【技术实现步骤摘要】
本专利技术涉及雷达，特别是涉及一种基于模糊函数赋形的慢时间域波形向量优化方法。
技术介绍
1、基于慢时间域的恒模波形的距离多普勒模糊函数赋形设计是认知雷达系统的关键技术。一方面，通过最小化距离多普勒域的发射功率分配，使得发射波形经过匹配滤波后得到最优的信干噪比(sinr)，从而提升雷达的目标探测能力。另一方面，发射机发射恒模波形可以提高功率的利用效率，同时提高工作效率。因此，恒模波形约束的模糊函数赋形设计引起了广泛的关注。
2、恒模波形约束的模糊函数赋形设计问题是一个非凸的四次优化问题。现有的方法主要分为基于模型的松弛方法和基于dnn的深度学习方法。
3、近年来，深度神经网络(dnns)通过利用大量训练集来学习网络参数，在信号、自然语言和图像处理的许多实际问题中提供了前所未有的性能增益。然而，在常见的有限训练数据情况下，这些方法的表现可能会不尽人意。此外，深度神经网络(dnn)通常被视为黑箱模型,预测结果的可解释性与稳定性较差。
技术实现思路
1、本专利技术的目的在...
【技术保护点】
1.基于模糊函数赋形的慢时间域波形向量优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于模糊函数赋形的慢时间域波形向量优化方法，其特征在于：所述步骤中S1包括：
3.根据权利要求1所述的基于模糊函数赋形的慢时间域波形向量优化方法，其特征在于：所述步骤S2中，将恒模约束下的非凸四次优化问题投影到黎曼复圆流形上，转化为无约束四次型问题，表示为：
4.根据权利要求1所述的基于模糊函数赋形的慢时间域波形向量优化方法，其特征在于：所述步骤S3中，自适应学习网络包括：前向传播模块、反向传播模块和可训练参数模块；
5....
【技术特征摘要】
1.基于模糊函数赋形的慢时间域波形向量优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于模糊函数赋形的慢时间域波形向量优化方法，其特征在于：所述步骤中s1包括：
3.根据权利要求1所述的基于模糊函数赋形的慢时间域波形向量优化方法，其特征在于：所述步骤s2中，将恒模约束下的非凸四次优化问题投影到黎曼复圆流形上，转化为无约束四次型问题，表示为：
4.根据...
【专利技术属性】
技术研发人员：王鹏飞，赵紫薇，胡进峰，程鑫，陶浩华，李志，
申请(专利权)人：电子科技大学，
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。