多普勒方位联合估计的蒙特卡洛算法

目标回波的多普勒和方位参数能体现目标的重要特征.本文从参数的最大似然估计出发,采用非线性来放大似然函数并构造一个新的代价函数,该函数能更明显区分局部和全局最佳值.针对新代价函数的复杂形式,我们提出了基于蒙特卡洛的重要性采样方法来求解最佳值,并给出了重要性函数的一种选取方法.该方法不仅在低信噪比和小样本数条件下性能良好,而且各个参数自动配对并适用于任意的已知阵型.与已有的基于子空间的联合估计算法的仿真比较表明,本文提出的算法在性能上非常接近参数估计的CRLB.