中文摘要：

分布式压缩感知(DCS)将单信号的压缩采样扩展到信号群的压缩采样, 利用信号内相关性和互相关性对多个信号进行联合重构，DCS可节约相当可观的观测数据，是压缩感知理论的扩展应用。本项目将DCS应用于MIMO雷达系统,一、构建信号群的联合稀疏表示模型:(1)利用多个信号的内相关性与互相关性，研究DCS-MIMO雷达系统信号模型；(2)通过对时变(非)线性系统的共同基分析，研究基于MIMO雷达体系的DCS变换基构造、位置矩阵和观测矩阵设计方法;(3)结合观测矩阵构造与相关性分析，研究DCS-MIMO雷达波形优化设计，突破MIMO雷达发射波形正交性的限制；二、DCS-MIMO雷达目标精确重构:(1)探讨最优重构对采样数据量的限制；(2)研究待测信号的多元优化联合重构算法。本项目的研究将建立DCS-MIMO雷达系统分析基础，为减少采样数据，提高目标检测性能与参数估计精度提供新的解决思路和技术途径。

结论摘要：

分布式压缩感知(DCS)将单信号的压缩采样扩展到信号群的压缩采样, 利用信号内相关性和互相关性对多个信号进行联合重构，DCS可进一步降低待处理的观测数据，是压缩感知理论的扩展应用。本项目将DCS应用于MIMO雷达系统,一、构建雷达回波信号群的联合稀疏表示模型:(1)利用多个回波信号在稀疏域的结构共性，分别提出了相参DCS-MIMO雷达系统与非相参DCS-MIMO雷达系统的信号模型；(2)通过对回波信号群稀疏域结构特性的分析，提出了基于分布式MIMO雷达系统的DCS联合稀疏变换基构造；(3)结合联合稀疏变换基的设计，提出了针对联合稀疏变换基结构的联合观测矩阵设计方法，以硬件系统设计为目的，提出了基于滤波器结构的观测矩阵设计与优化方法；(4)结合联合观测矩阵构造与感知矩阵的相关性分析，提出了DCS-MIMO雷达波形优化设计方法，突破了MIMO雷达发射波形正交性的限制；二、DCS-MIMO雷达目标参数精确估计:(1)在非相参DCS-MIMO雷达系统中，针对信号群内各信号在稀疏域的结构特性，提出了基于贪婪算法的回波信号群联合优化重构算法；(2)结合DCS-MIMO雷达系统中的联合优化重构算法，研究了该联合重构算法对处理数据量的要求，给出了DCS-MIMO雷达系统对目标空间稳定重构下的采样数据量下限；三、DCS-MIMO雷达硬件系统设计(1)结合感知矩阵相关性要求，提出了易于硬件实现的噪声雷达系统模型，创新的利用噪声发射信号作为观测矩阵；(2)以进一步提高发射信号随机性为目的，提出了混沌信号源的设计，利用混沌信号作为发射信号，可以进一步改善感知矩阵的相关性；本项目的研究初步建立了DCS-MIMO雷达系统分析基础，为减少采样数据，提高目标检测性能与参数估计精度提供新的解决思路和技术途径。为压缩感知雷达系统硬件设计提供了理论基础与实现方案，并实现了初步验证。