当前位置: 首页 > 专利查询>天津大学专利>正文

基于天牛须搜索算法的认知雷达波形优化方法技术

技术编号:19009101 阅读:482 留言:0更新日期:2018-09-22 08:58
本发明专利技术属于认知雷达领域,为提出一种基于天牛须搜索算法的波形优化方法,与目前存在的方法相比该方法更简单方便且能够得到更好的效果。为此,本发明专利技术采用的技术方案是,基于天牛须搜索算法的认知雷达波形优化方法,利用雷达接收机接收到的波形信息对目标散射系数进行估计,估计的方法采用最大后验概率估计并用卡尔曼滤波进行迭代估计,将估计的目标散射系数与实际的目标散射系数进行比较,计算两者之间的最小均方误差,将发送波形作为变量,最小均方误差作为目标函数,设计优化目标的数学模型,利用天牛须搜索算法进行求解,得出目标函数最小时的发送波形。本发明专利技术主要应用于认知雷达设计制造场合。

Cognitive radar waveform optimization method based on search engine algorithm

The invention belongs to the field of cognitive radar. In order to propose a waveform optimization method based on the longicorn whisker search algorithm, the method is simpler and more convenient than the existing method and can obtain better results. Therefore, the technical scheme adopted by the invention is that the waveform optimization method of cognitive radar based on the longicorn whisker search algorithm estimates the target scattering coefficient by using the waveform information received by the radar receiver, and the estimation method adopts the maximum posterior probability estimation and uses Kalman filter to iteratively estimate the estimated target scattering. Compared with the actual target scattering coefficient, the minimum mean square error between them is calculated. Taking the transmitted waveform as a variable and the minimum mean square error as the objective function, the mathematical model of the optimized target is designed. The transmitted waveform is obtained by using the longicorn whisker search algorithm. The invention is mainly applied to the design and manufacture of cognitive radar.

【技术实现步骤摘要】
基于天牛须搜索算法的认知雷达波形优化方法
本专利技术属于认知雷达领域,是一种新颖的用来改进认知雷达波形优化的方法。具体涉及到一种天牛须搜索算法,将该算法对认知雷达中自适应波形进行优化,达到提高对环境中目标散射系数估计精确度的目的。
技术介绍
认知雷达系统由发射机、接收机和环境组成,是一个闭环系统[1]。接收机的关键功能之一是将接收到的环境信息反馈给发射机,发射机根据反馈信息对传输的波形进行优化,从而不断提高系统的估计和检测性能。在发射机中,传输的波形会根据得到的信息进行改变,以便准确地估计目标。因此,认知雷达最主要的问题是波形优化问题。一般来说,现有波形优化问题可以概括为以下几个方面:最大化互信息量[2],最小化克拉美罗界[3],最小化均方误差meansquareerror,MSE[4],最大化信号干扰噪声比[5]和信噪比[6],优化模糊度函数[7]等等。然而,这些问题一般都是非凸[8]问题,不能直接解决。现有工作一般将这些问题转化为凸优化问题,利用半正定松弛法semi-definiterelaxation(SDR)[9]来解决这些问题。SDR是解决优化问题的一种有效的方法。然而,在用它解决优化问题的时候,一些约束条件往往被舍弃从而降低结果的准确性,因此,我们要寻找其他的方法。基于自然启发式的优化算法[10]近年来越来越受到人们的关注,因为它们在解决优化问题上具有强大的性能,相比于目前的波形优化方法,自然启发式算法能够得到更精确的优化结果,特别是在解决这些非凸优化问题时。天牛须搜索BeetleAntennaeSearch(BAS)算法[11]是受长角天牛搜索食物行为而产生的最新的元启发式算法。该算法模拟天牛依靠触角寻找食物的原理,将食物的气味作为目标函数,天牛的位置作为变量,通过比较左右两个触角接收到的气味的大小不断更改天牛的位置从而找到最优解。本专利技术基于天牛须搜索算法提出了一种用于解决认知雷达波形优化的方法,得到很好的优化结果。[1]S.Haykin,“Cognitiveradar:awayofthefuture,”IEEESignalProcessingMagazine,vol.23,no.1,pp.30–40,Jan.2006.[2]A.Leshem,O.Naparstek,andA.Nehorai,“Informationtheoreticadaptiveradarwaveformdesignformultipleextendedtargets,”IEEEJournalofSelectedTopicsinSignalProcessing,vol.1,no.1,pp.42–55,Jun.2007.[3]P.Liu,Y.Liu,andX.Wang,“Acognitiveradarapproachforextendedtargetranging,”in2017IEEERadarConference(RadarConf),May2017,pp.0709–0712.[4]Y.YangandR.S.Blum,“Mimoradarwaveformdesignbasedonmutualinformationandminimummean-squareerrorestimation,”IEEETransactionsonAerospaceandElectronicSystems,vol.43,no.1,pp.330–343,Jan.2007.[5]X.ZhangandC.Cui,“Signaldetectionforcognitiveradar,”ElectronicsLetters,vol.49,no.8,pp.559–560,Apr.2013.[6]S.Haykin,Y.Xue,andT.N.Davidson,“Optimalwaveformdesignforcognitiveradar,”in42ndAsilomarConferenceonSignals,SystemsandComputers,Oct.2008,pp.3–7.[7]S.Shi,G.Yang,Z.Zhao,andJ.Liu,“Anovelradarwaveformdesignforalow-powerhfmonostaticradar,”IEEEGeoscienceandRemoteSensingLetters,vol.12,no.6,pp.1352–1356,Jun.2015.[8]S.BoydandL.Vandenberghe,Convexoptimization.Cambridgeuniversitypress,2004.[9]Z.Luo,W.Ma,A.M.So,Y.Ye,andS.Zhang,“Semidefiniterelaxationofquadraticoptimizationproblems,”IEEESignalProcessingMagazine,vol.27,no.3,pp.20–34,May2010.[10]X.S.Yang,Nature-InspiredOptimizationAlgorithms,1sted.Amsterdam,TheNetherlands,TheNetherlands:ElsevierSciencePublishersB.V.,2014.[11]X.JiangandS.Li,“BAS:beetleantennaesearchalgorithmforoptimizationproblems,”arXivpreprintarXiv:1710.10724,October2017。
技术实现思路
为克服现有技术的不足,本专利技术旨在提出一种基于天牛须搜索算法的波形优化方法,与目前存在的方法相比该方法更简单方便且能够得到更好的效果。为此,本专利技术采用的技术方案是,基于天牛须搜索算法的认知雷达波形优化方法,利用雷达接收机接收到的波形信息对目标散射系数进行估计,估计的方法采用最大后验概率估计并用卡尔曼滤波进行迭代估计,将估计的目标散射系数与实际的目标散射系数进行比较,计算两者之间的最小均方误差,将发送波形作为变量,最小均方误差作为目标函数,设计优化目标的数学模型,利用天牛须搜索算法进行求解,得出目标函数最小时的发送波形。天牛须搜索算法计算中,天牛触角中间位置表示所要优化的发送波形信号X,天牛最初的位置是在约束条件下的随机矢量,所以天牛左右两个触角的位置表示为:Xl=X+d0*dir/2,Xr=X-d0*dir/2,Xl表示天牛的左触角的位置,Xr表示天牛右触角的位置,d0表示两个触角间的距离,dir表示天牛的方向,食物气味的强度表示所要优化波形的评估函数,即目标函数F,F为最小均方误差函数,天牛通过比较左右两个触角接收到的气味强度更新天牛的下一个位置,比较天牛左右两边目标函数的大小,哪边小天牛就向哪边移动,从而找到目标函数的最小值。天牛下一步的更新方式是上一步的位置减去它移动步的大小,表达式为:xt+1=xt-stept*dir*sign(fleft-fright),其中xt表示天牛在t时刻的位置,step表示天牛每走一步的步长,它在每次更新迭代的过程中是不断变小的:stept+1=stept*w其中w是一个小本文档来自技高网
...
基于天牛须搜索算法的认知雷达波形优化方法

【技术保护点】
1.一种基于天牛须搜索算法的认知雷达波形优化方法,其特征是,利用雷达接收机接收到的波形信息对目标散射系数进行估计,估计的方法采用最大后验概率估计并用卡尔曼滤波进行迭代估计,将估计的目标散射系数与实际的目标散射系数进行比较,计算两者之间的最小均方误差,将发送波形作为变量,最小均方误差作为目标函数,设计优化目标的数学模型,利用天牛须搜索算法进行求解,得出目标函数最小时的发送波形。

【技术特征摘要】
1.一种基于天牛须搜索算法的认知雷达波形优化方法,其特征是,利用雷达接收机接收到的波形信息对目标散射系数进行估计,估计的方法采用最大后验概率估计并用卡尔曼滤波进行迭代估计,将估计的目标散射系数与实际的目标散射系数进行比较,计算两者之间的最小均方误差,将发送波形作为变量,最小均方误差作为目标函数,设计优化目标的数学模型,利用天牛须搜索算法进行求解,得出目标函数最小时的发送波形。2.如权利要求1所述的基于天牛须搜索算法的认知雷达波形优化方法,其特征是,天牛须搜索算法计算中,天牛触角中间位置表示所要优化的发送波形信号X,天牛最初的位置是在约束条件下的随机矢量,所以天牛左右两个触角的位置表示为:Xl=X+d0*dir/2,Xr=X-d0*dir/2,Xl表示天牛的左触角的位置,Xr表示天牛右触角的位置,d0表示两个触角间的距离,dir表示天牛的方向,食物气味的强度表示所要优化波形的评估函数,即目标函数F,F为最小均方误差函数,天牛通过比较左右两个触角接收到的气味强度更新天牛的下一个位置,比较天牛左右两边目标函数的大小,哪边小天牛就向哪边移动,从而找到目标函数的最小值。3.如权利要求1或2所述的基于天牛须搜索算法的认知雷达波形优化方法,其特征是,天牛下一步的更新方式是上一步的位置减去它移动步的大小,表达式为:xt+1=xt-stept*dir*sign(fle...

【专利技术属性】
技术研发人员:汪清李萌高丽蓉窦同东
申请(专利权)人:天津大学
类型:发明
国别省市:天津,12

网友询问留言 已有0条评论
  • 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。

1