基于目标认知和发射功率分配的波形优化方法技术

本发明专利技术公开一种基于目标认知和发射功率分配的波形优化方法，主要解决现有波形优化算法不适用于宽带雷达的问题，其实现步骤是：(1)构建宽带认知雷达波形优化的信号模型；(2)利用单次回波估计目标的功率谱密度；(3)计算发射信号为线性调频信号时的发射功率，将其作为发射功率约束的初值；(4)构造代价函数；(5)求解代价函数；(6)优化设定发射功率所对应的发射波形的功率谱密度；(7)计算优化波形所对应的目标功率谱密度的估计值与真实值的相关系数；(8)根据相关系数是否满足要求判断，并输出发射功率和发射波形的功率谱密度。本发明专利技术可实现宽带认知雷达系统的发射波形优化和功率分配，提高系统的效率和整体性能。

【技术实现步骤摘要】

本专利技术属于雷达
，涉及波形优化方法，可用于针对目标认知的波形优化和发射功率分配。
技术介绍
随着高科技武器信息化和智能化程度的不断提高，现代战争对雷达的要求也越来越高。现代战争要求雷达有更远的探测距离、更高的跟踪精度、更准的目标识别能力、更强的抗干扰能力、更快的反应速度。现代雷达不仅要面对传统“四抗”问题，即抗反辐射导弹、反隐身、反低空突防和抗电子干扰，还要具有融合多种工作模式，处理多目标、多任务的综合能力。因此，现代雷达需要以智能、稳健、高效的工作模式和信息处理方式应对这些挑战。“智能化”是现代雷达发展的一个重要方向。作为一种传感器，雷达获取信息的过程是与环境、目标相互作用的过程。在复杂多变的条件下，固定的工作模式和不变的发射波形很难取得令人满意的性能，这是传统雷达的不足，也是雷达进一步发展所必须解决的问题。在总体能量、时间、频谱等资源有限的情况下，如何根据目标和环境变化合理分配和有效利用这些资源是下一步雷达发展必须面对的挑战。2006年加拿大McMaster大学的Simon Haykin教授提出了认知雷达(CognitiveRadar)的概念，见。认知雷达作为一种可以根据目标和外部环境特性智能地选择发射信号、工作方式和资源分配的“智能化”雷达，一经提出便受到了广泛的关注，被认为是未来雷达发展的重要方向。与传统雷达相比，认知雷达具有三个重要的特征1、通过对目标和环境特性的学习实现智能信号处理；2、将回波中包含的信息反馈到发射机，形成闭环系统，根据目标和环境特性自适应选择发射波形，改善雷达的性能；3、保留回波中所包含的信息，并将其用在后续回波的处理中。从这三个特征可以看出，认知雷达改变了传统自适应雷达单向的信息处理方式，实现了从接收到发射的闭环处理，是一个智能化系统。可以通过对环境的认知主动调整发射波形和工作方式，充分利用各种信息进行智能化处理，并在日益复杂的环境下最大限度地发挥各种资源的效能。自然界中蝙蝠等生物对目标的探测和跟踪过程就符合这样一个“智能化”闭环信息获取过程。某种意义下，认知雷达是对蝙蝠等生物探测系统的再认识，是更高层次上的仿生研究。从一个侧面反映出认知雷达是一个充满希望的发展方向，是信号处理领域的一个重要基础研究课题。目前，认知雷达方面的研究在国际上受到越来越多的重视，该方面的研究和论文也越来越多。但尚没有文献对认知雷达中的目标环境特性学习、自适应发射波形优化、系统资源管理等一系列关键技术进行系统的深入的研究和分析，更多的是关于其中某项关键技术。由于发射信号选择对雷达系统的重要性，自适应发射波形优化设计技术作为认知雷达智能化的重要组成部分受到了尤为广泛的关注。随着电子对抗技术的发展，雷达的工作环境越来越复杂，良好的抗电磁干扰、抗杂波性能就显得越来越重要。相对于窄带雷达，宽带雷达在抗干扰、抗杂波方面拥有先天的优势，见，同时能够提供更加丰富的目标信息、更高的探测精度和更好的识别性能。作为宽带雷达和认知雷达的有机结合，宽带认知雷达可以发挥认知雷达和宽带雷达各自的优点，同时宽带雷达在发射波形设计方面的高自由度还将给认知雷达性能的提升留有更大的空间，而认知雷达智能化的工作方式也将更好地发挥宽带雷达在抗电磁干扰、抗杂波方面的优越性。可以说，宽带认知雷达可以更好的发挥两者的特点和优势，更加充分地挖掘雷达系统的潜力，提高雷达系统的性能。雷达对目标的探测是通过对目标和环境反射的电磁波进行处理来实现的。能否选择合适的发射信号不仅对系统的性能有很大的影响，还将影响到系统算法的选择和运算复杂度，是雷达系统的一个关键。对于认知雷达来说，发射信号的选择不仅会影响到系统的性能，还将影响对系统资源在时域、频域、空域等方面的分配和系统在线学习的性能。因此，根据目标和环境信息自适应优化设计发射波形是认知雷达系统的一个关键技术，它对于系统资源的优化配置和性能的提高起着至关重要的作用，是认知雷达实现智能化的一个重要环节，也是认知雷达系统中一个需要重点研究的紧迫问题。对于宽带认知雷达来说，针对目标检测、跟踪和识别的波形优化是以先验信息为基础的。通常，目标和环境的特性可能一直处于变化之中，为了保证系统的性能，必须及时更新系统的先验信息。由于发射波形对先验信息的获取有着至关重要的影响，因此先验信息的获取是认知雷达波形优化需要考虑且必须首先考虑的问题。现有波形优化算法并没有考虑到认知雷达的先验信息的获取和更新问题，优化波形并未将能量分布在宽带雷达的全部带宽，而是分布在部分频段，这使得系统丧失在全带宽内对目标和环境特性的学习能力。因此，这些算法很难直接应用在宽带认知雷达系统中。
技术实现思路
本专利技术的目的在于针对上述已有技术的缺点，提出一种，以在宽带雷达的全部带宽内，利用目标的先验信息针对目标认知进行波形优化，实现对发射功率的合理分配。为实现上述目的，本专利技术包括以下步骤(1)构建宽带认知雷达波形优化设计的信号模型Pr(Cok) = Gt(cok)Pf(cok)+Gx(cok)k = 1，2，...，N其中(ix( k)=Gc(Wk) AhkHGnhk),式中 Pr(Co)分别为接收信号和发射信号的功率谱密度，Gt(co)、G。(《)和Gn(co)分别为目标、杂波和噪声的功率谱密度，N为采样点数；(2)根据步骤(1)的信号模型，利用单次回波估计目标的功率谱密度(3)计算发射信号为线性调频信号时所需的发射功率权利要求1. 一种，实现步骤如下(1)构建宽带认知雷达波形优化设计的信号模型 Pr(Cok) = Gt(Ok)Pf(Qk) +Gx(ok) k = 1,2, · · ·，N其中Gx(Cok) =Gc(Cok) '^(cOkHGnhk),式中Pr(O)和Pf(CO)分別为接收信号和发射信号的功率谱密度，Gt( )、G。(co)和Gn(co)分別为目标、杂波和噪声的功率谱密度，N为采样点数；(2)根据步骤(1)的信号模型，利用单次回波估计目标的功率谱密度ら(动；(3)计算发射信号为线性调频信号时所需的发射功率 E2.根据权利要求1所述的，其中步骤 (6)所述的修正λ得到最优的发射波形的功率谱密度Pf(co)的方法，按如下步骤进行(2a)令3.根据权利要求1所述的，其中步骤 (8)所述的对发射功率Eot进行修正的方法，按如下步骤进行(3a)令迭代次数j = 0，设置发射功率最小值^lin = 0，发射功率最大值Emax = Elfm,和误差精度Ψ，Ψ > O ；F + E(3b)令 j = i+l,E} =^^；(3c)在步骤(3b)给出的发射功率も的约束条件下，利用步骤(6)优化发射信号的功率谱密度Pq( ，Aj.)；(3d)根据步骤(3c)得到的优化发射信号的功率谱密度Ρ^(ω，λρ，估计目标的功率谱密度( (动，并计算其与已知目标功率谱密度的真实值Gt(Co)的相关系数NΣい人ωハGtiaハ ρ = __π_，其中N为采样点数；.1 IlGi HIf(3e)判断步骤(3d)得到的相关系数P j是否满足精度要求如果!^^くツ，终止并输出も和Pq (ω，λ P，其中P ^为满足系统估计精度要求所 Po对应的相关系数，由用户设定，P ^ > O ；Pj - P0如果~^>グ，令Emax = ^;如果&l本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：纠博，刘宏伟，靳标，周生华，苏涛，杨虎军，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：