POMDP驱动的认知大规模MIMO雷达：未知干扰下的联合目标检测与跟踪

对嵌入未知干扰中的移动目标进行联合检测与跟踪是推动认知雷达范式发展的关键特性。基于多输入多输出（MIMO）雷达在鲁棒目标检测方面的最新进展，本研究探索了部分可观测马尔可夫决策过程（POMDP）框架在统计未知环境中增强跟踪与检测任务的应用。在POMDP设置中，雷达系统被视为一个智能体，持续感知周围环境，优化其动作以最大化检测概率（$P_D$）并改善目标位置和速度估计，同时保持恒定的虚警概率（$P_{FA}$）。所提出的方法采用一种在线算法，无需任何噪声统计的先验知识，并且依赖于比传统跟踪算法所使用的传统距离-方位-仰角模型更为通用的观测模型。仿真结果清楚地表明，与最近在大规模MIMO（MMIMO）雷达系统中研究的基于状态-动作-奖励-状态-动作（SARSA）的算法相比，基于POMDP的算法具有显著的性能提升。