【技术实现步骤摘要】
认知雷达系统及其波形生成方法、装置、可读存储介质
本申请涉及认知雷达检测
，特别是涉及一种认知雷达系统、认知雷达系统的波形生成方法、装置及计算机可读存储介质。
技术介绍
认知雷达为一种智能化的雷达，通过先验知识以及对环境的交互学习来感知环境，在此基础上，实时的调整发射机参数和接收机参数适应环境的变化，以有效地、可靠地、稳健地达到预定的目标，极大提升了复杂环境中的目标检测、跟踪及抗干扰性能。雷达波形优化为指认知雷达能够根据目标特性和环境中的干扰和杂波、噪声等特性自适应的调整发射波形，从而最大化雷达系统的某种性能。比如，针对雷达目标检测性能的提升，选取最大化信噪比作为雷达波形设计的准则函数，进而求解最优雷达波形。针对雷达目标跟踪性能的提升，选取最小化目标参数估计的最小均方误差作为准则函数，进而求解最优雷达波形。相关技术在确定认知雷达最优雷达发射波形的过程中，没有考虑到待测目标和认知雷达信号之间的相互影响，如一种相关技术采用博弈论方法研究了干扰样式的最优选择；另外一种相关技术采用博弈论方法研究了基于恒...
【技术保护点】
1.一种认知雷达系统，其特征在于，包括认知雷达、认知干扰机和波形生成器，所述波形生成器分别与所述认知雷达、所述认知干扰机相连并进行数据通讯；/n所述波形生成器用于根据所述认知雷达的发射信号、待测目标的冲激响应信号、所述认知雷达接收机的热噪声和所述认知干扰机发射功率约束信息，调用预先构建的最优波形生成模型生成所述认知雷达的最优雷达发射波形和所述认知干扰机的最优干扰波形；/n其中，所述最优波形生成模型为以所述认知雷达为博弈领导者、所述认知干扰机为博弈跟随者，基于博弈收益函数为信干噪比的二人零和非合作斯坦伯格博弈算法计算所得。/n
【技术特征摘要】 【专利技术属性】
1.一种认知雷达系统，其特征在于，包括认知雷达、认知干扰机和波形生成器，所述波形生成器分别与所述认知雷达、所述认知干扰机相连并进行数据通讯；
所述波形生成器用于根据所述认知雷达的发射信号、待测目标的冲激响应信号、所述认知雷达接收机的热噪声和所述认知干扰机发射功率约束信息，调用预先构建的最优波形生成模型生成所述认知雷达的最优雷达发射波形和所述认知干扰机的最优干扰波形；
其中，所述最优波形生成模型为以所述认知雷达为博弈领导者、所述认知干扰机为博弈跟随者，基于博弈收益函数为信干噪比的二人零和非合作斯坦伯格博弈算法计算所得。
2.根据权利要求1所述的认知雷达系统，其特征在于，所述最优波形生成模型包括发射波形计算模型和干扰波形计算模型；
所述发射波形计算模型为
所述干扰波形计算模型为
式中，为所述最优雷达发射波形，X(f)为所述发射信号的傅里叶变换信息，f为频率，Ex为所述认知雷达的发射机能量约束，BW为发射信号频谱和干扰信号功率谱密度的频带范围，H(f)为所述目标冲激响应信号的傅里叶变换信息，J(f)SE为最优干扰波形，PJ为所述认知干扰机的发射功率约束，Pn为噪声功率，Snn(f)为所述接收机热噪声的功率谱密度。
3.根据权利要求1所述的认知雷达系统，其特征在于，所述最优波形生成模型中的所述认知雷达的博弈收益函数ur和所述认知干扰机的博弈收益函数uj分别为：
ur＝SJNR(|X(f)|2,J(f))；
uj＝-SJNR(|X(f)|2,J(f))；
其中，X(f)为所述发射信号的傅里叶变换信息，SJNR()为信干噪比信息，f为频率，BW为发射信号频谱和干扰信号功率谱密度的频带范围，H(f)为所述目标冲激响应信号的傅里叶变换信息，J(f)为所述认知干扰机的阻塞式干扰信号的功率谱密度，Snn(f)为所述接收机热噪声的功率谱密度。
4.根据权利要求1-3任意一项所述的认知雷达系统，其特征在于，所述波形生成器还包括监控器，所述监控器包括参数监控模块和波形重调指令发送模块；
所述参数监控模块用于实时监控所述认知雷达的接收机参数和发射机参数是否发生变化、所述认知干扰机的干扰参数是否发生变化；
所述波形重调指令发送模块用于若所述接收机参数和/或所述发射机参数和/或所述干扰参数发生变化，则反馈波形失效的信息，并同时发出最优波形重调整指令，以调用所述最优波形生成模型再次生成最新最优雷达发射波形和最新最优干扰波形。
5.一种认知雷达系统的波形生成方法，其特征在于，包括：
预先以认知雷达为博弈领导者、认知干扰机为博弈跟随者，基于博弈收益函数为信干噪比的二人零和非合作斯坦伯格博弈算法计算得到最优波形生成模型；
技术研发人员：王璐璐，彭进霖，张玉立，郑建超，
申请(专利权)人：中国人民解放军军事科学院国防科技创新研究院，
类型：发明
国别省市：北京;11
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。