想的發射方向圖、發射天線存在位置誤差時的發射方向圖以及發射天線位置誤差補償后的發射方向圖；w表示理想情況所得權值，其表達式為分別表示發射端理想情況下導向矢量、存在位置誤差時導向矢量和經過位置誤差補償后的導向矢量。的表達式為

圖6 發射端與接收端估計陣元位置與真實陣元位置

圖7 散射系數估計均方誤差

圖8 雜波點散射系數真實值、估計值及重構誤差

當期望發射方向圖主波束指向30°時，圖9分別給出了理想情況下綜合出的發射方向圖、發射天線存在位置誤差時的發射方向圖以及發射天線位置誤差補償后的發射方向圖。由圖9的結果可以看出，當發射天線存在位置誤差時，發射方向圖中不僅主波束方向產生了偏離而且副瓣電平明顯抬高，而采用本文方法對陣列誤差進行校正后，綜合所得發射方向圖與理想發射方向圖十分接近。

對于接收陣列，我們采用 MUSIC算法來驗證本文所提算法的有效性。此時假設空間中存在個等功率獨立信源，信噪比為0 dB，快拍數為128。本實驗中，MUSIC功率譜的定義如下：

式中， UN為接收信號的噪聲子空間， PMUSIC（θ），和分別表示理想的MUSIC功率譜、接收天線存在位置誤差時的 MUSIC功率譜以及接收天線位置誤差補償后的MUSIC功率譜。的表達式為

圖10分別給出了理想情況下所得MUSIC功率譜及接收天線位置誤差補償前后所得 MUSIC功率譜。從這些結果可以看出，當接收天線存在位置誤差時，MUSIC算法所得的譜峰會發生失真，偏離目標的真實角度，從而產生角度估計誤差。而采用本文方法對陣列誤差進行校正后，所得的功率譜與理想情況下的功率譜基本重合。從而驗證了本文方法可以顯著改善陣列位置誤差帶來的影響。

實驗 3為了驗證不同雜噪比條件下本文算法的有效性，下面分別取CNR從10～45 dB變化，其余仿真條件與實驗1相同。本實驗中，陣列位置估計的均方根誤差（RMSE）被定義為

圖11給出了陣元位置的估計均方根誤差（RMSE）隨CNR的變化曲線，由于一般情況下雜噪比較大所以實驗中我們取CNR從10～45 dB變化。從圖 11中的結果可以看出，在不同的雜噪比條件下，本文算法得到的收發端陣元位置估計的均方根誤差變化不大，從而進一步說明了本文算法的有效性。

圖9 波束指向30°時發射方向圖

圖10 MUSIC算法功率譜

圖11 位置估計均方根誤差隨CNR的變化曲線

5 結束語

本文提出一種基于雜波的收發陣列位置誤差聯合校正算法，該算法通過引入包含陣列位置誤差的補償矩陣，采用稀疏重構算法與最速下降算法交替迭代估計的方法，實現了雜波散射系數與收發陣列位置誤差的聯合估計。相比于傳統的陣列誤差校正方法，本文算法不需要特殊的外置輻射源，而是以易于獲取的空間雜波作為校正“資源”，完成了對陣列收發端位置誤差的同時校正。但是，本文在重構雜波場景時，假設場景中強雜波散射點是稀疏的，如何在各種更為復雜的雜波場景條件下完成陣列誤差校正，還需進一步討論和研究。

［1］ Li J and Stoica P. MIMO radar-diversity means superiority［C］. Proceedings IEEE 14th Annual Workshop on Adaptive Sensor Array Processing （invited）， MIT Lincoln Laboratory，Lexington， 2006: 1-64.

［2］ Li J， Stoica P， Xu L， et al.. On parameter identifiability of MIMO radar［J］. IEEE Signal Processing Letters， 2007， 14（12）: 968-971.

［3］ Hua G and Abeysekera S S. A comparison on DOA parameter identifiability for MIMO and phased-array radar［C］. IEEE International Conference on Information，Communications and Signal Processing （ICICS）， Tainan，2013: 10-13.

［4］ Babur G， Aubry P， and Le Chevalier F. Improved calibration technique for the transmit beamforming by a coherent MIMO radar with collocated antennas［C］. IEEE International Conference on General Assembly and Scientific Symposium（URSI GASS）， Beijing， 2014: 16-23.

［5］ Kashin V A and Mavrychev E A. Robust DOA estimation in MIMO radar with transmitting uncertainties［C］. IEEE Sensor Array and Multichannel Signal Processing Workshop（SAM）， A Coruna， 2014: 22-25.

［6］ Guo Y D， Zhang Y S， and Tong N N. ESPRIT-like angle estimation for bastatic MIMO radar with gain and phase uncertainties［J］. IET Electronics Letters， 2011， 47（17）: 996-997.

［7］ Friedlander B. Sensitivity analysis of the maximum likelihood direction-finding algorithm［J］. IEEE Transactions on Aerospace and Electronic Systems， 1990， 26（6）: 953-968.

［8］ 蘇洪濤， 張守宏， 保錚. 發射陣列互耦及幅相誤差校正［J］. 電子與信息學報， 2006， 28（5）: 941-944. Su Hong-tao， Zhang Shou-hong， and Bao Zheng. Mutual coupling， gain and phase error calibration for transmitting array［J］. Journal of Electronics & Information Technology，2006， 28（5）: 941-944.

［9］ 吳夢， 劉宏偉， 王旭. 一種循環迭代的MIMO雷達發射方向圖設計方法［J］. 電子與信息學報， 2015， 37（2）: 322-327. Wu Meng， Liu Hong-wei， and Wang Xu. A cyclic method for MIMO radar transmit beampattern design［J］. Journal of Electronics & Information Technology， 2015， 37（2）: 322-327.

［10］ 王旭， 糾博， 劉宏偉， 等. 一種基于先驗信息的MIMO雷達發射方向圖設計方法［J］. 電子與信息學報， 2013， 35（12）: 2802-2808. Wang Xu， Jiu Bo， Liu Hong-wei， et al.. A Beampattern designmethod for MIMO radar based on a priori information［J］. Journal of Electronics & Information Technology， 2013，35（12）: 2802-2808.

［11］ Ng B C and Ser W. Array shape calibration using sources in known locations［C］. Proceedings of Singapore ICCS/ ISITA’92， Singapore， 1992: 836-840.

［12］ Boon C N and See C S. Sensor-array calibration using a maximum-likelihood approach［J］. IEEE Transactions on Antennas and Propagation， 1996， 44（6）: 827-835.

［13］ Weiss A J and Friedlander B. Array shape calibration using sources in unknown locations-a maximun likelihood approach［C］. IEEE International Conference on Acoustics，Speech and Signal Processing， New York， 1988: 11-14.

［14］ Li J F and Zhang X F. A method for joint angle and array gain-phase error estimation in bistatic multiple-input multiple-output non-linear arrays［J］. IET Signal Processing，2014， 8（2）: 131-137.

［15］ Li H B， Wei Q， Jiang J， et al.. Angle estimation and self-calibration for bistatic MIMO radar with mutual coupling of transmitting and receiving arrays［C］. IEEE Workshop on Electronics， Computer and Applications，Ottawa， 2014: 8-9.

［16］ Yu J and Krolik J. Adaptive phase-array calibration using MIMO radar clutter［C］. IEEE Radar Conference， Ottawa，2013: 1-5.

［17］ Donoho D L， Elad M， and Temlyakov V N. Stable recovery of sparse overcomplete representations in the presence of niose［J］. IEEE Transactions on Information Theory， 2006，52（1）: 6-18.

［18］ Sajjadieh M H S and Asif A. Compressive sensing time reversal MIMO radar: joint direction and doppler frequency estimation［J］. IEEE Signal Processing Letters， 2015， 22（9）: 1283-1287.

［19］ Grant M and Boyd S. CVX: Matlab software for disciplined convex programming［CP/OL］. http://stanford.edu/～boyd /cvx， 2008.

劉 源： 男，1989年生，博士生，研究方向為MIMO雷達信號處理、自適應信號處理.

糾 博： 男，1982年生，博士，副教授，研究方向為自適應信號處理、雷達自動目標識別、認知雷達.

劉宏偉： 男，1971年生，博士，教授，博士生導師，研究方向為雷達信號處理、雷達自動目標識別、認知雷達、協同探測.

夏香根： 男，1963年生，博士，教授，博士生導師，研究方向為空時編碼、MIMO和OFDM系統、SAR和ISAR成像.

Joint Transmit and Receive Array Position Error Calibration for Bistatic MIMO Radar Based on Clutter

Liu Yuan①Jiu Bo①Liu Hong-wei①Xia Xia，ng-gen①②
①（National Laboratory of Radar Signal Processing， Xidian University， Xian 710071， China）
②（Department of Electrical and Computer Engineer， University of Delaware， Newark， DE 19716， USA）

The issue of position error estimation for transmit and receive array of a bistatic Multiple-Input Multiple-Output （MIMO） radar is investigated， and an algorithm for the joint estimation based on clutter echo is proposed. The algorithm is based on the criterion of minimizing the reconstruction mean-square error of clutter echo under the restraint of l1-norm of clutter coefficient. An alternately iterative and convex optimization algorithm is adopted to complete the estimation of clutter scattering coefficients and the position error of both transmit and receive arrays. The simulation results indicate the effectiveness of the proposed algorithm.

MIMO radar； Position error； Parameter estimation； Sparse reconstruction

s: The National Natural Science Foundation of China （61271291， 61201285）； The Fondamental Research Fund for the Cenfral Universities of China

TN958

A

1009-5896（2015）12-2956-08

10.11999/JEIT150347

2015-03-24；改回日期：2015-07-01；網絡出版：2015-08-25

*通信作者：糾博 bojiu@mail.xidian.edu.cn

國家自然科學基金（61271291， 61201285）和中央高?；究蒲袠I務費專項資金