多任务下分布式MIMO雷达有限阵元快速选取

本文针对分布式MIMO雷达在目标检测和跟踪多任务下重点目标优先的阵元选取问题，提出了基于多任务下改进的贪婪多起点搜索的阵元选取模型及求解算法。将每个跟踪目标的位置估计误差界进行去量纲化、归一化处理，分别引入与目标重要程度和任务程度成正比的权重因子，以突出重点目标和调整系统资源在检测性能和跟踪性能两方面的配比，最后引入表征系统综合性能的参数。最小的阵元集合为代价函数，建立优化模型，通过遍历法寻找最优初始阵元集，逐次增加对系统贡献最大的阵元，完成阵元选择。仿真结果表明，所提算法能够在保证系统整体性能的同时降低系统计算量。

在现代信息化战争中，雷达作为一种远距离的电磁传感器，在远距离目标的探测、跟踪等方面发挥着近乎不可替代的作用[1]。MIMO 雷达作为一种新体制雷达[2]充分综合了相控阵、组网技术和MIMO通信技术[3]，在抑制干扰、提高分辨率，克服目标的RCS 闪烁问题上有着独有的优势。雷达系统的性能提升往往以系统资源的消耗为代价。

MIMO 雷达特别是分布式MIMO 雷达[4]涉及到的资源更为丰富， 主要包括阵元、功率、波形、以及频率、带宽、时宽等[5]，在尽量提高系统性能的同时合理调配系统资源以提升系统效能是MIMO 雷达资源分配研究的主要内容，其中阵元的合理布置和选取是资源分配的重要方面[4]。

为了在确保系统性能的前提下尽量减少阵元的使用数量，很多学者展开这方面的研究，提出了各种算法。一是将阵元选取建模为背包问题(knapsack problem, KP)，在预设定位精度要求下以最少阵元数量的选取达到最优定位精度，同时降低系统复杂度[6]；二是采用阵元聚类的方法，在给定位置估计精度下每个目标只由对应的阵元子集跟踪[7]；三是文献[7] [8]提出的贪婪多起点搜索(Greedy Multi-start Local Search, GMLS)算法和公平多起点搜索(Fair Multi-start Local Search, FMLS)算法。两种算法各有所长， GMLS 算法计算复杂度较低，但不能保证最好的估计精度；FMLS 算法跟踪精度很高，但计算量较大。

以GMLS 算法为基础，文献[9] [10]在文献[8]的基础上针对分布式MIMO 雷达对目标快速跟踪的需求， 提出了基于多目标位置跟踪的收发阵元选取算法，在指定的位置估计精度的约束下，建立了最少阵元选取的优化模型，在GMLS 算法的基础上，提出了改进的GMLS (Modified GMLS, MGMLS)算法，使算法复杂度进一步降低。

上述研究均针对单目标或者平等对待待跟踪的多个目标， 文献[10] [11]在研究了突出重点目标跟踪的阵元选取算法，将目标分为普通目标、可疑目标和危险目标，分别讨论了低跟踪精度要求场景和高跟踪精度两种场景，并分别提出了GFMLS (Greedy and Fair Multi-start Local Search, GFMLS)算法和单天线对