认知雷达慢时间发射序列的鲁棒最坏情况黎曼优化
信号处理
2024-04-17 v1
摘要
慢时间发射序列的优化使认知雷达能够在距离-多普勒域中抑制强杂波。然而，在实践中，目标速度信息不准确或随机相位误差会导致实际目标导向矢量的不确定性，进而严重恶化慢时间匹配滤波器的性能。为解决此问题，我们提出了一种新的慢时间发射序列优化方法。所提方法将具有不确定目标导向矢量的原始非凸优化问题转化为两步最坏情况优化问题。对于每个子问题，我们开发了相应的信赖域黎曼优化算法。通过迭代求解这两个子问题，可以在没有目标导向矢量精确信息的情况下达到次优解。此外，我们分析了所提算法的收敛性并给出了详细的收敛性证明。与传统波形优化方法不同，所提方法专为处理不确定的目标导向矢量而设计，因此在实际雷达系统中更具鲁棒性。不同场景下的数值仿真结果验证了所提方法在抑制杂波方面的有效性，并展示了其在输出信杂噪比（SCNR）方面相对于传统方法的优势。
关键词
引用
@article{arxiv.2404.10388,
title = {Worst-Case Riemannian Optimization with Uncertain Target Steering Vector for Slow-Time Transmit Sequence of Cognitive Radar},
author = {Xinyu Zhang and Weidong Jiang and Xiangfeng Qiu and Yongxiang Liu},
journal= {arXiv preprint arXiv:2404.10388},
year = {2024}
}