雷达学报Journal of RadarsISSN 2095-283X,CN 10-1030/TN《雷达学报》网络首发论文题目： 基于目标检测的混合分布式PA-MIMO 雷达系统阵元优化部署作者： 齐铖，谢军伟，张浩为，丁梓航，杨潇收稿日期： 2022-07-22网络首发日期： 2022-09-09引用格式： 齐铖，谢军伟，张浩为，丁梓航，杨潇．基于目标检测的混合分布式PA-MIMO雷达系统阵元优化部署[J/OL]．雷达学报.https://kns.cnki.net/kcms/detail/10.1030.TN.20220909.1321.002.html网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出版管理条例》和《期刊出版管理规定》的有关规定；学术研究成果具有创新性、科学性和先进性，符合编辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为；稿件内容应基本符合国家有关书刊编辑、出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容，只可基于编辑规范进行少量文字的修改。出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络版）》是国家新闻出版广电总局批准的网络连续型出版物（ISSN 2096-4188，CN 11-6037/Z），所以签约期刊的网络版上网络首发论文视为正式出版。基于目标检测的混合分布式PA-MIMO雷达系统阵元优化部署齐 铖* 谢军伟 张浩为* 丁梓航 杨 潇(空军工程大学防空反导学院 西安 710051)摘要：该文建立混合分布式PA-输入多输出(PA-MIMO)雷达系统模型，推导出基于Neyman-Pearson(NP)准则的似然比(LRT)检测器，在收发两端实施子阵级和阵元级优化部署，达到对雷达系统中相参增益和空间分集增益协调优化的目的。针对整数规划的子阵、阵元部署模型，提出基于量子粒子群优化的随机取整(SR-QPSO)求解算法，在较少的迭代步骤内获得最优阵元配置策略，实现子阵级和阵元级之间的联合优化。最后，通过对3个典型优化问题进行数值仿真，所提出的混合分布式PA-MIMO雷达系统优化配置较其他典型雷达系统有较大提升，探测概率达到0.98，有效距离达到1166.3 km，探测性能得到显著提升。关键词：雷达资源优化；目标检测；阵元部署；PA-MIMO雷达；相参增益；空间分集增益中图分类号：TN972 文献标识码：A 文章编号：2095-283X(2022)x-0001-14DOI: 10.12000/JR22159引用格式：齐铖, 谢军伟, 张浩为, 等. 基于目标检测的混合分布式PA-MIMO雷达系统阵元优化部署[J]. 雷达学报,待出版. doi: 10.12000/JR22159.Reference format: QI Cheng, XIE Junwei, ZHANG Haowei, et al. Hybrid distributed PA-MIMO radar systemmodel for improved target detection performance[J]. Journal of Radars, in press. doi: 10.12000/JR22159.Hybrid Distributed PA-MIMO Radar System Model forImproved Target Detection PerformanceQI Cheng* XIE Junwei ZHANG Haowei* DING Zihang YANG Xiao(Air and Missile Defense College, Aire Force Engineering University, Xi’an 710051, China)Abstract: This paper establishes a hybrid distributed Phased-Array Multiple-Input Multiple-Output (PAMIMO)radar system model, which combines coherent processing gain and spatial diversity gain tosynergistically improve the target detection performance. We derive a Likelihood Ratio Test (LRT) detectorbased on the Neyman–Pearson (NP) criterion for the hybrid distributed PA-MIMO radar system. The coherentprocessing gain and spatial diversity gain are jointly optimized by implementing subarray-level and arrayelement–level optimal configurations at the transceiver and transmitter ends. Moreover, a Quantum ParticleSwarm Optimization–based Stochastic Rounding (SR-QPSO) algorithm is proposed for the integerprogramming-based configuration model. This algorithm ensures that the optimal array-element configurationstrategy is obtained with less iteration and achieves the joint optimization of subarray and array-element levels.Finally, simulations verify that the proposed optimal configuration offers substantial improvements comparedto other typical radar systems, with a detection probability of 0.98 and an effective range of 1166.3 km, as wellas a considerably improved detection performance.Key words: Radar resource optimization; Target detection; Array element configuration; PA-MIMO radar;Coherent gain; Space diversity gain收稿日期：2022-07-22；改回日期：2022-09-04*通信作者： 张浩为 zhw_xhzf@163.com； 齐铖 qc_afeu@163.com*Corresponding Authors: ZHANG Haowei, zhw_xhzf@163.com; QI Cheng, qc_afeu@163.com基金项目：国家自然科学基金(62001506)Foundation Item: The National Natural Science Foundation of China (62001506)责任主编：严俊坤Corresponding Editor: YAN Junkun第1 1 卷第x 期雷 达 学 报Vol. 11No. x2 0 2 2年9月Journal of Radars Sept. 2022网络首发时间：2022-09-09 17:48:07网络首发地址：https://kns.cnki.net/kcms/detail/10.1030.TN.20220909.1321.002.html1 引言现代雷达目标的多样性和探测环境的复杂化凸显了传统的雷达体制和探测技术的局限性。为了应对复杂的目标及环境，除了寻求目标检测理论与技术的突破外[1]，对雷达体制变革和资源优化利用也在持续和深入地开展[2–5]。最大限度地挖掘和利用雷达传感器系统获得电磁信息的能力[6,7]，优化利用现有的雷达资源[8,9]，提高雷达系统的目标探测能力，是雷达信息处理和资源优化管理领域所面临的基础性课题和现实紧迫任务[9–11]。近年来，多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达作为一种新的雷达体制受到了广泛关注[12,13]。一般来说，根据阵元配置的空间配置，MIMO雷达可分为两大类：一种是集中式MIMO雷达[14]，其阵元间距为半波长水平，主要利用调谐探测信号实现优越的波形分集；另一种是分布式MIMO雷达[15]，通过空间散布配置的阵元实现信号联合处理，利用角延展引起的回波信号空间分集增益有效克服目标闪烁[16]，提高检测性能。相较于分布式MIMO雷达，传统相控阵(Phased-Array, PA)的发射/接收(Transmitting/Receiving,T/R)组件在空间紧密分布，信道之间具备很强的相关性，进而可以获得良好的空间采样能力和信息处理自由度[17]。相参增益和空间分集增益均能够提升雷达的检测性能[18]。由于雷达工作体制差异，分布式MIMO雷达发射正交波形获得空间分集增益的同时也损失了相参增益。在阵元数目一定的系统中，仅利用分集增益的分布式MIMO雷达或仅利用相参增益相控阵雷达都是非最优的，因此，仅增加资源总量而不考虑单个终端之间的合作是远远不够的。相控阵多输入多输出(Phased-Array Multiple-Input Multiple-Output, PA-MIMO)雷达[19]的提出，为MIMO雷达的发展开辟了一条新的途径。混合分布式PA-MIMO雷达是将传统相控阵雷达技术与MIMO雷达技术相结合，利用子阵内阵元信号的相参性和正交性来同时获取的相参增益和空间分集增益，使PA-MIMO混合系统在保持MIMO雷达优势的同时兼具相控阵雷达相参增益处理的优势，不失为一种折中、有效的实现方案[20]。众多学者针对雷达系统的阵元配置展开了深入研究。文献[21]研究多目标背景下的最优稀疏阵列优化配置问题。文献[22]提出了一种分布式MIMO雷达中发射机和接收机联合布置的算法来提高定位精度。通过阵元配置优化提升系统检测性能的研究也有着深厚基础，文献[23]通过穷举方法部署阵元在空间的位置，并通过注水算法完成功率分配从而优化雷达系统的目标检测能力。文献[20]将发射阵列划分为均匀重叠的子阵，同时获得相干处理增益和波形分集增益，理论推导以及仿真实验证明了相控阵MIMO雷达的优越性。文献[24]从接收端角度出发考虑阵元空间位置的配置，并提出了两种增益在多输入多输出-多站雷达系统(Multiple-InputMultiple-Output Multisite Radar System, MIMOMSRS)系统中的优化分配问题。文献[25,26]研究了数字阵列雷达阵元优化配置，从接收端研究阵元空间配置优化对于雷达系统性能提升的作用。然而，目前还没有文献同时从发射端和接收端考虑对相参处理增益和空间分集增益在雷达系统中的分配，研究优化配比对于雷达系统检测性能的作用具有现实意义。对此，本文基于混合分布式PA-MIMO雷达建立雷达系统信号模型和阵元空间配置模型，推导得到固定噪声下的似然比检测(Likelihood Ratio Test,LRT)器，并建立基于奈曼皮尔逊(Neyman-Pearson,NP)准则的阵元空间配置模型。在此基础上，提出了3个典型优化问题，即检测概率最大化、雷达有效作用距离最大化以及给定检测指标下雷达系统设备量最小化。对此分别构建优化模型得到了各自的闭式近似解，并利用提出的基于量子粒子群优化的随机取整(Quantum Particle Swarm OptimizationbasedStochastic Rounding, SR-QPSO)求解得到雷达系统的阵元配置的最优化策略。实现了在现有雷达资源总量的基础上，雷达系统中阵元之间的合作优化，提升雷达检测性能。2 系统模型2.1 混合分布式PA-MIMO雷达系统模型及其信号模型设混合分布式PA-MIMO雷达的观测模型如图1所示，MIMO雷达系统在二维平面xoy内M个发射阵元同时发射M个正交波形信号，N个接收阵元接收目标的回波信号。Pt GtGr (x0; y0)雷达系统每个子阵内部为相控阵模式，子阵之间为MIMO模式，其中每个发射阵元的辐射功率为，雷达发射天线增益为，雷达接收天线增益为，发射信号波长为；则根据基本雷达方程和MIMO雷达信号模型[18]，雷达发射信号经位于目标散射后被第n个接收阵元接收的信号可表示为rmn (t) =√PtGmtGnr2(4π)3R2mR2nLnmejφnmsm (t ��� mn)+ nn (t) (1)2 雷 达 学 报第1 1 卷sm (t) ∫sl (t) sk (t) dt = lklk∥sm (t)∥2 = 1 φnmmn = (Rm+Rn) /cRm Rnc nmRm = Rn = R

nm其中， 为m-th发射阵元发射的窄带信号，满足MIMO雷达正交信号条件，*表示共轭转置运算， 为Kronecker Delta函数，；L为雷达系统损耗， 为多通道采样中雷达阵元空间配置引起的相位差，表示n-mth信道中m-th发射阵元到目标质心的距离与目标到n-th接收阵元的距离和而引起的信号时延，其中恒值为光速。此外， 为第m个发射阵元和第n个接收阵元之间所观察到的目标散射截面积，并且目标与MIMO雷达各阵元之间的距离满足远场条件并且阵元之间的最大距离远小于目标距离R，即认为。进一步，定义m-n信道中的目标回波幅值系数
mn =√GmtGnr2(4π)3R4Lmn (2)mn2
nm2T假设目标RCS波动服从SwerlingⅠ型，即服从均值为0，方差为的复高斯分布。也即是一个方差为的复高斯分布变量。在此基础上，M个阵元发射的信号经目标散射后被N个接收阵元接收到的信号可表示为r (t) =√Ptdiag (a)Hdiag (b) s (t ���  ) + n(t) (3)a =[1; e���jφ2 ; ...; e���jφN]TN M[H]mn =
mn b =[1,e���j 2 ,...,e���j M]Ts (t) = [s1 (t) ,s2 (t) ,...,sM (t)]Tn(t) = [n1 (t) ,n2 (t) ,...,nN (t)]T  N(0; 2nIN)N  1IN N  N式中， 为雷达系统的接收导向矢量；H表示雷达系统发射阵元与接收阵元信道之间对应的目标散射系数的维系数矩阵，其中； 为发射导向矢量； 为雷达系统发射信号的信号矢量；表示加性高斯白噪声的向量，其中为维矩阵。2.2 混合分布式PA-MIMO雷达分集条件及阵元部署目标散射系数矩阵可以通过改变雷达系统各子阵间的距离来调整矩阵元素之间的相关性[16]，进而改变回波信号在雷达系统中的处理模式。不失一般性，空间信号的相关性由阵元间距d 定义为[27]d  R/D (4)其中，D为目标的切向长度。从本质上来讲，对混合分布式PA-MIMO雷达进行空间配置、分配两种增益在雷达系统中的比重，就是改变目标散射系数矩阵H各元素的相关性上。若阵元间距不满足式(4)中空间分集条件时，各子阵之间组合成为相控阵体制雷达；若阵元间距满足式(4)中的空间分集条件，各子阵之间遵循MIMO雷达信号处理机制。
lk
nm
lk
nmrlk rnm^H因此，考虑通过改变雷达天线阵元之间的距离，使得相应的目标散射系数之间完全相关或者不相关。若信道对应目标散射系数与之间完全不相关，对空间目标形成角展宽，从而获得空间分集增益；当与之间完全相关时，雷达系统对相应的目标回波与进行相参处理提高目标回波信号的信噪比。因此按照雷达系统各信道的相关性对目标散射系数矩阵进行重组划分，构建阵元优化配置后的目标散射系数矩阵为^H=264H11 ... H1 ^M.... . ....H^N1...H^N^M375^N ^M(5)H^n ^m a ^m  b^nH^n ^m H^u^v其中，目标散射系数矩阵子阵对应包含着个相参处理信道，相应内部的发射阵元与接受阵元分别重组为相控阵雷达；同时，两个不同子阵和对应信道之间均完全不相关。^M^N^N^M图2可以更形象地说明混合分布式PA-MIMO雷达的阵元配置。M个发射阵元与N个接收阵元分别重组划分为, 个子阵， 个发射子阵和个接收子阵内部按照相控阵雷达体制进行相参处理，同时各个子阵之间按照MIMO雷达体制发射和接收发射阵元接收阵元d(rxn,ryn,x0,y0)d(txm,tymn,x0,y0)oxy目标(x0,y0)n-th阵元(rxn,ryn)m-th阵元(txm,tym)... ... ... ...图 1 混合分布式PA-MIMO雷达结构示意图Fig. 1 Schematic diagram of the hybrid distributedPA-MIMO radar structure...发射阵元接收阵元1st阵元c1st阵元cNMst阵元1st阵元2nd阵元2nd阵元...............站点1站点2站点M^...站点N^^ ^ox波动目标(x0,y0)DyDx图 2 混合分布式PA-MIMO雷达阵元优化配置结构图Fig. 2 Structure diagram of hybrid distributed PA-MIMO radararray element optimization configuration第x 期齐 铖等：基于目标检测的混合分布式PA-MIMO雷达系统阵元优化部署3相互独立的正交信号进行分集处理，使雷达系统同时具有相参增益与空间分集增益。空间分集处理可以通过提高检测器的独立通道数来改善检测性能，相参处理通过提高各通道的检测信噪比从而改善检测性能。由此通过对目标散射系数矩阵进行分块的方法，协调分配MIMO雷达空间分集增益与相控阵相参增益在雷达系统中的比重，实现优化雷达系统目标检测的性能。3 混合分布式PA-MIMO雷达目标检测模型3.1 混合分布式PA-MIMO雷达信号处理流程^ND = ^N ^M对于所提出的混合分布式PA-MIMO雷达系统，其信号处理流程如图3所示。混合分布式PA-MIMO雷达系统发射的正交信号经目标散射至个雷达接收阵元，接收的信号首先通过匹配滤波器组生成路通道输出独立信号，然后信号经过相控阵雷达内部相干积累与空时配准，最后进行信号采样、似然比检测[28]。H^n ^m^n ^m分析图(3)可知，子阵内的散射系数对应着重组子阵中第个发射子阵与第个接收子阵组成的信道，接收阵元信号通过相参处理后可以写为^r^n ^m(t) = a ^mb^n√Pt ^
^n ^msk(t ���  ) (6)a ^m H^n ^mb^n H^n ^m其中， 代表重组分块子阵包含的发射阵元数量， 代表重组分块子阵包含的接收阵元数数量。由于子阵重组划分遵循不重叠阵元原则，满足8>>>>><>>>>>:M =^MΣ^m=1a ^mN =^NΣ^n=1b^n(7)因此，任一子阵在目标检测单元采样值对应的信噪比可近似为^n ^m =(a ^mb^n)2TPt2Tb^n2n= a2^mb^n0 (8)0 = 2TTPt/2n其中，T为发射阵元信号的脉冲宽度，定义为基准信道信噪比，表示单个独立信道作用距离R处目标提供的信噪比。由于不同子阵间对应信道之间的独立性以及子阵内部各信道之间的完全相关性，子阵内部各阵元对应的信号进行相参处理，各子阵对应信号在对信道延迟完成时空配准之后进行非相参处理。因此，混合分布式PA-MIMO雷达具有优质检测性能的本质在于首先提高各子阵内部所有信号样本的局部信噪比，在此基础上对所有独立子阵之间产生的空间分集增益进行优化，从而进一步提高雷达系统的目标检测能力。3.2 混合分布式PA-MIMO雷达似然比检测^N ^M^r = [^r11; ^r12; ...; ^r ^N^M]1 ^N^M本节以图2中所示阵元配置后的混合分布式PAMIMO雷达系统为研究模型。根据不同子阵的空间配置满足式(4)中空间分集条件，各子阵输出各不相关，故路信号相互独立正交。假设雷达系统接收到的噪声等级是已知的，则各回波信号为独立同分布的复高斯随机变量。因此，雷达系统不同子阵的平方律检波输出为X = [X11 X12 ... X ^N^M]1 ^N^M(9)其中，Xn^m^ = ∥r^n^m^ ∥2，在此基础上构建假设检验，故雷达系统的目标检测问题表示为{H0：^r(t) = n(t), 目标在时延内不存在H1：^r(t) = ^Hs(t) + n(t) ,目标在时延内存在(10)概率密度函数表示为8>>>>>>>>>><>>>>>>>>>>:f(XjH0) =^NΠ^n=1^MΠ^m=1[1b^n2nexp(���X^n ^mb^n2n)]f(XjH1) =^NΠ^n=1^MΠ^m=1[1b^n2n(1 + ^n ^m)
exp(��� X^n ^mb^n2n(1 + ^n ^m))](11)…接收子阵1rN(t)r2(t)r1(t)接收子阵2接收子阵N相干积累相干积累相干积累相干积累相干积累相干积累相干积累相干积累相干积累… …r11…… … …联合空-时配准与包络对齐^^N^×M^通道采样融合与似然比检测^r12^r21^r22^r1M^^r2M^^rN1^^rN2^^rNM^^ ^∫r1(t)s1* (t-t)dt∫r2(t)s1* (t-t)dt∫rN(t)s1* (t-t)dt∫r1(t)s2* (t-t)dt∫r2(t)s2* (t-t)dt∫rN(t)s2* (t-t)dt∫r1(t)sM* (t-t)dt^∫r2(t)sM* (t-t)dt^∫rN(t)sM* (t-t)dt^ ^^^图 3 混合分布式PA-MIMO雷达信号处理流程Fig. 3 Signal processing flow of hybrid distributedPA-MIMO radar4 雷 达 学 报第1 1 卷基于NP准则，构造混合分布式PA-MIMO雷达似然比检测器，可表示为THPM =f(X jH1 )f(X jH0 )H1><H00 (12)即THPM =f(X jH1 )f(X jH0 )=^NΠ^n=1^MΠ^m=1[11 + ^n ^mexp(^n ^mX^n ^mb^n2n(1 + ^n ^m))](13)f (
jH1) f (
jH0)THPMX^n ^m其中， 与分别表示在两种假设下的条件分布密度函数， 是由接收采样信号求模输出构造的检验统计量进一步，对式(13)等号两端取对数，此时整个混合分布式PA-MIMO雷达的对数似然比为不同子阵的总和：ln (THPM) =^NΣ^n=1^MΣ^m=1[ln(11 + ^n ^m)+^n ^mX^n ^mb^n2n(1 + ^n ^m)]=^NΣ^n=1^MΣ^m=1[ln(11 + ^n ^m)+^n ^m(1 + ^n ^m)R^n ^m](14)其中，R^n ^m =X^n ^mb^n2n 2(2) ^m = 1; 2; ...; ^M; ^n = 1; 2; ...; ^N(15)!^n ^m =^n ^m1 + ^n ^m(16)2 (2) 式(15)中， 表示自由度为2的卡方分布，则混合分布式PA-MIMO雷达系统的似然比检测器为THPM =^NΣ^n=1^MΣ^m=1[!^n ^mR^n ^m]H1><H00 (17)0 PFAH0 H1其中， 是由雷达虚警概率决定的门限值参数，由此得到和假设条件下雷达检测的分析检验统计量的分布情况：(1) 基于H0假设的混合分布式PA-MIMO雷达系统LRT分析H0R′^n ^m = R^n ^m !′^n ^m = ^n ^m/ (1 + ^n ^m)H0假设下，雷达检测单元无目标回波信号，令, ，则混合分布式PA-MIMO雷达系统在假设下的极大似然检测器可以重新表示为THPMjH0 =^NΣ^n=1^MΣ^m=1!′^n ^mR′^n ^mH1><H00 (18)又因为R′^n ^m 2(2) (19)R′^n ^mTHPMjH0为自由度为2的卡方分布变量，即标准指数分布变量。则对于检验统计量而言，独立同分布的指数分布加权和近似服从指数尺度参数的Gamma分布，即THPMjH0 =^NΣ^n=1^MΣ^m=1!′^n ^mR′^n ^m  ���(02; 2g0)(20)��� (; )  v0 g0其中， 为伽马函数，参数和分别代表伽马分布的尺度参数和形状参数，式(20)中, 分别为v0=20@^NΣ^n=1^MΣ^m=1!′^n ^m1A2^NΣ^n=1^MΣ^m=1(!′^n ^m)2=20@^NΣ^n=1^MΣ^m=1a2^mb^nt01+a2^mb^nt01A2^NΣ^n=1^MΣ^m=1(a2^mb^nt01+a2^mb^n0)2(21)g0 =^NΣ^n=1^MΣ^m=1(!′^n ^m)2^NΣ^n=1^MΣ^m=1!′^n ^m=^NΣ^n=1^MΣ^m=1(a2^mb^nt01 + a2^mb^n0)2^NΣ^n=1^M Σ^m=1a2^mb^nt01 + a2^mb^n0(22)H(2) 基于 1假设的混合分布式PA-MIMO雷达系统LRT分析H1R′^n ^m = R^n ^m/(1 + ^n ^m) !′^n ^m = ^n ^mH1假设下，雷达检测单元包含目标信号，令, ，则混雷达系统在假设下的极大似然检测器可以重新表示为THPMjH1 =^NΣ^n=1^MΣ^m=1!′^n ^mR′^n ^mH1><H00 (23)其中R′^n ^m 2(2) (24)THPMjH1对于检验统计量而言，有THPMjH1 =^NΣ^n=1^MΣ^m=1!′^n ^mR′^n ^m  ���(12; 2g1)(25)v1 g1 其中， , 分别为v1 =20@^NΣ^n=1^MΣ^m=1!′^n ^m1A2^NΣ^n=1^MΣ^m=1(!′^n ^m)2=20@^NΣ^n=1^MΣ^m=1a2^mb^n01A2^NΣ^n=1^MΣ^m=1(a2^mb^n0)2(26)第x 期齐 铖等：基于目标检测的混合分布式PA-MIMO雷达系统阵元优化部署5g1 =^NΣ^n=1^MΣ^m=1(!′^n ^m)2^NΣ^n=1^MΣ^m=1!′^n ^m=^NΣ^n=1^MΣ^m=1(a2^mb^n0)2^NΣ^n=1^MΣ^m=1a2^mb^n0(27)至此，综合考虑式(17)、式(20)、式(25)，得到混合分布式PA-MIMO雷达系统LRT检测器：THPM =8><>:���(v02; 2g0); H0���(v12; 2g1); H1(28)4 优化问题模型及求解4.1 混合分布式PA-MIMO雷达系统优化问题概述PD RmaxPD混合分布式PA-MIMO雷达系统进行阵元配置优化的目的是为了提高雷达系统的目标检测性能。一般而言，雷达系统目标检测性能的评价标准有：检测概率，雷达系统信噪比，探测距离以及雷达分辨率等等。然而，不同的优化目的可能采用不一样的优化配置策略。第一，检测概率常是用来刻画雷达系统检测能力最直观的性能指标，研究基于给定信噪比的阵元配置优化问题；第二，对于一定的检测概率与虚警概率下，追求雷达系统的最大作用距离；第三，在给定的虚警概率或者检测概率的条件下减少雷达系统的设备量。因此，利用式(8)、式(28)根据不同的优化设计目的，混合分布式PA-MIMO雷达的优化设计可以分为以下3个优化问题：M  NPFA0
 = ( ^Ma1 ... a ^M)  = ( ^Nb1 ... b ^N)PD优化问题1：检测概率是刻画雷达系统检测概率最为直观的性能指标，立足于现有的混合分布式PA-MIMO雷达系统，给定虚警概率和基准信道信噪比，优化雷达系统阵元配置策略，即优化分集向量与，最大化雷达系统的目标检测概率；M  NPFAPD
 = ( ^Ma1 ... a ^M)  = ( ^Nb1... b ^N)优化问题2：立足于现有的混合分布式PA-MIMO雷达系统，给定虚警概率和检测概率，优化分集向量与，最大化雷达系统的威力范围R；PFA PD
 = ( ^Ma1 ... a ^M)  = ( ^Nb1 ... b ^N)优化问题3：在满足规定的检测能力基础上减少雷达系统的设备量提高系统效益也极富现实意义，给定雷达系统的虚警概率和检测概率，优化分集向量与，最小化混合分布式PA-MIMO雷达的设备量。
 以上3个优化问题从不同的角度考虑提升雷达系统的目标检测能力，但其核心问题均是对发射端分集向量和接收端分集向量的优化求解。然而，高维整数规划问题最优化求解过程当中还存在参数耦合问题，无法得到解析解并且求解复杂。为降低搜索时间和求解复杂度，将阵元均匀划分为一定数目的非重叠子阵进行分析优化，即8>><>>:^am =M^M^bn =N^N(29)4.2 典型阵元部署的混合分布式PA-MIMO雷达系统检测性能分析本节讨论分析发射端和接收端分集对雷达系统检测性能的影响。文中混合分布式PA-MIMO雷达协调利用相参处理和分集处理，分别从提高检测信噪比和提高检测通道数两方面提升雷达系统的检测能力。按照发射端和接收端的阵元配置方案，混合分布式PA-MIMO雷达系统可以退化为4种典型结构：(1) 收发全分集处理为分布式MIMO雷达；TMIMO =8<:���(MN;201 + 0);H0���(MN; 20); H1(30)(2) 收发全部相参处理为相控阵雷达；TPHASE =8< :���(1;2M2N01 +M2N0);H0���(1; 2M2N0); H1(31)(3) 发射端全分集处理而接收端完全作相参处理为MISO雷达；TMISO =8<:���(M;2N01 + N0);H0���(M; 2N0); H1(32)(4) 接收端全分集处理而发射端完全作相参处理为SIMO雷达。TSIMO =8<:���(N;2M201 +M20);H0���(N; 2M20); H1(33)由此各典型雷达系统在一定的虚警概率下对应的检测概率为PD���MIMO (PFA) = 1 ��� Q2(2MN)0@Q���12(2MN)(1 ��� PFA)1 + 01A(34)PD���SIMO (PFA) = 1 ��� Q2(2N)0@Q���12(2N)(1 ��� PFA)1 +M201A(35)6 雷 达 学 报第1 1 卷PD���MISO (PFA) = 1 ��� Q2(2M)0@Q���12(2M)(1 ��� PFA)1 + N01A(36)PD���PHASE (PFA) = 1 ��� Q2(2)0@Q���12(2)(1 ��� PFA)1 +M2N01A(37)Q2(2MN)Q���12(2MN)2 (2MN)^M ^N其中， 和分别代表的分布积累函数和反积累函数，显然，阵元优化配置可以显著影响系统的检测性能。此外，当雷达系统的收发阵元数目相等，发现MISO雷达和SIMO雷达检验统计量具有相同的自由度，即具有相同的独立通道数，而SIMO雷达得到的信噪比增益是前者的M倍。进一步分析，在混合分布式PA-MIMO雷达系统中，当阵元配置优化得到独立通道数为，其信噪比增益可以表示为K =M2N^M2 ^N=M2ND
1^M
0 (38)式(38)更普遍的意义在于，划分子阵时尽可能地利用接收阵元实现分集数，从而使得发射端可以用最少划分的策略提高相参处理增益[29]。4.3 均匀划分的混合分布式PA-MIMO雷达系统阵元优化部署假设雷达系统发射端和接收端均采用均匀不重叠方式配置，结合式(18)和式(28)，有8>>>>>>>>>>>><>>>>>>>>>>>>:���(v02; 2g0)= ���(^N^M;2NM20^N^M2 + NM20)=NM20^N^M2 + NM202(2 ^N^M);H0���(v12; 2g1)= ���(^N^M;2NM2^N^M20)=NM20^N^M22(2 ^N^M);H1(39)M  N PFA 0 在给定雷达系统规模, 与时，得到雷达的检测概率PD-HPM (PFA) =1 ��� Q2(2 ^N^M)
0B@Q���12(2 ^N^M)(1 ��� PFA) ^N^M2^N^M2 + NM201CA(40)(1) 优化问题1模型Z优化问题1即为通过优化阵元配置实现雷达系统的目标检测性能最优化， 为整数集P : [ ^M; ^N]=M;N arg max26 41���Q2(2 ^N^M)0B@Q���12(2 ^N^M)(1���PFA) ^N^M2^N^M2 + NM201CA375C1 : ^M ^NC2 : 1  ^M M; ^M2 ZC3 : 1  ^N N; ^N2 Z (41)(2) 优化问题2模型Rmax = 4√0/min根据雷达作用距离方程，雷达最大探测距离，优化问题2最优阵元配置策略可转化为P : [ ^M; ^N] =M;N arg max
2664NM20Q���12(2 ^N^M)(1 ��� PD)^N^M2(Q���12(2 ^N^M)(1 ��� PFA) ��� Q���12(2 ^N^M)(1 ��� PD))377514C1： ^M ^NC2：1  ^M M; ^M2 ZC3：1  ^N N; ^N2 Z (42)(3) 优化问题3模型^M在满足雷达系统既定目标检测性能的前提下，通过阵元优化配置最大限度地减小所需系统设备量。显然，通过雷达系统分时共用天线收发设备从而提高系统的集成度，是减少系统设备量最直观且合理的方法。因此，混合分布式MIMO雷达系统的设备量为M，系统分集自由度为。相应的，雷达系统设备总量的优化模型表示为P : [ ^M; ^N]= maxM;N2664^M3(Q���12(2 ^M)(1 ��� PFA) ��� Q���12(2 ^M)(1 ��� PD))0Q���12(2 ^M)(1 ��� PD)377514C1：M = NC2： ^M= ^NC3：1  ^M M; ^M2 ZC4：1  ^N N; ^N2 Z (43)4.4 基于QPSO的随机取整优化求解算法考虑到优化问题为整数规划问题，且目标函数复杂难以求解。尽管可以通过穷举搜索来获得最优解，但问题规模较大，计算量相当可观。因此，本文提出一种结合量子行粒子群的随机取整搜索算法(Stochastic Rounding Quantum-behaved ParticleSwarm Optimization, SR-QPSO)，在提高求解算法效率的同时，其性能与穷举算法相当。第x 期齐 铖等：基于目标检测的混合分布式PA-MIMO雷达系统阵元优化部署7具有量子行为的粒子群优化算法通过模拟量子系统中态叠加性的强不确定性，空间在更好覆盖搜索空间的同时提高了算法的收敛性，改善经典粒子群优化算法搜索后期全局搜索乏力缺陷，提高算法全局优化能力[30,31]。在此基础上，结合本地搜索提升求解精度[32]，获得优化问题的整数最优解。Pi;j (t) pi = (pi;1 pi;2... pi;j ... pi;D) , i = 1; 2; ... ;Npop在SR-QPSO算法中，为保证群的收敛性，每个粒子须收敛到局部吸引点，并且粒子的进化方程为pi;j (t) =c1r1;j (t)Pi;j (t) + (1 ��� c2r2;j (t))Pg(t)c1r1;j (t) + c2r2;j (t)(44)Pg(t) c1 = c2r1;j (t) r2;j (t) (0; 1)Npop其中， 为种群的全局最优点； 代表优化过程中的加速系数； , 为区间内的随机数；D是粒子的维数， 为种群大小。将进化过程中粒子的平均最优位置坐标表示为C(t) =(C1(t);C2(t); ...;Cj (t))=(1NΣNi=1Pi;1(t);1NΣNi=1Pi;2(t); ...;1NΣNi=1Pi;D(t))(45)在此基础上得到种群在(t+1)次迭代中第i个粒子的第j个分量为Xi;j (t + 1) = pi;j (t)  Li;j (t)2
ln(1ui;j (t));ui;j (t) 2 U (0; 1) (46)其中，粒子势阱长度为Li;j (t) = 2

 
jCj (t) ��� Xi;j (t)j (47)其中，缩扩张因子
 = 0:8。本文采用随机取整方法，将粒子位置参数的小数部分作为进位取整的概率值，按照概率值向上取整。虽然取整之后的问题与原问题不再等价，但是原问题的可行解集包含在取整优化问题的可行解中，即后者的最大值不会小于原优化问题的最大值。整个算法流程如表1所示。5 仿真结果及分析PFA = 10���6 0 = 6.0913为了验证混合分布式PA-MIMO雷达阵元配置对目标检测能力的提升效果，以及提出的式(41)—式(43)3个不同情景下的优化问题，本节设计了一些数值实验。假设目标雷达散射截面积为1 m2，选取发射阵元和接收阵元数目均为100的混合分布式PA-MIMO雷达系统(M=N=100)进行分析，其中虚警概率，基准信道信噪比107。最后是QPSO算法的各项参数，其中初始种群个数为100，粒子维度为2，最大迭代次数为100，粒子位置初始化的上界为100，下界为1。选取基于PSO的随机取整优化求解算法(SRPSO)与穷举搜索法(Exhaustive Search, ES)作为本文SR-QPSO的对比算法，由于SR-QPSO与SRPSO属于群体智能搜索算法，其计算复杂度主要受种群基数W和最大迭代次数Q的影响。而穷举搜索算法的计算复杂度取决于问题规模且呈指数型增加，3种算法的对比如表2。5.1 优化问题1仿真及分析PDOpt( ^M; ^N) = (1; 13) PD本节立足于目标检测概率，研究阵元优化配置对于混合分布式PA-MIMO雷达系统目标检测能力的提升效果。图4(a)是优化问题1的不通算法的收敛曲线，每一次迭代将群体最优值作为最优个体，其适应度函数随着迭代次数的增加而收敛于最优值，同时混合分布式PA-MIMO雷达系统的检测概率收敛于最优值，此时的阵元配置最优策略为，检测概率达到0.98。图4(b)分析了分别采用穷举搜索法、SR-QPSO与SR-PSO表 1 基于量子粒子群优化的随机取整求解算法流程Tab. 1 SR-QPSO algorithm solution flow
 = 0:8　(1) 初始化解空间，设定搜索维度D、种群规模W和最大迭代次　　 数Q，缩扩张因子；[ ��� Pmin; Pmax] Pji;t　(2) 粒子均匀随机散布于，记粒子位置初始值；　(3) 规格化个粒子的位置参数，按照其小数位作为随机概率取整；　(4) 计算个体当前位置Pi;j (1)与全局最优位置Pg(t)；　(5) 设定收缩因子的上下界
0和
1；pi;j 　(6) 计算量子行为粒子的吸引子 (t)；　(8) 　　FOR t = 1 TO Q DO　(10) 　　　　计算t 时刻迭代时的平均最好个体位置；　(11) 　　　　FOR i = 1 TO W DOPi;j 　(12) 　　　　　　计算粒子并更新粒子位置 (t)，按照其小数　　　　　　　　 位作为随机概率取整；Pi;j (t) /2[ ��� Pmin; Pmax]Pi;j (t + 1)　(13) 　　　　　　若，设置　　　　　　　　 为最近的边界值；　(14) 　　　　END FOR；　(15) 　　END FOR；表 2 各算法计算复杂度对比Tab. 2 Algorithm computational complexity comparison算法计算复杂度SR-QPSO = O(QW)SR-PSO = O(QW)穷举搜索法> O(2M+N)8 雷 达 学 报第1 1 卷得到最优结果所需的时间，结合图4 ( a )，所提R S - Q P S O算法的收敛速度与运行时间均优于SR-PSO算法。^M^NPFA图4在不同的发射端分集自由度、接收端分集自由度以及雷达系统虚警概率下，根据式(41)进行数值实验仿真，可视化研究分析阵元优化配置对于目标检测概率的影响。PFAPD ^N^NPD ^N^M^M首先，图5显示了检测概率于接收端分集自由度的关系曲线，在一定的虚警概率下，雷达系统的检测概率首先随着接收端分集自由度的增大而增大，但是当超过最佳的分集数目时，检测概率将随着的增大而减小。其次，发射端分集自由度大于1的雷达系统的检测能力远远低于发射端全相参雷达，且对应的最佳发射端分集自由度随着的增大而减小，印证了在3.3节中式(38)发射端最小分集的结论。为此，后续实验将不再考虑不为1的情况。^NPD^MPD接着改变，研究发射端分集数对雷达系统的影响。如图6所示，混合分布式PA-MIMO雷达发射端分集自由度的增加会大幅衰减。其本质原因在于发射端的分集引起相参增益的减小，同时产生分集增益的贡献度不能弥补损失的相参增益。结合图5得到，只有发射端增益满足一定水平，增加接收端的分集才会提升雷达系统的检测性能。PFA ^NPD如图7中所示，当发射端阵元配置为最优方案时， 越高，最优接收端分集自由度越大，同时服从一般规律，随着虚警概率的增长而增大。5.2 优化问题2仿真及分析PD = 0:8 PFA = 10���6本节中，假设混合分布式PA-MIMO雷达系统, ，运用SR-QPSO优化求解基于优化问题2的数学模型(42)。其适应度函数的收敛情况如图8(a)所示，所提RS-QPSO算法在不超0 201.000.960.920.880.840.800.760.720.680.640.6040 60 80 100迭代次数适应度值SR-QPSOSR-PSO(a) 优化收敛曲线(a) Optimization convergence curve1051041031021011000 5 10 15 20门特克罗次数运行时间 (s)SR-QPSOSR-PSOES(b) 运行时间(b) Running time图 4 算法性能对比Fig. 4 Algorithm performance comparison01.00.90.80.70.60.50.40.30.20.1020 40 60 80 100接收端分置数N^特定目标的检测概率^^^^^发射端分置数M=1发射端分置数M=2发射端分置数M=3发射端分置数M=4发射端分置数M=5图 5 检测概率于接收端分集自由度的关系曲线Fig. 5 Relation curves between detection probability anddiversity DOF at receiver1 21.00.90.80.70.60.50.40.30.20.103 4 5 6 7 8 9 10发射端分置数M^特定目标的检测概率^^^^^接收端分置数N=11接收端分置数N=12接收端分置数N=13接收端分置数N=14接收端分置数N=15图 6 检测概率和发射端自由度的关系曲线Fig. 6 Relation curves between detection probability anddiversity DOF at transmitter第x 期齐 铖等：基于目标检测的混合分布式PA-MIMO雷达系统阵元优化部署9过10次的迭代后，雷达系统有效作用距离RE收敛至最优值1166.3 km，收敛效果与运行时间显著优于SR-PSO算法。此时，雷达系统阵元配置最优方^M= 1^N= 5^M^NPD PFA案为：发射端分集自由度，接收端分集自由度为。下文中，通过4个仿真实验辨析发射端分级自由度，接收端分级自由度, 以及对雷达系统有效作用距离的影响。^M= 1; 2; 3; 4; 5^M^M= 1图9中分别给定发射端阵元划分子阵数量为，相比较于最优方案而言，发射端分集自由度的增加并没有提升雷达系统的作用距离，反而雷达系统有效作用距离降低。同时，不同对应的最优接收阵元分集数随着M的增加而减小。其本质上仍然是由于发射端分集造成的信道信噪比下降。因此，后续将在的基础上继续研究讨论。^N= 3; 4; 5; 6; 7^M= 1^N= 5 ^M= 2 ^N= 3图10中，类似于优化问题1，仿真实验给定接收端分集自由度，改变发射端分集数，发现发射端分集增加同样引起雷达系统有效作用距离的衰减。此外， 时接收端最优配置为, 时接收端最优配置为。因此，1 213001200110010009008007006005004 6 8 10发射端分置数M^雷达有效作用距离 (km)^^^^^接收端分置数N=3接收端分置数N=4接收端分置数N=5接收端分置数N=6接收端分置数N=7图 10 雷达有效作用距离与发射端自由度的关系曲线Fig. 10 Relation curves between effective range of radar anddiversity DOF at transmitter0 201.00.90.80.70.60.50.40.30.20.1040 60 80 100接收端分置数N^特定目标的检测概率PFA=10-4 PFA=10-6 PFA=10-8PFA=10-10 PFA=10-12图 7 不同虚警概率下检测概率与接收端分集自由度的关系曲线Fig. 7 Relation curves between detection probability anddiversity DOF at receiver with different false alarm probabilities0 201200115011001050100095090085080040 60 80 100迭代次数适应度值SR-QPSOSR-PSO(a) 优化收敛曲线(a) Optimization convergence curve1051041031021011000 5 10 15 20门特克罗次数运行时间 (s)SR-QPSOSR-PSOES(b) 运行时间(b) Running time图 8 算法性能比较Fig. 8 Algorithm performance comparison0130012001100100090080070060050020 40 60 80 100接收端分置数N^雷达检测有效距离 (km)^^^^^发射端分置数M=1发射端分置数M=2发射端分置数M=3发射端分置数M=4发射端分置数M=5图 9 雷达有效作用距离和接收端自由度的关系曲线Fig. 9 Relation curves between radar effective range anddiversity DOF at receiver10 雷 达 学 报第1 1 卷^M= 1并不总是最优的发射端分集自由度，与接收端阵元配置协调配合才能实现最大效益。PFA = 10���6 PD = 0:6; 0:7;0:8; 0:9; 0:99PD图11中，固定雷达系统,， 按照式( 4 2 ) 绘制混合分布式P A -MIMO雷达系统有效作用距离与接收机分集自由度关系曲线。雷达有效作用距离随着雷达系统有效检测概率的提升而减少。其次，最佳接收机分集自由度随着的增大而增大。PFA = 10���4; 10���6; 10���8; 10���10; 10���12PFAPFA PD^N图12分别在下，绘制了雷达系统接收端分集自由度和雷达系统作用有效距离之间的关系曲线。不失一般性，虚警概率越低，雷达系统有效作用范围越小。结合图11和图12，虚警概率与检测概率相比其对接收端分集自由的影响较小，但最优策略均随着雷达系统探测精度的上升而增大。5.3 优化问题3仿真及分析由于优化问题3求取混合分布式PA-MIMO雷达系统最小设备量的目标函数优化变量为雷达系统分集自由度，本节考虑阵元为收发一体的天线系统，即式(43)为单变量函数。通过两个仿真实验分别研究在不同的虚警概率和检测概率的条件下，雷达系统追求最小设备量的阵元配置策略。^MPD = 0:6; 0:7; 0:8; 0:9; 0:99^M^M= 2 PD^M图13中绘制了混合分布式PA-MIMO雷达阵元分集自由度与雷达系统总设备量M在不同检测概率下的关系曲线。显然，检测概率越高，所需雷达系统设备量越大。当给定雷达系统的检测概率超过0.8时，雷达系统需求的T/R阵元数量先减小然后随着递增。因此，最佳分置数；当不超过0.8时，雷达系统总设备量随着的增长而增加，此时不进行阵元分置而形成相控阵雷达是最佳的阵元配置方案。PFA = 10���4; 10���6; 10���8; 10���10; 10���12^MPFAPFA 10���10^M= 2 PFA = 10���10在给定的条件下，探究雷达系统阵元分集自由度与雷达系统总设备量M之间的关系。由图14可知， 越低，所需要的雷达系统设备量越大。当低于，雷达系统在阵元分集数为；当0 20130012001100100090080070040 60 80 100接收端分置数N^雷达作用有效距离 (km)PD=10-4 PD=10-6 PD=10-8PD=10-10 PD=10-12图 11 不同检测概率下雷达有效作用距离与接收端划分自由度的关系曲线Fig. 11 Relation curves between radar effective range anddiversity DOF at receiver with different detection probabilities0 20130012001100100090080040 60 80 100接收端分置数N^雷达作用有效距离 (km)PFA=10-4 PFA=10-6 PFA=10-8PFA=10-10 PFA=10-12图 12 不同虚警概率下雷达有效作用距离与接收端分集自由度的关系曲线Fig. 12 Relation curves between effective range of radar anddiversity DOF at receiver with different false alarm probabilities1 23002001004 6 8 10系统总站点数M=N ^ ^ 系统阵元总数M=NPD=0.6 PD=0.7 PD=0.8PD=0.9 PD=0.99图 13 不同检测概率下雷达阵元配置策略Fig. 13 Radar array element configuration strategies withdifferent detection probabilities1 23002001004 6 8 10系统总站点数M^=N^系统阵元总数M=NPFA=10-4 PFA=10-6 PFA=10-8PFA=10-10 PFA=10-12图 14 不同虚警概率下雷达阵元配置策略Fig. 14 Radar array element configuration strategies withdifferent false alarm probabilities第x 期齐 铖等：基于目标检测的混合分布式PA-MIMO雷达系统阵元优化部署11^M= 1; 2PFA 10���10时，划分策略为使得系统设备量最小；当大于时相控阵雷达体制为系统设备量最小的阵元配置方案。5.4 优化结果分析在表(3)中总结对比了MIMO雷达、相控阵雷达以及优化后混合分布式PA-MIMO雷达的性能表现，雷达检测概率、有效作用距离以及系统设备量指标均有显著的提升，验证了优化的有效性。6 结语本文研究了基于目标检测的混合分布式PA-MIMO雷达阵元优化配置问题，建立了固定噪声背景下雷达系统的LRT检测器和阵元配置数学模型，分别分析解决了立足于雷达系统目标检测概率、雷达有效作用距离以及系统设备量的优化问题。其本质是通过阵元配置改变阵元信号之间的相参性，协调相参增益和空间分集增益在雷达系统中的比重，在不增加资源的基础上提升雷达系统的目标检测能力。基于3个优化问题，本文提出闭式近似解得到最优解的粗估计，并利用数值仿真实验分析各参数对于最优配置策略的影响：显然，仅使用分集增益或者相参增益的分布式MIMO雷达和相控阵雷达都非最优。发射端通过相参处理提升系统信噪比，由此在一定信噪比水平的基础上，通过接收端的分集增益可以进一步优化目标检测性能。参 考 文 献MALANOWSKI M and KULPA K. Detection of movingtargets with continuous-wave noise radar: Theory andmeasurements[J]. IEEE Transactions on Geoscience andRemote Sensing, 2012, 50(9): 3502–3509. doi: 10.1109/TGRS.2011.2181521.[1]ZHU Z h e n g h a n , K A Y S , a n d RAGHAVAN R S .Information-theoretic optimal radar waveform design[J].IEEE Signal Processing Letters, 2017, 24(3): 274–278.doi: 10.1109/LSP.2017.2655879.[2]YAN Junkun, LIU Hongwei, PU Wenqiang, et al. Jointbeam selection and power allocation for multiple targettracking in netted colocated MIMO radar system[J]. IEEETransactions on Signal Processing, 2016, 64(24): 6417–6427.doi: 10.1109/TSP.2016.2607147.[3]XU Luzhou, LI Jian, and STOICA P. Target detection andparameter estimation for MIMO radar systems[J]. IEEETransactions on Aerospace and Electronic Systems, 2008,44(3): 927–939. doi: 10.1109/TAES.2008.4655353.[4]SHI Chenguang, WANG Yijie, SALOUS S, et al. Jointtransmit resource management and waveform selectionstrategy for target tracking in distributed phased arrayradar network[J]. IEEE Transactions on Aerospace andElectronic Systems, 2022, 58(4): 2762–2778. doi: 10.1109/TAES.2021.3138869.[5]ZHANG Haowei, LIU Weijian, XIE Junwei, et al. Jointsubarray selection and power allocation for cognitive targettracking in large-scale MIMO radar networks[J]. IEEESystems Journal, 2020, 14(2): 2569–2580. doi: 10.1109/JSYST.2019.2960401.[6]YAN Junkun, ZHANG Peng, DAI Jinhui, et al. Targetcapacity based simultaneous multibeam power allocationscheme for multiple target tracking application[J]. SignalProcessing, 2021, 178: 107794. doi: 10.1016/j.sigpro.2020.107794.[7]ZHANG Haowei, ZHOU Hao, ZONG Binfeng, et al. A fastpower allocation strategy for multibeam tracking multipletargets in clutter[J]. IEEE Systems Journal, 2022, 16(1):1249–1257. doi: 10.1109/JSYST.2021.3059257.[8]YAN Junkun, DAI Jinhui, PU Wenqiang, et al. Targetcapacity based resource optimization for multiple targettracking in radar network[J]. IEEE Transactions on SignalProcessing, 2021, 69: 2410–2421. doi: 10.1109/TSP.2021.3071173.[9]YAN Junkun, LIU Hongwei, JIU Bo, et al. Simultaneousmultibeam resource allocation scheme for multiple targettracking[J]. IEEE Transactions on Signal Processing, 2015,63(12): 3110–3122. doi: 10.1109/TSP.2015.2417504.[10]张大琳, 易伟, 孔令讲. 面向组网雷达干扰任务的多干扰机资源联合优化分配方法[J]. 雷达学报, 2021, 10(4): 595–606. doi:10.12000/JR21071.[11]表 3 优化效果分析Tab. 3 Optimization effect analysis项目最优指标值配置策略收敛时间优化问题1 PD max = 0:98 ( ^M; ^N) = (1; 13) 87.275 s优化问题2 RE max = 1166:3 km ( ^M; ^N) = (1; 5) 86.778 s优化问题3 M; ^M取决于PFA,PD /MIMO radar PD = 0:63;RE = 1006 km ( ^M; ^N) = (100; 100) /PA radar PD = 0:80;RE = 1000 km ( ^M; ^N) = (1; 1) /12 雷 达 学 报第1 1 卷ZHANG Dalin, YI Wei, and KONG Lingjiang. Optimaljoint allocation of multijammer resources for jammingnetted radar system[J]. Journal of Radars, 2021, 10(4):595–606. doi: 10.12000/JR21071.FISHLER E, HAIMOVICH A, BLUM R, et al. MIMOradar: An idea whose time has come[C]. Proceedings of the2004 IEEE Radar Conference (IEEE Cat. No. 04CH37509),Philadelphia, USA, 2004: 71–78. doi: 10.1109/NRC.2004.1316398.[12]SHI Chenguang, DING Lintao, WANG Fei, et al. Jointtarget assignment and resource optimization framework formultitarget tracking in phased array radar network[J].IEEE Systems Journal, 2021, 15(3): 4379–4390. doi: 10.1109/JSYST.2020.3025867.[13]LI Jian and STOICA P. MIMO radar with colocatedantennas[J]. IEEE Signal Processing Magazine, 2007, 24(5):106–114. doi: 10.1109/MSP.2007.904812.[14]HAIMOVICH A M, BLUM R S, and CIMINI L J. MIMOradar with widely separated antennas[J]. IEEE SignalProcessing Magazine, 2008, 25(1): 116–129. doi: 10.1109/MSP.2008.4408448.[15]FISHLER E, HAIMOVICH A, BLUM R S, et al. Spatialdiversity in radars—models and detection performance[J].IEEE Transactions on Signal Processing, 2006, 54(3):823–838. doi: 10.1109/TSP.2005.862813.[16]张光义. 相控阵雷达原理[M]. 国防工业出版社, 2009, 13–18.G. Y. Zhang, Principle of Phased Array Radar: NationalDefense Industry Press, 2009, 13–18.[17]SKOLNIK M I. Radar Handbook[M]. New York: McGraw-Hill, 1990, 236–243.[18]BUTT F A, NAQVI I H, and RIAZ U. Hybrid phased-MIMO radar: A novel approach with optimal performanceunder electronic countermeasures[J]. IEEE CommunicationsLetters, 2018, 22(6): 1184–1187. doi: 10.1109/LCOMM.2018.2828408.[19]HASSANIEN A and VOROBYOV S A. Phased-MIMOradar: A tradeoff between phased-array and MIMOradars[J]. IEEE Transactions on Signal Processing, 2010,58(6): 3137–3151. doi: 10.1109/TSP.2010.2043976.[20]DELIGIANNIS A, AMIN M, LAMBOTHARAN S, et al.Optimum sparse subarray design for multitask receivers[J].IEEE Transactions on Aerospace and Electronic Systems,2019, 55(2): 939–950. doi: 10.1109/TAES.2018.2867258.[21]YI Jianxin, WAN Xianrong, LEUNG H, et al. Jointplacement of transmitters and receivers for distributedMIMO radars[J]. IEEE Transactions on Aerospace andElectronic Systems, 2017, 53(1): 122–134. doi: 10.1109/TAES.2017.2649338.[22]RADMARD M, CHITGARHA M M, MAJD M N, et al.Antenna placement and power allocation optimization in[23]MIMO detection[J]. IEEE Transactions on Aerospace andElectronic Systems, 2014, 50(2): 1468–1478. doi: 10.1109/TAES.2014.120776.XU Jia, DAI Xizeng, XIA Xianggen, et al. Optimizations ofmultisite radar system with MIMO radars for targetdetection[J]. IEEE Transactions on Aerospace andElectronic Systems, 2011, 47(4): 2329–2343. doi: 10.1109/TAES.2011.6034636.[24]费太勇, 谭贤四, 张堃, 等. 分布式MIMO数字阵列雷达阵元优化配置[J]. 现代雷达, 2017, 39(8): 22–27. doi: 10.16592/j.cnki.1004-7859.2017.08.006.F E I T a i y o n g , T A N X i a n s i , Z H A N G K u n , e t a l.Optimizations of elements configurations for distributedMIMO digital array radar[J]. Modern Radar, 2017, 39(8):22–27. doi: 10.16592/j.cnki.1004-7859.2017.08.006.[25]费太勇, 谭贤四, 林强, 等. 分布式MIMO数字阵列雷达检测性能研究[J]. 华中科技大学学报:自然科学版, 2017, 45(12):80–85. doi: 10.13245/j.hust.171213.FEI Taiyong, TAN Xiansi, LIN Qiang, et al. Research ondetection performance for distributed MIMO digital arrayradar[J]. Journal of Huazhong University of Science andTechnology:Natural Science Edition, 2017, 45(12): 80–85.doi: 10.13245/j.hust.171213.[26]ZHOU Shenghua, LIU Hongwei, ZHAO Yongbo, et al.Target spatial and frequency scattering diversity propertyfor diversity MIMO radar[J]. Signal Processing, 2011, 91(2):269–276. doi: 10.1016/j.sigpro.2010.07.004.[27]SIDIROPOULOS N D, GINI F, CHELLAPPA R, et al.Academic Press Library in Signal Processing: Volume 2:Communications and Radar Signal Processing[M].Amsterdam: Elsevier, 2014, 329–408.[28]XU Jia, DAI Xizeng, XIA Xianggen, et al. Optimaltransmitting diversity degree-of-freedom for statisticalMIMO radar[C]. 2010 IEEE Radar Conference, Arlington,USA, 2010: 437–440. doi: 10.1109/RADAR.2010.5494582.[29]SUN Jun, XU Wenbo, and FENG Bin. A global searchs t r a t e g y o f q u a n t u m - b e h a v e d p a r t i c l e s w a r moptimization[C]. IEEE Conference on Cybernetics andIntelligent Systems, 2004, Singapore, 2004: 111–116. doi: 10.1109/ICCIS.2004.1460396.[30]SUN Jun, XU Wenbo, and FENG Bin. Adaptive parametercontrol for quantum-behaved particle swarm optimizationon individual level[C]. 2005 IEEE International Conferenceon Systems, Man and Cybernetics, Waikoloa, USA, 2005:3049–3054. doi: 10.1109/ICSMC.2005.1571614.[31]ZHANG Haowei, SHI Junpeng, ZHANG Qiliang, et al.Antenna selection for target tracking in collocated MIMOradar[J]. IEEE Transactions on Aerospace and ElectronicSystems, 2021, 57(1): 423–436. doi: 10.1109/TAES.2020.3031767.[32]第x 期齐 铖等：基于目标检测的混合分布式PA-MIMO雷达系统阵元优化部署13作 者 简 介齐　铖，在读博士研究生。主要研究方向为MIMO雷达检测、雷达资源调度。谢军伟，博士，教授。主要研究方向为雷达干扰与抗干扰技术、新体制雷达系统等。张浩为，博士，副教授。主要研究方向为雷达资源管理相关技术、认知雷达理论等。丁梓航，在读博士研究生。主要研究方向为频控阵雷达相关技术、认知雷达理论等。杨　潇，在读博士研究生。主要研究方向为射频天线、器件与集成电路设计技术、雷达接收机设计等。(责任编辑：于青)14 雷 达 学 报第1 1 卷