500 руб
Журнал «Радиотехника» №1 за 2026 г.
Статья в номере:
Алгоритм управления пространственным распределением мощности в MIMO-радиолокаторах с BPSK- и QPSK-сигналами
Тип статьи: научная статья
DOI: https://doi.org/10.18127/j00338486-202601-06
УДК: 629.052.3
Ключевые слова: MIMO РЛС радиолокатор диаграмма направленности генетический алгоритм последовательности Задова-Чу BPSK QPSK
Авторы:

Ю.М. Мелёшин1

1 Институт микроприборов и систем управления им. Л.Н. Преснухина НИУ МИЭТ (Москва, г.Зеленоград, Россия)

1 i@imym.ru

Аннотация:

Постановка проблемы. Современные радиолокаторы (РЛС), построенные по технологии множественного входа и множественного выхода (Multiple-Input-Multiple-Output, MIMO), строятся с применением различных сигнально-кодовых конструкций и способов обеспечения ортогональности передающих сигналов. В связи с этим важное значение имеют задачи управления пространственным распределением мощности на передачу MIMO РЛС при сохранении свойств ортогональности передаваемых сигналов. Данные вопросы хорошо изучены для последовательностей Задова-Чу. Перспективным направлением развития MIMO РЛС является переход к более простым архитектурам с сигналами двоичной фазовой манипуляцией (BPSK) и квадратурной фазовой манипуляцией (QPSK), что дает возможность отказаться от использования цифро-аналоговых преобразователей в передающих каналах и существенно упростить реализацию. Таким образом, на сегодняшний день актуальна проблема управления пространственным распределением мощности в MIMO РЛС с BPSK- и QPSK-сигналами.

Цель. Предложить алгоритм управления пространственным распределением мощности в MIMO РЛС с BPSK- и QPSK-сиг-налами и провести его численное исследование.

Результаты. Проанализированы существующие способы управления распределением мощности для MIMO РЛС на базе последовательностей Задова-Чу. Предложен подход, в котором алгоритм оптимизации градиентного спуска заменен на генетический алгоритм. Подтверждена работоспособность предлагаемого подхода и показан прирост мощности в целевых направлениях от 3 до 7 дБ. Исследован новый способ управления мощностью в MIMO РЛС с аппаратными ограничениями в части значений фазы BPSK- и QPSK-сигналов передающих элементов. Выполнено моделирование разработанного алгоритма, в результате которого получено увеличение излучаемой мощности в целевые направления от 2 до 3 дБ для BPSK-сигналов и от 2,2 до 3 дБ (для трех целевых направлений) для QPSK-сигналов.

Практическая значимость. Применение представленного алгоритма управления пространственным распределением мощности в MIMO РЛС с BPSK- и QPSK-сигналами позволяет увеличить ОСШ в режимах работы с априорной информацией о целевых угловых областях интереса, например, в режиме допоиска или сопровождения цели в MIMO РЛС.

Страницы: 54-71
Для цитирования

Мелёшин Ю.М. Алгоритм управления пространственным распределением мощности в MIMO-радиолокаторах с BPSK- и QPSK-сигналами // Радиотехника. 2026. Т. 90. № 1. С. 54–71. DOI: https://doi.org/10.18127/j00338486-202601-06

Список источников
  1. Gul M.M.U., Ma X., Lee S. Timing and frequency synchronization for OFDM downlink transmissions using Zadoff Chu sequences // IEEE Trans. Wireless Commun. Mar. 2015. V. 14. № 3. Р. 1716–1729.
  2. Popovic B.M. Spreading sequences for multicarrier CDMA systems // IEEE Trans. Commun. Jun. 1999. V. 47. № 6. Р. 918–926.
  3. Ipanov R.N., Baskakov A.I., Olyunin N., Ka M.H. Radar Signals with ZACZ based on pairs of D-Code sequences and their compression algorithm // IEEE Signal Processing Letters. 2018. V. 25. № 10. P. 1560-1564. DOI: 10.1109/LSP.2018.2867734.
  4. Лялин К.С., Хасанов М.С., Мелешин Ю.М., Кузьмин И.А. Спектральный метод подавления боковых лепестков автокор-реляционной функции длинных псевдослучайных бинарных последовательностей // Труды МАИ. 2018. № 103. С. 23.
  5. Мелешин Ю.М., Хасанов М.С., Карпов В.Н. MIMO РЛС на базе линейно-частотно модулированных сигналов с быстрой сглаженной фазокодовой манипуляцией // Цифровая обработка сигналов. 2024. № 4. С. 63-68.
  6. Зайцев Г.В., Кондранина Н.С., Литвинов Д.М. Оценка характеристик метода несогласованной фильтрации, минимизирую-щего интегральный уровень боковых лепестков фазокодоманипулированных сигналов // Цифровая обработка сигналов. 2017. № 1.
  7. Shi C., Ding L., Wang F., Salous S., Zhou J. Joint target assignment and resource optimization framework for multitarget tracking in phased array radar network // IEEE Syst. J. Sep. 2021. V. 15. № 3. Р. 4379–4390.
  8. Hassanien A., Vorobyov S.A. Transmit energy focusing for DOA estimation in MIMO radar with colocated antennas // IEEE Trans. Signal Process. Jun. 2011. V. 59. № 6. Р. 2669–2682.
  9. Wang X., Wang L., Li X., Bi G. Nuclear norm minimization framework for DOA estimation in MIMO radar // Signal Process. Jun. 2017. V. 135. Р. 147–152.
  10. De Maio Aubry A., Huang Y. MIMO radar beampattern design via PSL/ISL optimization // IEEE Trans. Signal Process. Aug. 2016. V. 64. № 15. Р. 3955–3967.
  11. Imani S., Ghorashi S.A. Transmit signal and receive filter design in co-located MIMO radar using a transmit weighting matrix // IEEE Signal Process. Lett. Oct. 2015. V. 22. № 10. Р. 1521–1524.
  12. Gregorio F.H., et al. Analysis and compensation of nonlinear power amplifier effects in multi-antenna OFDM systems. Espoo, Finland: Helsinki Univ. of Technology. 2007.
  13. Aldayel O., Monga V., Rangaswamy M. Successive QCQP refine ment for MIMO radar waveform design under practical constraints // IEEE Trans. Signal Process. Jul. 2016. V. 64. № 14. Р. 3760–3774.
  14. Huang Y., Liu C., Song Y., Yu X. DFT codebook-based hybrid precoding for multiuser mmWave massive MIMO systems // EURASIP J. Adv. Signal Process. Dec. 2020. V. 2020. № 1. Р. 1–13.
  15. Liu, Lau V. Phase only RF precoding for massive MIMO systems with limited RF chains // IEEE Trans. Signal Process. Sep. 2014. V. 62. № 17. Р. 4505–4515.
  16. Mukkavilli K.K., Sabharwal A., Erkip E., Aazhang B. On beamforming with finite rate feedback in multiple-antenna systems // IEEE Trans. Inf. Theory. Oct. 2003. V. 49. № 10. Р. 2562–2579.
  17. Raghavan V., Hanly S.V., Veeravalli V.V. Statistical beamforming on the Grassmann manifold for the two-user broadcast channel // IEEE Trans. Inf. Theory. Oct. 2013. V. 59. № 10. Р. 6464–6489.
  18. Gaydos M.G., Love D.J., Kim T. Constant modulus precoded MIMO radar based on zadoff-chu sequences // IEEE Transactions on Radar Systems. 2024. V. 2. Р. 677-689. DOI: 10.1109/TRS.2024.3409029.
  19. Proakis J.G. Digital signal processing: principles, algorithms, and applications. Chennai. India: Pearson. 2001.
  20. Grillet P.A. Abstract algebra. V. 242. New York. NY. USA: Springer. 2007.
  21. Chu D.C. Polyphase codes with good periodic correlation properties // IEEE Trans. Inf. Theory. Jul. 1972. V. IT-18. № 4. Р. 531–532.
  22. Beyme S., Leung C. Efficient computation of DFT of Zadoff–Chu sequences // Electron. Lett. 2009. V. 45. № 9. Р. 461–463.
  23. Jordan J. Intro to optimization in deep learning: gradient descent // Paperspace. Series: Optimization. 2018. URL: https://blog.pa-perspace.com/intro-to-optimization-in-deep-learning-gradient-descent/.
  24. Каширина И.Л., Демченко М.В. Исследование и сравнительный анализ методов оптимизации, используемых при обучении нейронных сетей // Вестник Воронежского гос. ун-та. Сер. Системный анализ и информационные технологии. 2018. №. 4. С. 123-132.
  25. Гасников А.В. Современные численные методы оптимизации. Метод универсального градиентного спуска. Изд. 2-е, доп. М.: Московский физико-технический институт (государственный университет). 2018. 181 с.
  26. Дивеев А.И., Константинов С.В. Эволюционные алгоритмы для решения задачи оптимального управления // Вестник Российского университета дружбы народов. Сер. Инженерные исследования. 2017. Т. 18. № 2. С. 254-265.
  27. Goldberg D.E. Genetic Algorithms in search, optimization, and machine learning. AddisonWesley. 1989. 412 p.
Дата поступления: 21.08.2025
Одобрена после рецензирования: 06.10.2025
Принята к публикации: 29.12.2025