基于改进NSGA-II的组网雷达优化部署方法技术

本发明专利技术公开了一种基于改进NSGA

【技术实现步骤摘要】
基于改进NSGA
‑
II的组网雷达优化部署方法


[0001]本专利技术属于雷达
，具体涉及一种基于改进NSGA
‑
II的组网雷达优化部署方法。

技术介绍

[0002]分布式组网雷达系统是由空间位置分散的多部雷达组成的新体制雷达系统，通过组网雷达系统，将多部雷达组织在一起协同完成各项任务。相比于单部雷达，分布式组网雷达具有抗干扰能力强、资源自由度高、空域覆盖范围广等优势，已成为雷达发展的重要方向之一。在分布式组网雷达系统中，各雷达站点的位置分布对于目标探测和跟踪至关重要。尤其是面临有源欺骗式干扰的复杂电磁环境，各雷达站的排布需要考虑检测范围、干扰对抗性能等多重因素。在组网雷达布置中，每个雷达站被用于分散覆盖特定区域，以提高覆盖空域范围及区域内目标的探测和跟踪能力。然而因为干扰信号的存在，雷达站点的布置应该考虑到如何最大程度地减小干扰对系统性能的影响，并确保覆盖区域内的目标仍然能够被有效地探测和跟踪，因此组网雷达优化布站是一个联合优化问题。
[0003]传统雷达布站使用迭代筛选方式需要通过不断的试错过程来确定雷达站点的位置，这种方法需要大量的时间和资源，并且可能需要进行多次迭代才能得到满意的结果，且易于陷入局部最优，无法满足系统要求。引入进化算法和可变权重将多个目标条件人为加权求和，变为单一目标进行讨论，通过遗传操作(如交叉、变异)和适者生存机制，能够在解空间中进行广泛的探索，有助于发现更全面和多样化的解决方案。然而结果受加权系数影响较大，涉及到多个目标之间的关系，需要根据具体需求和约束进行适当的调整，增加了系统的控制难度。引入NSGAⅡ算法虽然解决了各目标加权值分配导致的主观性问题，能够同时对多个约束目标进行优化，但NSGAⅡ算法基于拥挤距离机制保持种群的多样性也存在一定的不足，因为仅仅单纯的从拥挤距离大小判断个体的分布性能是有局限性的。在新群体产生时，通常那些层级靠前并且聚集距离较大的个体将保留并参与下一代的繁殖，这样就会导致一些拥挤距离大同时解密度也很大的非支配个体被保留下来，最终造成算法容易陷入局部最优，从而导致所求得的最优解分布不均匀。

技术实现思路

[0004]为了解决现有技术中存在的上述问题，本专利技术提供了基于改进NSGA
‑
II的组网雷达优化部署方法。本专利技术要解决的技术问题通过以下技术方案实现：
[0005]第一方面，本专利技术提供了一种基于改进NSGA
‑
II的组网雷达优化部署方法，组网雷达包含多个节点雷达，方法包括：
[0006]S1，根据获取到的组网雷达中节点雷达的数量、待布站区域信息，确定出N个第一父代种群个体，并将迭代次数置为1，N为正整数；
[0007]S2，根据各第一父代种群个体和预设的优化布站模型，确定出各第一父代种群个体对应的函数值、对应的拥挤距离和所属的Pareto等级；
[0008]S3，确定是否存在子代种群个体，若不存在，则执行S4，若存在，则执行S5；
[0009]S4，根据各第一父代种群个体对应的函数值、对应的拥挤距离和所属的Pareto等级，对各第一父代种群个体进行自适应交叉变异处理，得到N个子代种群个体；
[0010]S5，将N个第一父代种群个体和N个子代种群个体合并为目标种群，并确定出各目标种群个体所属的Pareto等级；
[0011]S6，根据各目标种群个体及各目标种群个体所属的Pareto等级，得到第二父代种群个体；
[0012]S7，迭代次数加1后与预设目标迭代次数比较，若小于目标迭代次数则将第二父代种群个体作为第一父代种群个体，重新执行S2至S7，若大于，则根据第二父代种群个体得到组网雷达的优化布站方案。
[0013]本专利技术的有益效果：
[0014]引入自适应遗传策略，避免陷入局部最优；引入迭代次数，根据不同的交叉和变异处理，满足种群个体不同要求，不仅加强了算法的全局搜索能力，还更好地保持种群的多样性和解集的均匀分布，能够快速收敛至全局最优，提升雷达布站方案的确定效率。
[0015]以下将结合附图及实施例对本专利技术做进一步详细说明。
附图说明
[0016]图1为本专利技术提供的一种基于改进NSGA
‑
II的组网雷达优化部署方法的流程示意图；
[0017]图2为本专利技术提供的一种确定目标个体的过程示意图；
[0018]图3为本专利技术提供的一种实验结果示意图；
[0019]图4为本专利技术提供的另一种实验结果示意图。
[0020]通过上述附图，已示出本专利技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本专利技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本专利技术的概念。
具体实施方式
[0021]在有源欺骗式干扰环境下，雷达布站问题需考虑如何在干扰环境中合理安排雷达站点的位置和参数配置，以提高雷达系统的检测性能和可靠性。由于布站问题涉及到多个目标和约束条件的综合优化，因此可将其视为一个多目标优化问题。通过应用多目标优化算法，可以在有源欺骗式干扰环境下找到一系列优化的雷达布站方案，能够平衡覆盖面积和抗干扰性能，并满足系统的可靠性要求。
[0022]然而目前一些算法主要通过引入加权变量将多目标优化问题转化为单目标优化问题来求解，或者使用迭代搜索算法，如快速收缩、全局收缩算法等，来解决雷达站点布置的问题。这些方法往往存在局限性，如搜索速度慢、易于陷入局部最优以及对参数设置的主观选择等，导致所求得的解无法完全满足实际问题的需求。
[0023]因此，本专利技术提出一种基于改进NSGA
‑
II的组网雷达优化部署方法，具体为采用带层次聚类截断策略的种群自适应改进NSGA
‑Ⅱ
算法确定雷达布站方案，能够实现组网雷达系统部署优化。在种群迭代更新前期，进化个体具有较大的交叉和变异概率，满足种群个体
多样性的要求，加强了算法的全局搜索能力；更新后期，进化个体的交叉和变异概率趋于平均值，算法着重于局部搜索，更好地保持种群的多样性和解集的均匀分布。进一步的，引入基于层次聚类算法的截断策略，提升了解集的均匀性，快速收敛至全局最优，提升雷达布站方案的确定效率，有效选取指定范围内的雷达最优布站策略。
[0024]图1为本专利技术提供的一种基于改进NSGA
‑
II的组网雷达优化部署方法的流程示意图，组网雷达包含多个节点雷达，如图1所示，该方法包括：
[0025]S101、根据获取到的组网雷达中节点雷达的数量、待布站区域信息，确定出N个第一父代种群个体，并将迭代次数置为1。
[0026]可选的，待布站区域信息可以包括位置信息、尺寸信息中的一种或者多种。
[0027]可选的，位置信息可以是雷达坐标，尺寸信息可以是雷达可布站范围或面积等。
[0028]N为正整数。
[0029]组网雷达中节点雷达的数量、待布站区域信息可以是通过人机交互界面获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进NSGA
‑
II的组网雷达优化部署方法，其特征在于，所述组网雷达包含多个节点雷达，所述方法包括：S1，根据获取到的组网雷达中节点雷达的数量、待布站区域信息，确定出N个第一父代种群个体，并将迭代次数置为1，N为正整数；S2，根据各所述第一父代种群个体和预设的优化布站模型，确定出各所述第一父代种群个体对应的函数值、对应的拥挤距离和所属的Pareto等级；S3，确定是否存在子代种群个体，若不存在，则执行S4，若存在，则执行S5；S4，根据各所述第一父代种群个体对应的函数值、对应的拥挤距离和所属的Pareto等级，对各所述第一父代种群个体进行自适应交叉变异处理，得到N个子代种群个体；S5，将所述N个第一父代种群个体和所述N个子代种群个体合并为目标种群，并确定出各所述目标种群个体所属的Pareto等级；S6，根据各所述目标种群个体及各所述目标种群个体所属的Pareto等级，得到第二父代种群个体；S7，迭代次数加1后与预设目标迭代次数比较，若小于所述目标迭代次数则将所述第二父代种群个体作为所述第一父代种群个体，重新执行S2至S7，若大于，则根据所述第二父代种群个体得到组网雷达的优化布站方案。2.根据权利要求1所述的方法，其特征在于，所述S4，包括：S41，根据各所述第一父代种群个体对应的函数值，通过预设的优选算法对所述第一父代种群进行优选处理，得到N个新种群个体；S42，根据各所述第一父代种群个体对应的拥挤距离和所属的Pareto等级，确定出各所述Pareto等级对应的个体平均拥挤距离；S43，分别根据各所述第一父代种群个体对应的拥挤距离和所属的Pareto等级所对应的个体平均拥挤距离，确定出各所述第一父代种群个体对应的交叉变异概率，并根据所述交叉变异概率对各所述第一父代种群个体进行自适应交叉变异处理，得到N个子代种群个体。3.根据权利要求2所述的方法，其特征在于，所述交叉概率表示为：其中，为平均交叉概率，分别表示最大、最小交叉概率，G为迭代总次数，i为当前迭代次数，D
j
(i)为...

【专利技术属性】
技术研发人员：刘洁怡，程艳，公茂果，范晓龙，唐泽栋，李豪，蒋祥明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：