雷达通信融合系统能够实现雷达探测功能和无线通信功能的融合,广泛应用于车载通信、无线传感网络以及电子对抗等领域。应用于车载通信环境下的雷达通信融合系统,与正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术相结合,旨在实现车车之间的通信,与此同时还能对周围车辆的位置进行感知。在二维平面中,得到目标车辆的距离和方位角就可以初步确定目标车辆的位置,因此,本文旨在研究利用雷达通信融合信号对车辆的距离和方位角进行估计。传统的参数估计方法,如子空间分解类算法,对信噪比和快拍数的要求较高,并且需要信源数作为先验知识。近年来,随着稀疏重构理论的逐渐完善,国内外学者将其运用到信源定位上来,取得了很好地成果。本文在基于雷达通信融合系统的基础上,从稀疏重构的视角来讨论角度与距离的估计问题。(1)研究基于稀疏重构的角度估计问题。l1范数经常被用来对稀疏信号进行稀疏约束,然而它并不是最恰当的稀疏约束,在信噪比较低的情况下,利用l1范数方法重构的空间谱会出现伪峰,使得估计性能下降。针对这一问题,本文提出一种新的加权l1范数角度估计方法,通过最大特征向量来构造稀疏模型,能够减少计算复杂度,同时在信源数估计错误的情况下,也能精确估计。另外设计了基于特征向量的加权矩阵,促进了l1范数的稀疏性,提高了角度估计精度。(2)研究基于稀疏重构的角度距离联合估计问题。对于多参数的稀疏重构,直接构造二维字典矩阵,会包含许多冗余信息,从而使重构时计算复杂度显著增加。针对这一问题,本文利用OFDM信号可由离散傅里叶变换实现的特性,将阵列接收信号变换到频域,并通过点除来得到包含角度与距离的参数矩阵,再对参数矩阵进行预处理,将角度与距离分离,使得二维字典矩阵转换为一维字典矩阵,减少了计算的复杂度。仿真实验表明,本文提出的估计算法满足车辆定位的精度需求,且具有高分辨率、强噪声鲁棒性及适用于相干信号的优点。