CN106096791A - 一种多监视区域下的mimo雷达偏好优化布站方法 - Google Patents

Abstract

本发明公开了一种多监视区域下的MIMO雷达偏好优化布站方法，首先，确定监视区域和布站区域，明确目标函数，并根据偏好信息设置一个参考点；然后以参考点作为引导，利用基于偏好的粒子群优化算法来对天线布站位置进行合理优化；最后从输出的布站方案中，选取最接近参考点的布站方法对雷达进行合理布站。本发明能够对提升偏好监视区域的监视性能，并能获取更多的雷达优化布站方法。

Description

一种多监视区域下的MIMO雷达偏好优化布站方法

技术领域

本发明属于多输入多输出雷达布站技术领域，具体涉及一种多监视区域下的MIMO雷达偏好优化布站方法的设计。

背景技术

多输入多输出(Multi-Input Multi-Output，MIMO)雷达组网系统利用多部空间位置相互分离而覆盖范围互相重叠的雷达的观测和判断，来对监视区域实施搜索、跟踪、识别目标。合理地进行雷达组网布站，能够使雷达系统对监视区域的监视能力发生质的飞跃。因此，研究雷达天线的最优布站位置就显得极为重要。

对于MIMO雷达的优化布站问题的研究，国内外研究机构已提出诸多解决方法。例如，A.M.Haimovich通过分割天线的布站区域，提出一种连续穷举法(SEE)来解决这种问题，然而，这种方法往往存在极大的计算量，在实际应用中难以实现。另外，电子科技大学的杨益川通过采用粒子群优化算法(PSO)来对雷达位置进行优化调整，但目前的方法仅仅考虑了单个监视区域，没有考虑多个监视区域的情况，而且，不同的监视区域往往具有不同的重要程度。当某些监视区域出现特殊情况，这些监视区域的重要程度即发生改变，并且需要提升这些区域监视性能。同时，为了灵活的应对各种突发情况，我们需要获得更多的达到预期监视性能的布站方案。综上，如何提升偏好监视区域的监视性能并获取更多的天线布站方案，成为多区域监视的重点问题。从公开发表的文献资料来看，目前还没有有效解决这种提升偏好监视区域性能的优化布站方法。因此，研究一种可提升偏好监视区域性能并获取较多布站方案的优化布站方法在MIMO雷达多区域监视中具有重要的实际应用价值。

发明内容

本发明的目的是为了解决现有技术中缺少一种在提升偏好监视区域性能的同时获取较多布站方案的雷达优化布站方法的问题，提出了一种多监视区域下的MIMO雷达偏好优化布站方法。

本发明的技术方案为：一种多监视区域下的MIMO雷达偏好优化布站方法，包括以下步骤：

S1、根据偏好信息确定参考点；

S2、采用PSO算法初始化粒子群，并新建用于存储非支配粒子的外部档案集；

S3、更新粒子群，得到全局最优粒子；

S4、迭代更新外部档案集和全局最优粒子，直到达到最大迭代次数或达到预期的监视性能效果；

S5、获取非支配粒子群并选取布站方案。

进一步地，步骤S2具体包括以下分步骤：

S21、对粒子群中的所有粒子进行初始化，即在布站区域内随机分配每个粒子的位置；

S22、计算每个粒子的目标函数值；

S23、每个粒子的个体最优位置被初始化为其初始位置，并用其目标函数值作为该粒子的个体最优值；

S24、新建用于存储非支配粒子的外部档案集，并从初始化后的粒子群中挑选出互不支配的粒子存储到外部档案集中。

进一步地，步骤S3具体包括以下分步骤：

S31、计算外部档案集中的粒子与参考点之间的距离；

S32、外部档案集中的粒子将按照与参考点的距离进行排列，并从距离最短的前10％粒子中随机挑选一个粒子，该粒子的位置将作为全局最优位置；

S33、更新所有粒子的速度和位置。

进一步地，步骤S4具体包括以下分步骤：

S41、计算每个粒子的目标函数值，同时更新每个粒子的个体最优位置；

S42、更新外部档案集，将外部档案集内被其余粒子支配的粒子删除，外部档案集外的粒子若与外部档案集内的粒子互不支配，将被加入外部档案集中；

S43、重新计算距离，并从外部档案集中与参考点距离最短的前10％的粒子中选择一个粒子作为全局最优粒子，其位置作为全局最优位置；

S44、当达到最大迭代次数或达到预期的监视性能效果时，停止迭代并进入步骤S5，否则返回步骤S3进行迭代。

进一步地，步骤S5具体为：

输出存储在外部档案集中的非支配粒子群，根据不同场景从输出的粒子中选择一个粒子，并采用该粒子的布站方案对雷达天线进行布站。

本发明的有益效果是：本发明可在同时监视多监视区域的前提下，提升偏好监视区域的监视性能，并获取更多的提升该监视区域性能的雷达布站方法。本发明可以有效的对抗重点监视区域的隐身目标和干扰目标，同时提升雷达布站方案的选择性，可以有效地满足作战时对重点监视区域的额外监视要求。

附图说明

图1为本发明提供的一种多监视区域下的MIMO雷达偏好优化布站方法流程图。

图2为本发明步骤S2的分步骤流程图。

图3为本发明步骤S3的分步骤流程图。

图4为本发明步骤S4的分步骤流程图。

图5为本发明实施例的仿真场景示意图。

图6为本发明实施例的采用偏好和非偏好优化布站方法的粒子示意图。

图7为本发明实施例的采用非偏好优化布站方法的布站效果图。

图8为本发明实施例的采用偏好优化布站方法的布站效果图。

具体实施方式

下面结合附图对本发明的实施例作进一步的说明。

本发明提供了一种多监视区域下的MIMO雷达偏好优化布站方法，如图1所示，包括以下步骤：

S1、根据偏好信息确定参考点。

分布式MIMO雷达在给定的布站区域内同时对M个监视区域进行监视，结合给定的偏好信息，确定一个参考点参考点的值是我们预期的监视性能值，其中，v_i是第i个监视区域的预期目标函数值，即希望通过布站优化，使监视区域的监视性能达到参考点的值或向参考点靠近，目标函数f(Θ)与雷达布站位置Θ相关。

S2、采用PSO算法初始化粒子群，并新建用于存储非支配粒子的外部档案集。

如图2所示，该步骤具体包括以下分步骤：

S21、假设粒子群中有N个粒子(每个粒子代表了一种潜在的布站方案)，对这些粒子进行初始化，即在布站区域内随机分配每个粒子p_i(i＝1,2,...,N)的位置Θ_i。

S22、计算每个粒子的目标函数值，得到：

S23、对于第i个粒子，该粒子的个体最优位置被初始化为其初始位置，并用其目标函数值作为该粒子的个体最优值。

S24、新建用于存储非支配粒子的外部档案集，并从初始化后的粒子群中挑选出互不支配的粒子存储到外部档案集中。

这里支配的定义如下：

设向量u＝(u₁,...,u_k)，v＝(v₁,...,v_k)，当且仅当u_i≤v_i，且存在使得u_j＜v_j成立，则称向量u支配向量v。在多目标优化中，被优化的目标往往互相牵制，即意味着一个目标在性能上的提升往往导致其他目标性能上的衰减。因此，通常很难在多目标优化问题中找到一个最优解，所以我们经常寻找一组非支配解集作为最优的折中方案。

S3、更新粒子群，得到全局最优粒子。

如图3所示，该步骤具体包括以下分步骤：

S31、计算外部档案集中的粒子与参考点之间的距离，计算公式为：

$dist\left({\stackrel{\→}{p}}_i\right)=\underset{j=1...M}{max}\{f_j\left({\mathrm{\Θ}}_i\right)-v_j\}$

式中v_j是参考点中针对第j个监视区域的预期目标函数值，而f_j(·)是第j个监视区域的实际目标函数值。

S32、外部档案集中的粒子将按照与参考点的距离进行排列，并从距离最短的前10％粒子中随机挑选一个粒子，该粒子的位置将作为全局最优位置

S33、每一个迭代周期t内更新所有粒子的速度和位置，更新公式如下：

$\begin{array}{c}{\stackrel{\→}{v}}_i\left(t+1\right)=w\left(t\right)\×{\stackrel{\→}{v}}_i\left(t\right)+c_1{r}_1\left({\stackrel{\→}{p}}_{id}\left(t\right)-{\mathrm{\Θ}}_i\left(t\right)\right)\\ +c_2{r}_2\left({\stackrel{\→}{p}}_{gd}\left(t\right)-{\mathrm{\Θ}}_i\left(t\right)\right)\end{array}$

${\mathrm{\Θ}}_i(t+1)={\mathrm{\Θ}}_i\left(t\right)+{\stackrel{\→}{v}}_i(t+1)$

式中，w(t)是在每个迭代周期间均会衰减的惯性权重，其迭代公式表示为w(t)＝0.9-0.5*(t/T_max)(其中T_max是最大迭代次数)，c₁和c₂为加速度常数，r₁和r₂是在[0,1]内均匀分布的随机实数，和Θ_i(t)代表第i个粒子在第t个迭代周期内的速度和位置。粒子的速度均被限制在一个最大速度V_max内。是第i个粒子的个体最优位置(即第i个粒子到目前为止当前所有迭代周期内产生的最优布站方案)，是全局最优布站位置(即所有粒子在到目前为止所有迭代周期内产生的最优布站方案)。

S4、迭代更新外部档案集和全局最优粒子，直到达到最大迭代次数或达到预期的监视性能效果。

如图4所示，该步骤具体包括以下分步骤：

S41、计算每个粒子的目标函数值，同时更新每个粒子的个体最优位置：

S42、更新外部档案集，将外部档案集内被其余粒子支配的粒子删除，外部档案集外的粒子若与外部档案集内的粒子互不支配，将被加入外部档案集中。

S43、重新计算距离，并从外部档案集中与参考点距离最短的前10％的粒子中选择一个粒子作为全局最优粒子，其位置作为全局最优位置

S44、当达到最大迭代次数T_max或达到预期的监视性能效果时，停止迭代并进入步骤S5，否则返回步骤S3进行迭代。

S5、获取非支配粒子群并选取布站方案。

达到最大迭代次数或达到预期的监视性能效果时，存储在外部档案集中的非支配粒子群将会被输出。将外部档案集中的粒子的目标函数投影到空间中时，将会发现所有目标函数值将会向参考点聚集。我们可以根据不同场景从输出的粒子中选择一个粒子，并采用该粒子的布站方案对雷达天线进行布站。

下面以一个具体实施例对本发明提供的一种多监视区域下的MIMO雷达偏好优化布站方法作进一步说明：

如图5所示，假设需要监视两个区域A、B，检测概率门限p_dt＝0.8，虚警概率p_fa＝10^-6，雷达最大探测距离R_max＝20km，仿真区域是大小为70km×70km的矩形。根据雷达设计要求，每个雷达在一个观测时间内只能发射一个脉冲，同时探测因子D₀＝12.5dB，针对第m个发射机和第n个接收机的目标RCS为σ_m,n＝|α|²，α为零均值高斯分布。假设天线数量J＝8，采用区域内最低的联合回波信噪比作为衡量每个监视区域监视性能的目标函数，可以表示为：

其中f₁(Θ)为监视区域A的目标函数值，f₂(Θ)为监视区域B的目标函数值。在PSO算法中，种群粒子数S＝30，粒子最大速度V_max＝4，c₁＝c₂＝2。为了保证结果的收敛性，我们设定最大迭代次数为100次；为了避免随机参数对PSO算法结果的影响，我们重复布站过程100次并对最后的输出结果求平均。

基于上述雷达布站和监视的仿真场景,本发明的具体工作流程如下：

(1)根据偏好信息，此时需要对监视区域A进行重点监视，需要提升区域A的监视性能，即我们需要使A区域的目标函数值达到23dB，因此我们设置(23dB,19.5dB)为参考点。

(2)利用基于偏好的PSO雷达优化布站方法对雷达布站位置进行迭代优化，在迭代结束后，将输出一系列雷达布站位置。

(3)输出的雷达布站位置如图6中所示，此时可以看到采用基于偏好的雷达优化布站方法产生的粒子均聚拢在参考点附近，A区域的性能值均高于非偏好的布站方法产生的粒子的性能值，即有效提升了A区域的监视性能。从非偏好和偏好的雷达优化布站方法中产生的布站方法中选取最靠近参考点的布站方案，并利用该布站方案对雷达进行布站，得到的效果图如图7和图8所示，可见本发明可以有效提升偏好监视区域的监视性能，并且在参考点附近获得更多的雷达布站方案。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (5)

1.一种多监视区域下的MIMO雷达偏好优化布站方法，其特征在于，包括以下步骤：

S1、根据偏好信息确定参考点；

S2、采用PSO算法初始化粒子群，并新建用于存储非支配粒子的外部档案集；

S3、更新粒子群，得到全局最优粒子；

S4、迭代更新外部档案集和全局最优粒子，直到达到最大迭代次数或达到预期的监视性能效果；

S5、获取非支配粒子群并选取布站方案。

2.根据权利要求1所述的多监视区域下的MIMO雷达偏好优化布站方法，其特征在于，所述步骤S2具体包括以下分步骤：

S21、对粒子群中的所有粒子进行初始化，即在布站区域内随机分配每个粒子的位置；

S22、计算每个粒子的目标函数值；

S23、每个粒子的个体最优位置被初始化为其初始位置，并用其目标函数值作为该粒子的个体最优值；

S24、新建用于存储非支配粒子的外部档案集，并从初始化后的粒子群中挑选出互不支配的粒子存储到外部档案集中。

3.根据权利要求2所述的多监视区域下的MIMO雷达偏好优化布站方法，其特征在于，所述步骤S3具体包括以下分步骤：

S31、计算外部档案集中的粒子与参考点之间的距离；

S32、外部档案集中的粒子将按照与参考点的距离进行排列，并从距离最短的前10％粒子中随机挑选一个粒子，该粒子的位置将作为全局最优位置；

S33、更新所有粒子的速度和位置。

4.根据权利要求3所述的多监视区域下的MIMO雷达偏好优化布站方法，其特征在于，所述步骤S4具体包括以下分步骤：

S41、计算每个粒子的目标函数值，同时更新每个粒子的个体最优位置；

S42、更新外部档案集，将外部档案集内被其余粒子支配的粒子删除，外部档案集外的粒子若与外部档案集内的粒子互不支配，将被加入外部档案集中；

S43、重新计算距离，并从外部档案集中与参考点距离最短的前10％的粒子中选择一个粒子作为全局最优粒子，其位置作为全局最优位置；

S44、当达到最大迭代次数或达到预期的监视性能效果时，停止迭代并进入步骤S5，否则返回步骤S3进行迭代。

5.根据权利要求4所述的多监视区域下的MIMO雷达偏好优化布站方法，其特征在于，所述步骤S5具体为：

输出存储在外部档案集中的非支配粒子群，根据不同场景从输出的粒子中选择一个粒子，并采用该粒子的布站方案对雷达天线进行布站。