一种跟踪与探测背景下阵元选择与功率分配联合优化方法技术

本发明专利技术属于雷达技术领域，具体地涉及一种跟踪与探测背景下阵元选择与功率分配联合优化方法。包括：步骤1：建立MIMO雷达预警空域内目标的回波信号模型；步骤2：建立MIMO雷达预警空域内目标的运动模型，在回波信号模型和运动模型的基础上，建立基于PCRLB的目标状态的BFIM；步骤3：根据回波信号模型，在两种似然假设条件下，建立分布式MIMO雷达的检测模型；步骤4：引入表示天线发射、接收阵元的选择与否，以及天线分配功率的矢量，并将矢量和步骤2的目标状态BFIM结合，建立跟踪与探测联合执行场景下的目标函数；步骤5：建立有限阵元和功率约束下的优化模型；步骤6：采用粒子群算法求解步骤5的优化模型的最优解，该最优解即为阵元与功率的最优分配。功率的最优分配。功率的最优分配。

【技术实现步骤摘要】
一种跟踪与探测背景下阵元选择与功率分配联合优化方法


[0001]本专利技术属于雷达
，具体地涉及一种跟踪与探测背景下阵元选择与功率分配联合优化方法。

技术介绍

[0002]相比于传统的单基地相控阵雷达和多基地组网雷达，分布式MIMO雷达具有优越的“四反”潜能，在未来战场中有着广阔的应用前景。理论上而言，分布式MIMO雷达包含的天线数量越多，发射功率越高，其检测、参数估计性能越佳。但在实际应用中，过多的子阵会带来较大的数据传输量，给信息融合中心造成计算负担；并且对于常见的车载、机载雷达而言，能量供应有限。因此，如何合理分配有限的资源，充分发挥MIMO雷达的潜能，是实际应用中的一个重要课题。另一方面，目前大多数研究均关注于某类任务(如目标定位、跟踪或成像)在执行过程中的资源分配，对于多元任务场景很少涉及。而在实际中，尤其是军事应用中，MIMO雷达需要同时执行搜索、跟踪、截获、制导、通信等多重任务。因此，研究多种任务背景下的资源分配，更加符合现实需求。
[0003]由于分布式MIMO雷达的检测性能与阵列配置和发射功率紧密相关，故在多元任务场景下，MIMO雷达的阵列选择和发射参数分配必定与跟踪、定位等单类任务场景中的资源分配有着诸多不同。
[0004]相比于传统的单基地相控阵雷达和多基地组网雷达，分布式MIMO雷达具有优越的“四反”潜能，在未来战场中有着广阔的应用前景。理论上而言，分布式MIMO雷达包含的天线数量越多，发射功率越高，其检测、参数估计性能越佳。但在实际应用中，过多的子阵会带来较大的数据传输量，给信息融合中心造成计算负担；并且对于常见的车载、机载雷达而言，能量供应有限。因此，如何合理分配有限的资源，充分发挥MIMO雷达的潜能，是实际应用中的一个重要课题。
[0005]目前多数文献均关注于某类任务(如目标定位、跟踪或成像)在执行过程中的资源分配，对于多元任务场景很少涉及。而在实际尤其是军事应用中，MIMO雷达需要同时执行搜索、跟踪、截获、制导、通信等多重任务。因此，研究多种任务背景下的资源分配，更加符合现实需求。另一方面，分布式MIMO雷达的检测性能与阵列配置和发射功率紧密相关。故在多元任务场景下，MIMO雷达的阵列选择和发射参数分配必定与跟踪、定位等单类任务场景中的资源分配有着诸多不同。
[0006]本文选取具有代表性的两类周期性任务——多目标跟踪和潜在威胁目标探测，以此为背景，对分布式MIMO雷达中的阵元选择与功率分配问题进行研究。

技术实现思路

[0007]针对上述存在的阵元与功率联合优化问题，本专利技术提出一种改进的PSO算法，采用混沌序列初始化种群，使得粒子群体获得良好的初始解集；根据粒子个体对约束条件的违反程度设计层级惩罚函数，以增强种群的局部搜索能力；对种群最优适应值的更新代数设
置门限，当超过门限，最优值还未更新，则引入交叉、变异算子，以增加种群的多样性，促进PSO的全局寻优进程。同时，利用目标函数反比于SNR的特点，对SNR贡献大的天线分配更多的功率，以实现多任务场景下阵元与功率的同时分配。
[0008]为了实现上述目的，本专利技术所采用的技术方案如下：
[0009]一种跟踪与探测背景下阵元选择与功率分配联合优化方法，包括：
[0010]步骤1：建立MIMO雷达预警空域内目标的回波信号模型；
[0011]步骤2：建立MIMO雷达预警空域内目标的跟踪模型，跟踪模型包括运动模型和量测模型，在此基础上，建立基于PCRLB的目标状态的BFIM；
[0012]步骤3：根据步骤1的回波信号模型，在两种似然假设条件下，建立分布式MIMO雷达的探测模型；
[0013]步骤4：引入表示天线发射、接收阵元的选择与否，以及天线分配功率的矢量，并将矢量和步骤2的目标状态BFIM结合，建立跟踪与探测联合执行场景下的目标函数；
[0014]步骤5：基于步骤4，建立有限阵元和功率约束下的优化模型；
[0015]步骤6：采用粒子群算法求解步骤5的优化模型的最优解，该最优解即为阵元与功率的最优分配。
[0016]优选的，所述步骤4包括：
[0017]步骤4.1：引入如下矢量：
[0018][0019]式中，t
sm
∈{0,1}，表示第m个发射阵元的选择与否，r
sn
∈{0,1}，表示第n个接收阵元的选择与否，P
tm
表示第m个天线分配所得的功率；
[0020]步骤4.2：结合步骤4.1的矢量，建立目标状态的BFIM矩阵
[0021][0022]F表示状态转移矩阵，Q表示过程噪声矩阵的协方差矩阵，表示目标状态向量，为关于目标状态的贝叶斯Fisher信息矩阵，和分别表示雅克比矩阵和关于的FIM在目标状态预测点处的近似值；
[0023]步骤4.3：在步骤4.2的基础上，MIMO雷达阵元选择与功率分配的BFIM表示为：
[0024][0025]其中，为先验信息的FIM；
[0026]步骤4.4：在步骤4.3的基础上，选择最差的PCRLB为目标跟踪的优化标准，则跟踪与探测背景下的双目标函数构建为：
[0027][0028]式中，tr(.)为矩阵求迹运算，P
dk
为第k个采样间隔检测到新目标的概率；
[0029]步骤4.5：引入加权系数λ1，平衡步骤4.4中目标函数的位置和速度的量纲，即则将步骤4.4中的双目标函数转化为单目标优化函数：
[0030][0031]式中，λ1为加权系数，且λ1∈(0,+∞)。
[0032]优选的，所述步骤5包括：
[0033]在限阵元和功率的约束下最优化雷达的跟踪与搜索性能，可选取的阵元总量受到限制：
[0034][0035]K为可选取的阵元总数，且发射、接收阵元的选择数量最少为1：
[0036][0037]雷达的功率资源是一定的，则：
[0038][0039]式中，P
tot
为雷达的总功率，为1
×
M维的全1矢量；
[0040]用虚警概率来表示检测性能：
[0041]P
fa
＝P
fa0
[0042]则：优化模型为：
[0043][0044][0045][0046]t
sm
∈{0,1},r
sn
∈{0,1}
[0047][0048]P
fa
＝P
fa0
。
[0049]优选的，所述步骤6的功率分配公式为：
[0050][0051]式中，m
′
属于已选择的发射阵元；q
′
代表对于所有选取的发射阵元路径衰落条件最差的目标；为第j个检测点到第m
′
个阵元的距离，为目标反射的复增益；为第m
′
个发射天线到第q
′
个目标的距离，λ1为加权系数；为第j个检测点到第m
...

【技术保护点】

【技术特征摘要】
1.一种跟踪与探测背景下阵元选择与功率分配联合优化方法，其特征在于：包括：步骤1：建立MIMO雷达预警空域内目标的回波信号模型；步骤2：建立MIMO雷达预警空域内目标的跟踪模型，跟踪模型包括运动模型和量测模型，在此基础上，建立基于PCRLB的目标状态的BFIM；步骤3：根据步骤1的回波信号模型，在两种似然假设条件下，建立分布式MIMO雷达的探测模型；步骤4：引入表示天线发射、接收阵元的选择与否，以及天线分配功率的矢量，并将矢量和步骤2的目标状态BFIM结合，建立跟踪与探测联合执行场景下的目标函数；步骤5：基于步骤4，建立有限阵元和功率约束下的优化模型；步骤6：采用粒子群算法求解步骤5的优化模型的最优解，该最优解即为阵元与功率的最优分配。2.根据权利要求1所述的一种跟踪与探测背景下阵元选择与功率分配联合优化方法，其特征在于：所述步骤4包括：步骤4.1：引入如下矢量：式中，t
sm
∈{0,1}，表示第m个发射阵元的选择与否，r
sn
∈{0,1}，表示第n个接收阵元的选择与否，P
tm
表示第m个天线分配所得的功率；步骤4.2：结合步骤4.1的矢量，建立目标状态的BFIM矩阵步骤4.2：结合步骤4.1的矢量，建立目标状态的BFIM矩阵F表示状态转移矩阵，Q表示过程噪声矩阵的协方差矩阵，表示目标状态向量，为关于目标状态的贝叶斯Fisher信息矩阵，和分别表示雅克比矩阵和关于的FIM在目标状态预测点处的近似值；步骤4.3：在步骤4.2的基础上，MIMO雷达阵元选择与功率分配的BFIM表示为：其中，为先验信息的FIM；步骤4.4：在步骤4.3的基础上，选择最差的PCRLB为目标跟踪的优化标准，则跟踪与探测背景下的双目标函数构建为：...

【专利技术属性】
技术研发人员：张浩为，张港生，张启亮，谢军伟，李正杰，齐铖，黄洁瑜，李腾达，
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：