1.合作式MIMO雷达和通信一体化系统的联合优化方法，其特征在于，对给定的发射天线选择及接收机位置，计算系统的参数估计性能，通过建立联合发射站选择和接收站布置的J‑TSRP优化问题，求解出一组使得估计性能最优的联合发射站选择和接收站布置的方式。

2.根据权利要求1所述的合作式MIMO雷达和通信一体化系统的联合优化方法，其特征在于，包括合作式一体化系统所采用的MIMO雷达和MIMO通信发射信号，由其基带信号生成基于特定选择策略下多个雷达接收机的接收信号，进一步计算相应选择策略下的表征系统参数估计的加权CRB，由此可构建发射天线的选择变量与接收机的位置联合优选的J‑TSRP问题，采用遗传算法求解得到对应选择的发射天线和接收机位置设置数据。

3.根据权利要求2所述的合作式MIMO雷达和通信一体化系统的联合优化方法，其特征在于，还包括对MIMO雷达系统发射站、MIMO通信系统发射站和雷达接收机进行数据互联，对多个MIMO雷达和MIMO通信发射站的发射信号建立其与多个雷达接收机的位置之间的联合优选关系。

4.根据权利要求3所述的合作式MIMO雷达和通信一体化系统的联合优化方法，其特征在于，对接收机接收到的回波信号构建成列向量，并加入零均值的复高斯随机噪声，再将列向量数据导入信号模型，所述信号模型用于求解目标位置和速度参数联合估计的似然函数和CRB，对多个不同量纲的CRB进行归一化得到加权CRB，计算使得加权CRB最小的最优发射机选择变量和接收站位置变量，所述最优方案的求解过程为求解非线性混合整数优化(MINLP)问题。

5.根据权利要求4所述的合作式MIMO雷达和通信一体化系统的联合优化方法，其特征在于，方法步骤如下：步骤1：将合作式MIMO雷达和MIMO通信系统的接收信号写为rn∣dn＝DR,ne UR,nsR,n+DC,ne UC,nsC,n+wn其中dn为第n个接收机对发射天线的选择变量，T T T T T T

sR,n＝[(sR,n[1]) ,...,(sR,n[K]) ]，sC,n＝[(sC,n[1]) ,...,(sC,n[K])] ，Twn＝[wn[1],...,wn[K]]，

步骤2：将所有接收机的观测信号构成一个列向量其中FR＝dia{gD,R1,..D,R,N，FC＝diag{DC,1,...,DC,N}，UR＝diag{UR,1,...,UR,N}，UC＝T T T T T Tdiag{UC,1,...,UC,N}，sR＝[(sR,1) ,...,(sR,N) ] ，sC＝[(sC,1) ,...,(sC,N) ] ，2

假设为零均值的复高斯随机向量，其协方差矩阵Q＝σINK为确定已知的，且ΣR＝FRe URsR以及ΣC＝FCe UCsC分别表示来自雷达和来自通信的回波；

步骤3：将信号模型代入接收信号对目标参数联合估计的似然函数H ‑1

L(r∣θ,d)∝‑(r‑(ΣR+ΣC)) Q (r‑(ΣR+ΣC))‑ln(det(Q))T

其中符号det(g)表示求矩阵的行列式，待估参数θ＝[x,y,vx,vy]；

步骤4：根据下式计算得到θ的最大似然估计

θ$ML＝argmaxθL(r∣θ,d)

步骤5：根据下式得到

其中向量 包含了

且矩阵

步骤6：根据下式得到J(θ)

* H

符号e表示哈达玛乘积，(·) 表示复共轭，(·)表示共轭转置， 表示矩阵逐元素取实部，步骤7：根据下式得到WCRB

其中αx＝wxAx,αy＝wyAy, 系数A(·)将不同量纲的参数统一为1，通过调整权值w(·)可对不同参数分配不同的权重；

步骤8：建立联合发射天线选择和接收站布置的J‑TSRP问题minβWCRB

T

s.t.β＝{d ,xr,1,yr,1,...,xr,N,yr,N},步骤9：利用基于遗传算法(GA)的算法求解J‑TSRP问题。

6.根据权利要求5所述的合作式MIMO雷达和通信一体化系统的联合优化方法，其特征在于，遗传算法的求解过程如下：输入二维区域的接收机位置可行域变量，输入加权变量，代入遗传算法，计算收敛的WCRB值和迭代次数。