【技术实现步骤摘要】
基于双目标混合粒子群优化算法的雷达资源分配方法
[0001]本专利技术属于雷达资源分配调度
，涉及基于双目标混合粒子群优化算法的雷达资源分配方法。
技术介绍
[0002]资源分配策略在分布式MIMO(multiple
‑
input multiple
‑
output)雷达系统的多功能性能中具有重要作用。在实际应用中，不同的功能可能会对同一资源产生竞争，分布式MIMO雷达系统利用稀疏子阵列和正交波形从不同方面观察目标，相比于传统雷达网络，实现空间分集和波形分集增益。
[0003]分布式MIMO雷达通常需要同时执行多个功能，并且每个功能都需要进行一定的资源消耗；然而，雷达系统中的资源有限，例如，在雷达网络中，工作子阵列的数量受到融合中心的通信和计算能力的限制；此外，车载或机场雷达的功率资源尤其不足，主要来源于来自电池。因此，需要一种有效的资源分配策略来提升资源利用效率及目标检测和跟踪性能。
[0004]目前大多数研究单纯集中于搜索或者跟踪的阶段的资源优化，未关注两个任务的同...
【技术保护点】
【技术特征摘要】
1.基于双目标混合粒子群优化算法的雷达资源分配方法，其特征在于，具体按照以下步骤实施：步骤1、建立资源分配优化模型；步骤2、进行子阵列优化选择；步骤3、进行功率优化选择。2.根据权利要求1所述的基于双目标混合粒子群优化算法的雷达资源分配方法，其特征在于，所述步骤1分布式MIMO雷达系统发射宽波束以照亮整个空间，并接收窄波束以提取目标信息，利用数字波束形成技术在接收器处形成的宽发窄收波束。3.根据权利要求2所述的基于双目标混合粒子群优化算法的雷达资源分配方法，其特征在于，所述步骤1的具体步骤为：步骤1.1、变量定义；在宽发窄收工作模式下，建立具有M个发射机和N个接收机的二维分布式MIMO雷达系统，负责跟踪Q个目标和检测J个点，每个发射机的发射信号被归一化和正交，将第k次的选择向量和功率分配向量定义为：其中，t
sm,k
和r
sn,k
是0
‑
1选择向量，P
tm,k
是功率分配向量；步骤1.2、建立路径损耗影响因子；通过第mn条路径从点j到MIMO雷达的路径损耗影响因子为：其中，损耗项L0是多种影响因子的积分项，通过第mn条路径从目标q到MIMO雷达的路径损耗影响因子为：为：使用跟踪递归循环中的先验目标信息来预测；步骤1.3、建立搜索阶段目标函数；搜索阶段目标函数，为了实现多点检测的最大概率，将最坏情况设置为目标函数，即即步骤1.4、建立跟踪阶段目标函数；跟踪阶段目标函数，为了实现多个目标的最佳跟踪精度，目标函数设置为：
步骤1.5、建立搜索及跟踪阶段双目标优化模型其中11×
M
是1
×
M向量，所有元素都等于1。4.根据权利要求3所述的基于双目标混合粒子群优化算法的雷达资源分配方法，其特征在于，所述步骤2进行粒子群优化时，其中假设功率被均匀分配，即公式(6)被重新表述为：5.根据权利要求4所述的基于双目标混合粒子群优化算法的雷达资源分配方法，其特征在于，所述步骤2的具体步骤为：步骤2.1、双目标混合粒子群优化算法；在第t次迭代中，每个粒子根据自己的经验和群体通信调整飞行方向和步长；在粒子群算法中，全局最佳位置总是在群中共享，同时，每个粒子都保留了已发现的最佳位置第d维第p个粒子的更新方程为：L
pd
(t+1)＝L
pd
(t)+v
pd
(t+1)(9)其中，L
pd
(t)是位置，v
pd
(t)是速度，ω是惯性权重，rand是从[0,1]得出的伪随机值；α和β是认知和社会因素，分别是和的第d维度；在粒子群算法中，每个粒子被视为一个备选解，每个维度被视为备选子解；在双目标粒子群优化算法中，定义为：
是从外部存档中选择的粒子之一，其中存储了每次迭代中的非支配解；步骤2.2、建立时变系数，动态系数设计为：其中下标min和max分别表示下限和上限；相比于后期阶段，在初始阶段采用较高的惯性权重和认知因素，以及较低的社会因素来鼓励分布式搜索，且后期采用逆参数来促进粒子群优化算法收敛；步骤2.3、建立代码到子阵列选择的启发式映射方案；步骤2.4、设计交叉操作和变异操作在交叉操作中，两个粒子交换它们的子溶液以产生更好的后代；而在变异操作中，粒子中的每个子溶液改变为另一个可行的替代方案，交叉操作被设计为：...
【专利技术属性】
技术研发人员：张浩为，张启亮，黄洁瑜，谢军伟，李正杰，齐铖，丁梓航，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：
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。