基于蝙蝠算法的认知雷达波形优化方法技术

本发明专利技术涉及认知雷达技术，为提出一种波形优化的方法，和目前存在的方法相比，计算的性能更高，本发明专利技术，基于蝙蝠算法的认知雷达波形优化方法，在发射端发出信号经目标反射后被接收端接收，根据最大后验概率计算目标散射系数，其中，每个虚拟的蝙蝠表示信号的一种可行位置，根据计算每次迭代后的蝙蝠的位置获得最优的优化算法：每个所述信号在空间中的位置，都设置一个适应度对应下的代价函数；经过蝙蝠算法进行迭代，改变所述信号波形，使得由实际的目标散射系数与估计的目标散射系数比较计算的均方误差逐步减小，多次迭代以后由P找到最佳位置Gest，均方误差达到最小，从而实现雷达波形优化。本发明专利技术主要应用于雷达设计制造场合。

【技术实现步骤摘要】
基于蝙蝠算法的认知雷达波形优化方法
本专利技术涉及认知雷达技术，具体讲,涉及基于蝙蝠算法的认知雷达波形优化方法。
技术介绍
认知雷达系统是由发射机、接收机和环境组成的闭环系统[1]。接收机的关键功能之一就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发送的波形进行优化，从而不断提高系统的估计和检测性能。在发射机中，根据所获得的信息，对发射波形进行改变，以准确地估计目标。因此认知雷达的首要问题是波形优化。认知雷达中的波形优化，由于其在估计误差最小化方面的功能特性，可以用于目标检测和跟踪。通常来说，现有的波形优化问题可以概括为几个方面：最大互信息量[2]，最小克拉美罗界[3]，最小均方误差(meansquareerror，MSE)[4]，最大信号干扰噪声比[5]和信噪比[6]以及优化模糊度函数[7],等等。这些问题都是非凸[8]的，用半正定松弛(SDR)方法求解会导致解的不准确。我们一般将这些问题转化为凸优化问题，并用半正定松弛法(semi-definiterelaxationSDR)[9]来解决这些问题。SDR是一种比较好的逼近技术，可以解决很多困难的优化问题。然而在用它解决优本文档来自技高网...

【技术保护点】
1.一种基于蝙蝠算法的认知雷达波形优化方法，其特征是，在发射端发出信号经目标反射后被接收端接收，根据最大后验概率计算目标散射系数，其中，每个虚拟的蝙蝠表示信号的一种可行位置，都有一个随机的飞行速度、位置和运动方向，根据计算每次迭代后的蝙蝠的位置获得最优的优化算法：每个所述信号在空间中的位置，都设置一个适应度对应下的代价函数；P表示当前位置，Gest表示所有具有最佳适应度的信号的当前全局最优位置，经过蝙蝠算法进行迭代，改变所述信号波形，使得由实际的目标散射系数与估计的目标散射系数比较计算的均方误差逐步减小，多次迭代以后由P找到最佳位置Gest，均方误差达到最小，从而实现雷达波形优化。

【技术特征摘要】
1.一种基于蝙蝠算法的认知雷达波形优化方法，其特征是，在发射端发出信号经目标反射后被接收端接收，根据最大后验概率计算目标散射系数，其中，每个虚拟的蝙蝠表示信号的一种可行位置，都有一个随机的飞行速度、位置和运动方向，根据计算每次迭代后的蝙蝠的位置获得最优的优化算法：每个所述信号在空间中的位置，都设置一个适应度对应下的代价函数；P表示当前位置，Gest表示所有具有最佳适应度的信号的当前全局最优位置，经过蝙蝠算法进行迭代，改变所述信号波形，使得由实际的目标散射系数与估计的目标散射系数比较计算的均方误差逐步减小，多次迭代以后由P找到最佳位置Gest，均方误差达到最小，从而实现雷达波形优化。2.如权利要求1所述的基于蝙蝠算法的认知雷达波形优化方法，其特征是，具体地：首先定义且初始化每个蝙蝠的位置和速度，蝙蝠的数量是M，蝙蝠的位置是传输波形的解，对于波形优化问题，蝙蝠的位置定义为Xi＝{X1,X2,X3...XD}，i∈[1,M]，D是要传递的信号的长度；速度被初始化为Vi＝{v1,v2,v3...vD}，为了保证解空间的随机性，在发射功率Es的约束下，即随机选取每个蝙蝠的位置；之后定义并初始化蝙蝠的适应度，在该波形优化的问题上，将适应度F定义为与发射信号对应的目标函数的值：其中：MSE最小均方误差，F蝙蝠的适应度，tr：矩阵的迹，diag：矩阵的对角线元素，上标H：表示矩阵的转置，Ru：估计的目标散射系数，Rg实际的目标散射函数，上标-1表示矩阵求逆运算；最后定义并初始化Pbest和Gbest，根据蝙蝠群的初始位置，计算每个蝙蝠的适应度，由当前时刻蝙蝠的位置决定每个蝙蝠此时的最佳位置，如下公式：其中，arg表示将F(x)即F的最小值最大化，全局最佳位置是所有蝙蝠的最小适应度相对应的位置：...

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