本发明专利技术公开了一种动态环境下基于预测的组网雷达优化天线配置方法，该方法属于雷达技术领域，具体涉及在动态环境下利用基于状态预测的粒子群优化算法对组网雷达站点进行优化配置。本发明专利技术可以在动态战场环境下，根据上一时刻的最优站点配置方案预测出新时刻雷达站点的大致位置，然后再用PSO方法求出实际的最优站点配置方案，可以有效减少计算时间和避免计算资源的浪费，快速获得动态环境下各个时刻的雷达站点优化配置结果。
【技术实现步骤摘要】
一种结合状态预测和粒子群优化的组网雷达天线配置方法
本专利技术属于雷达
，具体涉及在动态环境下利用基于状态预测的粒子群优化算法对组网雷达站点进行优化配置。
技术介绍
随着综合电子战的发展，传统的单独工作雷达无法完成多种任务，自身的生存也成为急待解决的问题，且单部雷达无法与电子对抗系统抗衡。在这种情况下，多功能雷达组网应运而生。美国空军和陆军有关专家普遍认为，组网是最有希望的反隐身、抗干扰途径。美陆军已集中力量优先安排组网工作，以改进其监视和作战能力，并研究将成熟的情报雷达网、制导雷达组网不断改进和完善。然而，组网雷达的性能很大程度上由其天线位置的分布决定，优化天线的位置，就能使得组网雷达性能明显提升。近年来，粒子群优化算法(PSO)被应用于解决优化天线位置的问题。但是，之前的研究者只针对了单一环境下的组网雷达天线位置的优化问题进行研究，如果外部环境发生变化，则求出的最优站点配置方案可能就不再适用，就需要完全进行重新计算。但是在实际战场中，环境的变化往往分为两种，一种是毫无规律的随机变化，另一种是有规律可循的变化。对于前一种变化，每次都完全重新计算确实是个可行的方法，但对于第二种来说，重新计算就会忽略掉环境之间的规律，这些规律可能在降低计算量方面有着很大的作用。如果我们能够发现这些规律并在计算中将其合理利用，会使得寻找最优解的过程会变得更加简单。
技术实现思路
本专利技术的目的是针对动态环境下优化组网雷达站点配置方案，研究设计一种基于预测的粒子群优化方法，解决在一段时间内，环境发生动态变化时，各时刻的雷达站点配置方法优化。本专利技术的技术方案为：一种动态环境下基于预测的组网雷达优化天线配置方法，包括以下步骤：步骤1、采用卡尔曼滤波的预测模型，根据t1之前的多个时刻天线优化配置方案，预测出t1时刻天线配置方案；S1.1、针对t1之前的多个时刻的环境，采用已有的天线优化配置方法求得每个时刻的最优天线配置方案；S1.2、利用已确定时刻的最优天线配置方案，建立t1-1时刻的状态向量；S1.3、利用t1-1时刻状态向量，采用卡尔曼滤波的预测模型，预测t1时刻天线配置方案状态向量；步骤2、将粒子群优化算法的初始粒子群随机初始化于预测的t1时刻天线配置方案状态向量周围；步骤3、用粒子群优化算法在变量空间中搜索求得最优天线配置方案；首先建立用于存储非支配粒子的外部档案集，并从初始粒子群中挑选出互不支配的粒子存储到外部档案集，并随机挑选一个粒子作为全局最优粒子，该粒子的位置为这里的支配指的是Pareto支配；每一个迭代周期更新所有粒子的速度和位置：式中w(l)是惯性权重，随着迭代周期的增加而衰减，其迭代公式表示为：w(l)＝0.9-0.5*(l/lmax)，lmax为迭代周期的最大值，c1和c2为加速度常数，r1和r2是在[0,1]内均匀分布的随机实数，和Φi(l)代表第i个粒子在第l个迭代周期内的速度和位置，其中，所有粒子速度不超过Vmax，表示第i个粒子的历史最优位置，表示全局粒子的最优位置；每次迭代后，首先计算外部档案集中各粒子是否被新迭代出的粒子支配，删除被支配的外部档案集中的粒子；然后计算新迭代出的粒子中与外部档案集中粒子关系，与外部档案集内的粒子互不支配，则被加入外部档案集；直到达到最大的迭代次数，确定最终的外部档案集；根据当前实际情况从外部档案集中选择出一个粒子，作为t1时刻实际天线配置方案；步骤4、用步骤3求得的外部档案集中的站点配置方案，结合卡尔曼滤波，对预测模型进行修正；S4.1、根据实际情况从外部档案集中选择出多个粒子；S4.2、计算第t1时刻预测误差互相关矩阵为A即为状态转移矩阵，Q为过程噪声，为第t1-1时刻修正后预测误差互相关矩阵；S4.3、计算卡尔曼增益矩阵为其中H为观测矩阵，R为观测噪声矩阵；S4.4、结合S4.1选择出多个粒子对t1时刻的站点配置方案进行修正：其中：表示第t1时刻修正后的状态向量，表示未加修正的状态预测向量；S4.5、对状态误差互相关矩阵的修正为：其中：E表示单位矩阵。进一步的，所述步骤1中采用已有的天线优化配置方法求得前三个时刻的最优天线配置方案；预测出第四时刻天线优化配置方案，具体操作方法为：第三时刻天线配置方案的状态向量为：其中和分别为第一、第二、第三时刻的天线最优配置方案中各天线位置，和分别为第三时刻的天线移动趋势的速度和加速度；则对第四时刻的天线配置方案的站点位置进行估计：表示第四时刻的天线配置方案状态向量，为状态转移矩阵。再进一步的，所述步骤2具体方法为对估计出的第四时刻各天线位置的周围划定一个方形或圆形邻域，邻域大小根据实际情况决定，各站点邻域的总和为第四时刻的天线位置邻域，将初始粒子群随机初始化于第四时刻的天线位置邻域中并随机初始化粒子的初始速度。进一步的，所述步骤3中确定某一粒子是否被其余粒子支配的方法为：以监视区域的覆盖率作为监视性能的目标函数，比较两个粒子的各监视区域目标函数值，若某个粒子的所有监视区域的目标函数值大于等于另一个粒子相对应的目标函数值，则称另一个粒子被这个粒子所支配。进一步的，所述步骤S4.1中从步骤3得到的外部档案集中选择出最优的粒子的方法为：从t1时刻外部档案集中选择出与粒子Q欧氏距离最小的粒子，其中粒子Q属于从t1-1时刻外部档案集中选择出的粒子。本专利技术可以在动态战场环境下，根据上一时刻的最优站点配置方案预测出新时刻雷达站点的大致位置，然后再用PSO方法求出实际的最优站点配置方案，可以有效减少计算时间和避免计算资源的浪费，快速获得动态环境下各个时刻的雷达站点优化配置结果。附图说明图1为本专利技术提供的一种动态环境下的雷达站点优化配置方法流程图。图2为本专利技术步骤S2的分步骤流程图。图3为本专利技术步骤S3的分步骤流程图。图4是本专利技术实施例的仿真场景示意图。图5是对比本专利技术所提出的PBPSO算法和普通PSO算法在解决动态环境里，其中一个时刻的站点优化配置问题所得到的非支配解。图6是在整个时间段中本专利技术所提出的PBPSO算法和普通PSO算法计算出的最优解与实际最优解的间隔距离的比较。具体实施方式本专利技术所采用的技术方案是基于组网雷达，使用卡尔曼滤波和多目标PSO算法，在对雷达站点配置进行有效优化的同时，能根据优化结果自适应终止优化计算过程，包括以下步骤：对开始的三个时刻，将它们看做相互独立的，利用传统的PSO方法计算出最优站点配置方案。然后就可以进入本文所提出的算法：S1、采用卡尔曼滤波的预测模型，根据之前的站点优化配置方案，预测出下一时刻大致的站点优化配置方案，具体操作方法为：第三时刻站点配置方案的状态向量为：其中和分别为前三个时刻的站点最优配置方案的天线位置，和分别为第三时刻的天线移动趋势的速度和加速度。则我们可以对第四时刻的站点配置方案的天线大致位置进行合理的估计：如果环境变化遵循某一些规律，则第四时刻的站点最优配置方案的天线位置很有可能就在预测点的附近，状态转移矩阵。S2、将PSO算法的初始粒子群随机初始化于预测解的周围：对预测出的第四时刻最优解，对于每一个天线，在该天线的预测位置的周围划定一个方形或圆形邻域，在使用PSO算法计算该时刻最优解的时候，将初始粒子群随机初始化于这些邻域之中并随机初始化粒子的初始速度。对每一个粒子，求出其本文档来自技高网...
【技术保护点】
1.一种动态环境下基于预测的组网雷达优化天线配置方法，包括以下步骤：步骤1、采用卡尔曼滤波的预测模型，根据t1之前的多个时刻天线优化配置方案，预测出t1时刻天线配置方案；S1.1、针对t1之前的多个时刻的环境，采用已有的天线优化配置方法求得每个时刻的最优天线配置方案；S1.2、利用已确定时刻的最优天线配置方案，建立t1‑1时刻的状态向量；S1.3、利用t1‑1时刻状态向量，采用卡尔曼滤波的预测模型，预测t1时刻天线配置方案状态向量；步骤2、将粒子群优化算法的初始粒子群随机初始化于预测的t1时刻天线配置方案状态向量周围；步骤3、用粒子群优化算法在变量空间中搜索求得最优天线配置方案；首先建立用于存储非支配粒子的外部档案集，并从初始粒子群中挑选出互不支配的粒子存储到外部档案集，并随机挑选一个粒子作为全局最优粒子，该粒子的位置为
【技术特征摘要】
1.一种动态环境下基于预测的组网雷达优化天线配置方法，包括以下步骤：步骤1、采用卡尔曼滤波的预测模型，根据t1之前的多个时刻天线优化配置方案，预测出t1时刻天线配置方案；S1.1、针对t1之前的多个时刻的环境，采用已有的天线优化配置方法求得每个时刻的最优天线配置方案；S1.2、利用已确定时刻的最优天线配置方案，建立t1-1时刻的状态向量；S1.3、利用t1-1时刻状态向量，采用卡尔曼滤波的预测模型，预测t1时刻天线配置方案状态向量；步骤2、将粒子群优化算法的初始粒子群随机初始化于预测的t1时刻天线配置方案状态向量周围；步骤3、用粒子群优化算法在变量空间中搜索求得最优天线配置方案；首先建立用于存储非支配粒子的外部档案集，并从初始粒子群中挑选出互不支配的粒子存储到外部档案集，并随机挑选一个粒子作为全局最优粒子，该粒子的位置为这里的支配指的是Pareto支配；每一个迭代周期更新所有粒子的速度和位置：式中w(l)是惯性权重，随着迭代周期的增加而衰减，其迭代公式表示为：w(l)＝0.9-0.5*(l/lmax)，lmax为迭代周期的最大值，c1和c2为加速度常数，r1和r2是在[0,1]内均匀分布的随机实数，和Φi(l)代表第i个粒子在第l个迭代周期内的速度和位置，其中，所有粒子速度不超过Vmax，表示第i个粒子的历史最优位置，表示全局粒子的最优位置；每次迭代后，首先计算外部档案集中各粒子是否被新迭代出的粒子支配，删除被支配的外部档案集中的粒子；然后计算新迭代出的粒子中与外部档案集中粒子关系，与外部档案集内的粒子互不支配，则被加入外部档案集；直到达到最大的迭代次数，确定最终的外部档案集；根据当前实际情况从外部档案集中选择出一个粒子，作为t1时刻实际天线配置方案；步骤4、用步骤3求得的外部档案集中的站点配置方案，结合卡尔曼滤波，对预测模型进行修正；S4.1、根据实际情况从外部档案集中选择出多个粒子；S4.2、计算第t1时刻预测误差互相关矩阵为A即...
【专利技术属性】
技术研发人员：张天贤，汪子钦，王远航，时巧，崔国龙，孔令讲，杨晓波，易伟，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。