CN103941248B - 一种适用于协同探测网络的频率-极化配置方法 - Google Patents

Abstract

本发明提供一种协同探测网络的频率-极化优化配置方法。本发明协同探测网络中各节点雷达配置不同发射载频、配置各节点雷的天线的不同极化方式，以获取空间分集外更丰富的频率和极化多样性信息。基于最大加权平均检测概率准则，对空间各个分辨单元配置最优频率分集方式和极化分集方式，对任意姿态角出现的目标都适用。另外，对每检测单元都配置最优频率和最优极化配置方案，较对整个检测空间进行统一配置而言，提高了协同探测系统的探测性能。

Description

一种适用于协同探测网络的频率-极化配置方法

技术领域

本发明属于雷达目标检测技术领域。

背景技术

采用多部雷达组成协同探测网络，利用多视角测量目标的原理，通过多传感器的信息进行融合获得空间分集增益，大大提升了雷达探测威力范围，提高了对目标的探测性能。但是仅依靠利用空间分集获取目标多样性信息来提高对目标的探测性能是不够的，当某一类目标对某一频率和极化电磁波的后向散射强度很弱时，会导致协同探测网的检测性能会急剧下降的问题。

当前，频率分集技术的频率配置选择的主要原则是：在某波段根据频点间去相关条件，选择出所需要频率；现有极化分集的极化通道配置选择只是给出选用哪几种极化通道进行目标检测。

发明内容

本发明所要解决的技术方案是，提供一种协同探测网络的频率-极化优化配置方法。

本发明为解决上述技术问题所采用的技术方案是，一种适用于协同探测网络的频率-极化配置方法，包括以下步骤:

步骤1、设置协同探测网节点雷达总数M以及各节点雷达的空间位置；

步骤2、获取目标在不同姿态角、频率以及极化方式组合下的雷达散射截面RCS数据作为先验信息；

步骤3、计算检测区域°中的当前检测单元内，当前各目标姿态角在θ_n时的信噪比n＝1,...,N，θ_n∈[-180°，180]，N为目标姿态角总个数；

${\mathrm{SNR}}_{{\mathrm{\θ}}_n}=\frac{R_0^4}{R_m^2{R}_l^2}\frac{\mathrm{\σ}\left({\mathrm{\θ}}_n\right)}{{\mathrm{\σ}}_0}{\mathrm{SNR}}_0$

其中，σ(θ_n)为目标姿态角θ_n下先验的雷达散射截面RCS数据；σ₀为目标后向散射面积，SNR₀节点雷达单独工作时的检测因子，R₀为节点雷达最大作用距离，R_m表示发射节点到当前检测单元的电磁波传播距离，R_l表示接收节点到当前检测单元的电磁波传播距离；

步骤4、根据信噪比确定各目标姿态角θ_n下检测概率

$P_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_n}\right)=Q_N(\sqrt{{2\mathrm{SNR}}_{{\mathrm{\θ}}_n}},\sqrt{2\mathrm{\γ}/{\mathrm{\σ}}_{n_0}^2})$

其中，γ为门限值，Q_N为马库姆MarcumQ函数，表示高斯白噪声的平均功率，通常对噪声进行功率归一化，取值为1，门限值γ通过以下方式确定：

P_FA为预设的预警概率，k为通道数变量，L＝4M²，！表示连乘；

步骤5、使用最大加权平均检测概率准则对当前检测单元进行频率-极化进行配置：

$[\stackrel{\‾}{f},\stackrel{\‾}{\mathrm{\ρ}}]=\arg \underset{f_1,f_2,...,f_J,{\mathrm{\ρ}}_1,{\mathrm{\ρ}}_2,...,{\mathrm{\ρ}}_W}{\max }[{\mathrm{\ω}}_1{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_1}\right)+{\mathrm{\ω}}_2{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_2}\right)+...+{\mathrm{\ω}}_{{\mathrm{\θ}}_N}{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_N}\right)]$

其中，表示使得加权平均检测概率达到最大时M个节点所对应的发射频率的集合，表示使得加权平均检测概率达到最大时M个节点所对应的极化方式的集合，ω_n表示第n个姿态角的权系数，J为频段内去相关频点总数，W为节点雷达天线的极化方式总数；

步骤6、判断当前检测单元检测区域中的检测单元是否遍历完毕，如否，将下一个检测单元作为当前检测单元返回步骤3，如是，检测区域内各检测单元的频率-极化配置完毕。

本发明协同探测网络中各节点雷达配置不同发射载频、配置各节点雷的天线的不同极化方式，以获取空间分集外更丰富的频率和极化多样性信息。基于最大加权平均检测概率准则，对空间各个分辨单元配置最优频率分集方式和极化分集方式，对任意姿态角出现的目标都适用。另外，对每检测单元都配置最优频率和最优极化配置方案，较对整个检测空间进行统一配置而言，提高了协同探测系统的探测性能。

进一步的，将频率-极化配置二维复杂优化问题降维成频率配置和极化配置两个一维优化问题，大大降低了方法的复杂度。

本发明的有益效果是，提出的最大加权准则对每个检测单元都配置最优频率-极化，具有对任意姿态角目标都适用的鲁棒性、提升目标探测性。

附图说明

图1为实施例流程图。

具体实施方式

协同探测网络频率-极化配置方法具体流程如图1所示：

步骤1、确定协同探测网雷达系统参数

1.1确定协同探测系统参数

设置协同探测网节点雷达总数M以及各节点雷达的空间位置；各节点雷达采样双极化天线；

1.2获取目标先验信息

获取目标在不同

观测角位置、频率以及极化方式组合下的雷达散射截面RCS数据作为先验信息σ(θ_n)；RCS数据σ(θ_n)可以通过实测、电磁仿真等其他渠道获得。其中目标姿态角范围为(-π～π)；发射频段内去相关频点有J个，分别为f₁,...,f_J；本实施例采样双极化天线存在4个极化通道HH、VV、HV、VH，则共有15种极化方式:[HH]、[HV]、[VH]、[VV]、[HHHV]、[HHVH]、[HHVV]、[VVHV]、[VVVH]、[HVVH]、[HHHVVH]、[VVHVVH]、[HHVVVH]、[HHVVHV]、[HHVVHVVH]。

步骤2、确定频率-极化配置方案个数

由步骤1知在同一频段去相关频点个数为J，对应M部雷达共有J^M种频率分集配置方案，同时各有15种极化分集方式，共计15J^M种频率-极化配置方案。

步骤3、第i检测单元信噪比确定：

计算检测区域中的当°前检测单元内，当前各目标姿态角在θ_n时的信噪比n＝1,...,N，θ_n∈[-180°，180]，N为目标姿态角总个数；

${\mathrm{SNR}}_{{\mathrm{\θ}}_n}=\frac{R_0^4}{R_m^2{R}_l^2}\frac{\mathrm{\σ}\left({\mathrm{\θ}}_n\right)}{{\mathrm{\σ}}_0}{\mathrm{SNR}}_0$

其中，σ(θ_n)为目标姿态角θ_n下先验的雷达散射截面RCS数据；σ₀为目标后向散射面积，SNR₀节点雷达单独工作时的检测因子，R₀为节点雷达最大作用距离，R_m表示发射节点到当前检测单元的电磁波传播距离，R_l表示接收节点到当前检测单元的电磁波传播距离；

步骤6、最大加权平均检测概率准则

6.1目标姿态角固定

假定目标姿态角为确定已知，最优频率-极化配置准则为

$[\stackrel{\‾}{f},\stackrel{\‾}{\mathrm{\ρ}}]=\underset{f_1,f_2,...,f_J,{\mathrm{\ρ}}_1,{\mathrm{\ρ}}_2,...,{\mathrm{\ρ}}_{15}}{\max }{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_n}\right)$

其中f_j表示第j(j≤J)个频点。ρ_i表示第i(i≤15)个极化分集方式。

即当使得检测概率达到最大时的频率、极化配置方案就是所求的最优频率、极化配置，与检测的理论是一致的。

6.2目标姿态角随机

实际情况下，目标姿态角θ_n在[-180°180]内出现的概率是随机的，当目标姿态角发生改变时，步骤6.1得到的最优频率极化配置可能会发生失配。所以我们采取在方位上取加权平均检测概率最大的方法：

$[\stackrel{\‾}{f},\stackrel{\‾}{\mathrm{\ρ}}]=\arg \underset{f_1,f_2,...,f_J,{\mathrm{\ρ}}_1,{\mathrm{\ρ}}_2,...,{\mathrm{\ρ}}_W}{\max }[{\mathrm{\ω}}_1{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_1}\right)+{\mathrm{\ω}}_2{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_2}\right)+...+{\mathrm{\ω}}_{{\mathrm{\θ}}_N}{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_N}\right)]$

表示使得加权平均检测概率达到最大时M个节点所对应的发射频率的集合，表示使得加权平均检测概率达到最大时M个节点所对应的极化方式的集合，ω_n表示第n个姿态角的权系数，权系数可以由姿态角出现的概率确定，当姿态角均匀出现时权系数为1，J为频段内去相关频点总数，W为节点雷达天线的极化方式总数；

步骤7、降维处理

为了降低遍历频率-极化配置方案的数量，采用将频率-极化配置的二维最优化问题降维成频率配置最优化和极化配置优化的两个一维最优化问题来处理：

先求 $\stackrel{\‾}{\mathrm{\ρ}}=\arg \underset{{\mathrm{\ρ}}_1,{\mathrm{\ρ}}_2,...,{\mathrm{\ρ}}_W}{\max }[{\mathrm{\ω}}_1{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_1}\right)+{\mathrm{\ω}}_2{P}_d\left({\mathrm{SNR}}_{\mathrm{\θ}2}\right)+...+{\mathrm{\ω}}_{N_{\mathrm{\θ}}}{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_{N_{\mathrm{\θ}}}}\right)|f_x];$ 其中，f_x∈f₁,f₂,...,f_J，A|B表示当满足条件A时的B的值；

再求 $\stackrel{\‾}{f}=\arg \underset{f_1,f_2,...,f_J}{\max }[{\mathrm{\ω}}_1{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_1}\right)+{\mathrm{\ω}}_2{P}_d\left({\mathrm{SNR}}_{\mathrm{\θ}2}\right)+...+{\mathrm{\ω}}_{N_{\mathrm{\θ}}}{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_{N_{\mathrm{\θ}}}}\right)|\stackrel{\‾}{\mathrm{\ρ}}].$

或者，

先求 $\stackrel{\‾}{f}=\arg \underset{f_1,f_2,...,f_J}{\max }[{\mathrm{\ω}}_1{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_1}\right)+{\mathrm{\ω}}_2{P}_d\left({\mathrm{SNR}}_{\mathrm{\θ}2}\right)+...+{\mathrm{\ω}}_{N_{\mathrm{\θ}}}{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_{N_{\mathrm{\θ}}}}\right)|{\mathrm{\ρ}}_y];$ 其中，ρ_y∈ρ₁,ρ₂,...,ρ_W；

再求 $\stackrel{\‾}{\mathrm{\ρ}}=\arg \underset{{\mathrm{\ρ}}_1,{\mathrm{\ρ}}_2,...,{\mathrm{\ρ}}_W}{\max }[{\mathrm{\ω}}_1{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_1}\right)+{\mathrm{\ω}}_2{P}_d\left({\mathrm{SNR}}_{\mathrm{\θ}2}\right)+...+{\mathrm{\ω}}_{N_{\mathrm{\θ}}}{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_{N_{\mathrm{\θ}}}}\right)|\stackrel{\‾}{f}];$

步骤8、i＝i+1，重复步骤3、4、5、6，当i为最后一个空间分辨单元时，遍历结束。

通过以上步骤，即可完成基于最大加权检测概率准则的协同探测雷达系统频率、极化配置优化方案。

Claims (3)

1.一种适用于协同探测网络的频率-极化配置方法，其特征在于，包括以下步骤:

步骤1、设置协同探测网节点雷达总数M以及各节点雷达的空间位置；

步骤2、获取目标在不同姿态角、频率以及极化方式组合下的雷达散射截面RCS数据作为先验信息；

步骤3、计算检测区域中的当前检测单元内，当前各目标姿态角在θ_n时的信噪比θ_n∈[-180°，180]，n＝1,...,N，N为目标姿态角总个数；

${\mathrm{SNR}}_{{\mathrm{\θ}}_n}=\frac{R_0^4}{R_m^2{R}_l^2}\frac{\mathrm{\σ}\left({\mathrm{\θ}}_n\right)}{{\mathrm{\σ}}_0}{\mathrm{SNR}}_0$

其中，σ(θ_n)为目标姿态角θ_n下先验的雷达散射截面RCS数据；σ₀为目标后向散射面积，SNR₀节点雷达单独工作时的检测因子，R₀为节点雷达最大作用距离，R_m表示发射节点到当前检测单元的电磁波传播距离，R_l表示接收节点到当前检测单元的电磁波传播距离；

步骤4、根据信噪比确定各目标姿态角θ_n下检测概率

$P_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_n}\right)=Q_N(\sqrt{{2\mathrm{SNR}}_{{\mathrm{\θ}}_n}},\sqrt{2\mathrm{\γ}/{\mathrm{\σ}}_{n_0}^2})$

其中，γ为门限值，Q_N为马库姆MarcumQ函数，表示高斯白噪声的平均功率，门限值γ通过以下方式确定：

P_FA为预设的预警概率，k为通道数变量，L＝4M²，！表示连乘；

步骤5、使用最大加权平均检测概率准则对当前检测单元进行频率-极化进行配置：

$[\stackrel{\‾}{f},\stackrel{\‾}{\mathrm{\ρ}}]=\arg \underset{f_1,f_2,...,f_J,{\mathrm{\ρ}}_1,{\mathrm{\ρ}}_2,...,{\mathrm{\ρ}}_W}{\max }[{\mathrm{\ω}}_1{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_1}\right)+{\mathrm{\ω}}_2{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_2}\right)+...+{\mathrm{\ω}}_{{\mathrm{\θ}}_N}{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_N}\right)]$

其中，表示使得加权平均检测概率达到最大时M个节点所对应的发射频率的集合，表示使得加权平均检测概率达到最大时M个节点所对应的极化方式的集合，ω_n表示第n个姿态角的权系数，J为频段内去相关频点总数，W为节点雷达天线的极化方式总数；

步骤6、判断当前检测单元检测区域中的检测单元是否遍历完毕，如否，将下一个检测单元作为当前检测单元返回步骤3，如是，检测区域内各检测单元的频率-极化配置完毕。

2.如权利要求1所述一种适用于协同探测网络的频率-极化配置方法，其特征在于，对步骤5进行降维处理，将频率-极化配置降维成频率配置最优化和极化配置优化的两个一维最优化问题来处理：

先计算， $\stackrel{\‾}{\mathrm{\ρ}}=\arg \underset{{\mathrm{\ρ}}_1,{\mathrm{\ρ}}_2,...,{\mathrm{\ρ}}_W}{\max }[{\mathrm{\ω}}_1{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_1}\right)+{\mathrm{\ω}}_2{P}_d\left({\mathrm{SNR}}_{\mathrm{\θ}2}\right)+...+{\mathrm{\ω}}_{N_{\mathrm{\θ}}}{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_{N_{\mathrm{\θ}}}}\right)|f_x];$

其中，f_x∈f₁,f₂,...,f_J，A|B表示当满足条件A时的B的值；

再计算，

$\stackrel{\‾}{f}=\arg \underset{f_1,f_2,...,f_J}{\max }[{\mathrm{\ω}}_1{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_1}\right)+{\mathrm{\ω}}_2{P}_d\left({\mathrm{SNR}}_{\mathrm{\θ}2}\right)+...+{\mathrm{\ω}}_{N_{\mathrm{\θ}}}{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_{N_{\mathrm{\θ}}}}\right)|\stackrel{\‾}{\mathrm{\ρ}}].$

3.如权利要求1所述一种适用于协同探测网络的频率-极化配置方法，其特征在于，对步骤5进行降维处理，将频率-极化配置降维成频率配置最优化和极化配置优化的两个一维最优化问题来处理：

先计算， $\stackrel{\‾}{f}=\arg \underset{f_1,f_2,...,f_J}{\max }[{\mathrm{\ω}}_1{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_1}\right)+{\mathrm{\ω}}_2{P}_d\left({\mathrm{SNR}}_{\mathrm{\θ}2}\right)+...+{\mathrm{\ω}}_{N_{\mathrm{\θ}}}{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_{N_{\mathrm{\θ}}}}\right)|{\mathrm{\ρ}}_y];$

其中，ρ_y∈ρ₁,ρ₂,...,ρ_W，A|B表示当满足条件A时的B的值；

再计算， $\stackrel{\‾}{\mathrm{\ρ}}=\arg \underset{{\mathrm{\ρ}}_1,{\mathrm{\ρ}}_2,...,{\mathrm{\ρ}}_W}{\max }[{\mathrm{\ω}}_1{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_1}\right)+{\mathrm{\ω}}_2{P}_d\left({\mathrm{SNR}}_{\mathrm{\θ}2}\right)+...+{\mathrm{\ω}}_{N_{\mathrm{\θ}}}{P}_d\left({\mathrm{SNR}}_{{\mathrm{\θ}}_{N_{\mathrm{\θ}}}}\right)|\stackrel{\‾}{f}].$