认知雷达系统根据特定的场景选择合适的激励实现发射波形的最佳动态选择

MIMO雷达为近年来出现的一种新体制雷达，它在目标检测、识别、分类和定位等方面都优于传统雷达。此外，发射天线具备发射不同波形的能力，密集MIMO雷达可以在发射波束成形中具备更加灵活的性能。

这对认知雷达系统具有较强的吸引力，主要在于发射机可以根据接收机的反馈、并结合先验知识及测量、储存信息实现发射波形的最佳动态选择。

例如，若接收机在某方向检测到由于杂波或非威胁目标反射的回波时，可通过发射波束形成技术减少上述方向的回波增益，从而实现干扰的抑制及处理器被大量无关信息过载的问题。此外，通过发射波束时采用多波束扫描的形式，可实现对多个目标的跟踪，通过自适应的与搜索波束交织，从而增强系统的实用性能。

如图6所示，当在设计时没有预见到导向矢量失配时（系统面临的不可预测的不确定事件），如式所示的合成协方差的发射波束图（以进行标准化）将会被绘制。准确的来说，该MIMO雷达的归一化标称波束图（粗体蓝色实线）和最差波束图（蓝色虚线）都已在图中实现绘制。

为了实现对比的目的，图中还画出了文献中提出的算法得到的以协方差矩阵的波束图（其中红色虚线为归一化标称波束图，红色点划线表示归一化最差波束图）。

结果表明，采用PSL值的在匹配操作的情况下高出5dB，突出说明了新算法的效能。此外，导向矢量的不匹配严重影响了性能，进一步激发了研究鲁棒性的方法的兴趣。

在图7中，在设计阶段对阵列流形不确定性进行恰当的建模时，基于最优协方差矩阵的归一化方向图将会被给出。其归一化标称和最差波束图均已给出（前者为蓝色实线，后者为蓝色虚线）。

为了对比说明，采用文献的方法（不能强制给定范数约束）所获得的基于协方差矩阵的归一化方向图也已给定。在图7中，红色虚线的归一化方向图，红色点线图为的归一化最差方向图，绿色的标志曲线则表示在下的归一化最差方向图。

上述图形为我们展示了相关算法的性能，这些算法依据给定参考的PSL，通过实现对协方差矩阵的设计来确保对最差情况下的性能水平的提升。这样，该技术在通过将认知处理的过程聚焦在波束形成、控制波束旁瓣、设定角度零点的方式实现了一种强大又灵活的波束形成技术。简而言之，它根据特定的场景选择合适的激励实现最好的波束形成