CN109344548A - 波形设计方法、计算机设备和存储介质 - Google Patents
波形设计方法、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109344548A CN109344548A CN201811339554.9A CN201811339554A CN109344548A CN 109344548 A CN109344548 A CN 109344548A CN 201811339554 A CN201811339554 A CN 201811339554A CN 109344548 A CN109344548 A CN 109344548A
- Authority
- CN
- China
- Prior art keywords
- waveform
- frequency
- sub
- chirp
- evolution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种波形设计方法、计算机设备和存储介质,包括:对子Chirp组合波形基进行时频网格划分后,在每个时间段,随机选择子载频;基于选择的各子载频,随机生成预设数目个频率编码序列;基于预设数目个频率编码序列,以及各频率编码序列中的各频率对应的子chirp波形,进行波形优化操作,获得优化操作后的最优频率编码序列;将最优频率编码序列中的各频率对应的子chirp波形组合为最终优化波形。通过上述波形设计方法,可以对波形进行优化设计,获得波形性能好的优化波形。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种波形设计方法、计算机设备 和计算机存储介质。
背景技术
雷达波形设计始终是一个重要的研究内容,波形的时宽带宽积、模糊函数、 峰均比等性能极大地影响了雷达的系统性能和成像效果。MIMO SAR (Multiple-InputMultiple-Output Synthetic Aperture Radar,多发多收合成孔径雷达) 通过多发多收实现比实际孔径多的等效通道,理论上可以在成像与目标检测等 应用中有很大优势,然而其有效的波形设计仍然是个挑战。可以说,正交波形 集的优化设计是MIMO SAR发挥其优势的基础。
将子chirp(啁啾)组合波形集应用于MIMO SAR成像,可以满足波形具有自 相关/互相关性能好、时宽-带宽积大、峰均比低等特点,但目前的针对子chirp组 合波形设计方式得到的子chirp组合波形集,应用于MIMO SAR成像时的成像 性能不佳。
发明内容
基于此,有必要提供一种波形设计方法、计算机设备和计算机存储介质。
一种波形设计方法,所述方法包括:对子Chirp组合波形基进行时频网格划 分后,在每个时间段,随机选择子载频;
基于选择的各子载频,随机生成预设数目个频率编码序列;
基于预设数目个频率编码序列,以及各频率编码序列中的各频率对应的子 chirp波形,进行波形优化操作,获得优化操作后的最优频率编码序列;
将最优频率编码序列中的各频率对应的子chirp波形组合为最终优化波形。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序, 所述处理器执行所述计算机程序时,实现如上所述的方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处 理器执行时,实现如上所述的方法的步骤。
如上所述的实施例中的波形设计方法、计算机设备和计算机存储介质,对 子chirp组合波形划分时频网格后的每个时间段随机选择子载频,并基于选择的 子载频生成频率编码序列,进一步基于频率编码序列、各频率编码序列对应的 子chirp波形进行波形优化,得到最优频率编码序列,进而输出优化波形。通过 上述波形设计方法,可以对波形进行优化设计,获得波形性能好的优化波形。
附图说明
图1为一个实施例中的波形优化方法的流程示意图;
图2为一个实施例中子chirp组合波形时频分布示意图;
图3为另一个实施例中的获得优化操作后的最优频率编码序列的步骤流程 示意图;
图4为一个实施例中的对选择的进化种子执行进化操作的步骤流程示意图;
图5为一个实施例中的正负子chirp基的波形结构示意图;
图6为一个具体实施例中的波形设计方法的流程示意图;
图7为一个应用实例中的天线布局示意图;
图8a为一个实施例中波形设计方法得到的最终优化波形的时频关系图;
图8b为现有技术的波形设计方法的得到的最终优化波形的时频关系图;
图9a为g1波形时域信号的实部示意图;图9b为g1波形时域信号的虚部 示意图;
图9c为g2波形时域信号的实部示意图;图9d为g2波形时域信号的虚部 示意图;
图10a为g1波形的自模糊函数仿真示意图;
图10b为g2波形的自模糊函数仿真示意图;
图10c为g1波形的零多普勒切片示意图;
图10d为g1波形的零时延切片示意图;
图10e为g2波形的零多普勒切片示意图;
图10f为g2波形的零时延切片示意图;
图11a为g1和g2波形的互模糊函数仿真示意图;
图11b为g1和g2互相关函数的零时延切片示意图;
图11c为g1和g2互相关函数的零多普勒切片示意图;
图12a为g1和g2波形的广义自模糊函数仿真示意图;
图12b为g1和g2波形的广义互模糊函数仿真示意图;
图13a为g1、g2波形用于MIMO SAR成像的结果示意图;
图13b为现有技术的波形设计方法得到的波形用于MIMO SAR成像的结果 示意图;
图14为一个实施例中计算机设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实 施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅 用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供一种波形优化方法,包括步骤S110至步骤S140。
步骤S110,对子chirp组合波形基进行时频网格划分后,在每个时间段,随 机选择子载频。
其中,子chirp组合波形的定义如下:包含P个子载频和L个子时间段的 多载频分段线性调频(LFM)波形可以表示为:
其中,fp,l表示(p,1)对应的子chirp的载频,kp,l表示(p,1)对应的子chirp的调 频率,Tb为子chirp的时宽,u(t)为Tb宽度的矩形窗。
其中,对子chirp组合波形基进行时频网格划分表示将子chirp组合波形基 分别在时间和频谱上划分为多段。一个实施例中,对子chirp组合波形基进行时 频网格划分将时间和频谱上划分为相同段数,即得到的时频网格中时域段的数 目和频域段的数目相同。其中,1个子载频对应一个频率或频率段。
上式为多载频分段LFM波形的表达式,为了便于波形设计,在一个实施例 中,将多载频分段LFM波形的时域和频域分别进行均匀划分,波形中每段LFM 波形都分布于某个的时频网格中,且时宽、带宽以及调频率的绝对值都相同, 即时频方格中顶格分布,如图2所示。若将每段LFM波形称之为子chirp,本 申请中将符合该构型的波形称之为子chirp组合波形。进一步地,子chirp组合 波形通过划分时频网格,可以任意设置子chirp的分布,得到多组不同波形,其 中,子chirp在时频格中的位置和调频率尽量随机,可以保证子chirp组合波形 的互相关性和自相关特性;波形的每段子chirp数目尽量相同,每段时间的子chirp数目尽量相同,可以保证波形在时域和频域的峰均比较低。
一个实施例中,将子chirp组合波形在时间上划分为P段,每个时间段的子 chirp数目记为Q个,将子chirp组合波形基在频域上划分为L段;进一步地,在 一个实施例中,令P=L,即在时频网格中时间段的数目和频域段的数目相同, 从而时频网格中每个时域段的子chirp波形的数目与每个频域段内的子chirp波 形数目相同;更进一步地,在一个实施例中,在得到的时频网格中,将每个时 域段内的子chirp波形的数目设置为1,每个频域段内的子chirp波形的数目设置 为1。
步骤S120,基于选择的各子载频,随机生成预设数目个频率编码序列。
其中,在一个实施例中,基于选择的各子载频随机生成s个频率编码序列, 作为候选子chirp波形。进一步地,选择的每一组子载频分别生成一个频率编码 序列。
进一步地,在生成的频率编码序列中,通过优化操作选出最优频率编码序 列,从而得到优化后的波形。
步骤S130,基于预设数目个频率编码序列,以及各频率编码序列中的各频 率对应的子chirp波形,进行波形优化操作,获得优化操作后的最优频率编码序 列。
一个实施例中,如图3所示,基于频率编码序列,以及各频率编码序列的 各频率对应的子chirp波形,进行波形优化操作,获得优化操作后的最优频率编 码序列,包括步骤S131至步骤S136。
步骤S131,将各频率编码序列分别作为一个个体,基于频率编码序列生成 种群。
其中,在一个实施例中,基于各频率编码序列生成的种群为初始种群。本 实施例中,将一个频率编码序列作为种群的一个个体,由所有频率编码序列组 成种群。
步骤S132,基于种群中的各个体分别对应的各子chirp波形,计算种群适应 度。
其中,适应度,是指在某种环境条件下,某已知基因型的个体将其基因传 递到其后代基因库中的相对能力,是衡量个体存活和生殖机会的尺度。种群适 应度表示种群中个体的适应度,其中,个体的适应度计算方式为:将该个体的 对应的子chirp波形集的代价函数的倒数确定为该个体的适应度。进一步地,计 算种群中各个体的适应度得到种群适应度。在一个实施例中,种群中第i个个体 的适应度Fitnessi可以表示为:Fitnessi=1/Fi,i=1,2,...,s,其中,s表示种群 中包含s个个体。
其中,在一个实施例中,代价函数F可以表示为:
F=μ*PSLRGAF+(1-μ)*ISLRGAF;
其中,PSLRGAF为各子chirp波形对应的波形集的广义模糊函数(GeneralAmbiguity Function,GAF)的峰值旁瓣比,ISLRGAF为各子chirp波形对应的波形 集的广义模糊函数的积分旁瓣比,μ为代价函数加权因子,且0<μ<1。其中, 代价函数加权因子μ可以根据实际情况进行设置。
本实施例中,对于种群中的任意一个个体,该个体对应一个频率编码序列 对应的子chirp波形集,计算其广义模糊函数的峰值旁瓣比、广义模糊函数的积 分旁瓣比,结合设置的代价函数加权因子μ计算可以得到该频率编码序列对应的 子chirp波形集的代价函数;进一步地,采用同样的方法计算种群中的各个体(各 频率编码序列)对应的子chirp波形集的代价函数,可以得到该当前种群的种群适 应度。
步骤S133,在达到进化终止条件时,从种群中选择最优个体作为最优频率 编码序列。
其中,在一个实施例中,终止进化条件包括:在计算获得的种群适应度达 到适应度阈值,或者进化次数达到进化深度阈值时,判定达到进化终止条件。 在其它实施例中,进化终止条件也可以是以任意一种可以实现的其它方式来设 置。
其中,适应度阈值、进化深度阈值可以根据实际情况设置。进一步地,在 一个实施例中,种群适应度的确定包括:通过各子chirp波形对应的波形集的代 价函数确定种群适应度。更进一步地,种群适应度达到适应度阈值,包括:种 群中的个体适应度值最高的个体对应的适应度超过适应度阈值,判定种群适应 度达到适应度阈值。将各子chirp波形对应的波形集的代价函数的倒数确定为种 群适应度。在一个实施例中,将种群中第i个个体的适应度记为Fitnessi,将适 应度阈值记为γ,在本实施例中,种群适应度达到适应度阈值可以表示为: 当满足该进化终止条件时,可以停止进化。
而在一个实施例中,进化深度阈值设置为蒙特卡洛次数。其中,蒙特卡洛 次数可以是预先通过蒙特卡洛算法得到的数值。本实施例中,当种群适应度达 到适应度阈值,或者当进化次数达到蒙特卡洛次数时,停止进化,从当前时刻 的种群中选择最优个体作为最优频率编码序列。
步骤S134,在未达到进化终止条件时,从种群的各个体中选择进化种子。
其中,在一个实施例中,以为概率选择进化种子,其中,Fitnessi表示种群中第i个个体的适应度,s表示种群中的个体的数目。
步骤S135,对选择的进化种子,执行进化操作,获得进化操作后的新个体。
其中,在一个实施例中,如图4所示,对选择的进化种子,执行进化操作, 获得进化操作后的新个体,包括步骤S1351至步骤S1353。
步骤S1351,将选择的进化种子从频率编码序列转换为Grefenstette码。
步骤S1352,对各进化种子对应的Grefenstette码执行进化操作,获得进化 后Grefenstette码。
其中,在一个实施例中,对各进化种子对应的Grefenstette码执行进化操作, 包括:对各进化种子对应的Grefenstette码进行突变。
在另一个实施例中,对各进化种子对应的Grefenstette码执行进化操作,包 括:对各进化种子对应的Grefenstette码进行交配。
在另一个实施例中,对各进化种子对应的Grefenstette码执行进化操作,包 括:对各进化种子对应的Grefenstette码进行突变后,对突变后的Grefenstette 码进行交配。
在另一个实施例中,对各进化种子对应的Grefenstette码执行进化操作,包 括对各进化种子对应的Grefenstette码进行交配后,对交配后的Grefenstette码进 行突变。
其中,对各进化种子对应的Grefenstette码进行交配包括:随机选择进化种 子对应的Grefenstette码的两段进行互换,得到进化后Grefenstette码;对各进化 种子对应的Grefenstette码进行突变包括:随机选取进化种子的Grefenstette码中 的一个点,改变其编码,得到进化后Grefenstette码。
其中,在一个实施例中,对各进化种子对应的Grefenstette码进行突变的突 变概率记为Pm,对各进化种子对应的Grefenstette码进行交配的交配概率记为 Pc,突变概率Pm与交配概率Pc的和为1。
步骤S1353,将进化后Grefenstette码转化为频率编码序列,获得进化操作 后的新个体。
本实施例中,将频率编码转化为Grefenstette码进行进化操作,可以避免产 生无效编码,对执行进化操作后得到的进化后Grefenstette码再转化为频率编码, 得到进化操作后的新个体。
步骤S136,将新个体添加到种群后,返回计算种群适应度的步骤。
本实施例中,本实施例中,对于随机生成的预设数目各频率编码序列、各 频率编码序列对应的子chirp波形,通过遗传算法进行波形优化操作,当达到终 止条件时,输出最优频率编码序列,进一步可以得到最终优化波形;其中,在 未满足终止条件时,通过在种群中选择进化种子,对进化种子执行进化操作得 到新个体,将新个体添加到种群中,再返回计算种群适应度。
步骤S140,将最优频率编码序列中的各频率对应的子chirp波形组合为最终 优化波形。
如上所述的实施例中的波形设计方法、计算机设备和计算机存储介质,对 子chirp组合波形划分时频网格后的每个时间段随机选择子载频,并基于选择的 子载频生成频率编码序列,进一步基于频率编码序列、各频率编码序列对应的 子chirp波形进行波形优化,得到最优频率编码序列,进而输出优化波形。通过 上述波形设计方法,可以对波形进行优化设计,获得波形性能好的优化波形。
上述波形设计方法中,采用子chirp组合波形设计MIMO SAR波形,得到 的波形具有自相关性能好、时宽-带宽积大、峰均比低等特点,且子chirp组合波 形不需要DBF(数字波束形成)处理,便于产生多组波形。
一个实施例中,上述波形设计方法包括:时频网格的时域段数和频域段数 相同。本实施例中,在时频网格划分时,将时域和频域划分为相同的段数。若 将时域划分得到的时域段数记为P段,将频域划分得到的频域段数记为L段, 则P=L。
在一个实施例中,上述波形设计方法包括:时频网格的每个时域段内的子 chirp波形的数目为1,每个频域段内的子chirp波形的数目为1。由于对子chirp 组合波形进行时频网格划分以后,可以任意设置子chirp波形的分布,因此,本 实施例中,将时频网格中每个时域段内的子chirp波形的数目设置为1,将每个 频域段内的子chirp波形的数目设置为1。
本实施例中,将子chirp组合波形的频谱和时间划分为相同的段数,即P=L, 则每段频谱和每段时间内都有Q个子chirp,将时间和频谱划分为相同的段数可 以简化波形的设计。其中,若MIMO SAR包括M个发射天线,M个发射天线 需要一组M个正交波形。
进一步地,在一个实施例中,采用正负混合子chirp基设计波形,如图5所 示,为正负混合子chirp基的波形结构示意图,采用正负混合子chirp基设计波 形既可以保证波形正交性,也可以简化优化复杂度。本实施例中,采用正负混 合子chirp基,使得每个时频格内的子chirp的调频率已经固定,并且正负交替 变换,因此对其波形进行设计的过程仅包括对子chirp所在时频格进行选择,不 涉及每个子chirp的调频率选择。更进一步地,令Q=1,即每个时频格中的子chirp调频率符号固定,且设计的波形每个时间段内有且只有一个子chirp。
在一个实施例中,各子chirp波形对应的波形集的广义模糊函数的峰值旁瓣 比和积分旁瓣比的推导过程包括步骤:假设SAR场景中两个点P(x,y)和P0(x0,y0), 定义广义模糊函数χ(x,y,x0,y0),可以表示为:
χ(x,y,x0,y0)=∫∫s(t-2r(η)/c)s*(t-2r0(η)/c)dt dη;
其中,s(·)为发射信号,t为快时间,η为慢时间,r(η)和r(η)分别为雷达到 点P和点P0的距离,c为光速。
SAR GAF由于定义在场景空间内,不仅包含波形特性,还包含有雷达系统 成像特性,可以直接反映SAR的分辨率、旁瓣性能以及距离向-方位向二维耦 合问题。SAR GAF已被应用于双基SAR、分布式小卫星SAR等系统的分辨特 性分析。
其中,在一个实施例中,假设M发N收的MIMO SAR系统,将发射波形 用{s1(t),...,sm(t),sM(t)}进行表示。由于每个接收天线接收所有发射信号的回波, 用sm(t)对第n个接收通道的接收数据进行匹配滤波,得到第(m,n)通道的GAF 可以表示为:
其中,r(m′,n)(η)和r0 (m,n)(η)分别表示慢时刻为η时、第(m’,n)通道雷达到点 P的距离和第(m,n)通道到点P0的距离。
本申请的实施例中,由于MIMO SAR采用匹配滤波的方法进行回波分离, 将分离后的数据进行相参合成,从而,MIMO SAR GAF为所有收发组合的模糊 函数之和,且通常只关心模糊函数的绝对值,因此,将MIMO SAR GAF定义 为:
在一个实施例中,针对方位向分布天线的共集式MIMO SAR对静止场景成 像,方位向多个通道的空间采样可以等效为时间采样。若各通道数据相参合成 后,方位向等效时间采样为η′,r(η′)和r0(η′)分别表示等效慢时刻为η′时雷达到 点P和P0的距离,则MIMO SARGAF可以推导为:
设Δx=x-x0,Δy=y-y0,雷达到两个点目标P和P0的时延差可以近似 地表示为:
其中,rc为最近斜距,Va为雷达平台速度,H为雷达平台飞行高度。
因此,MIMO SAR GAF可以写为:
其中,Rmm(·)表示波形sm(t)的自相关函数,Rmm′(·)表示波形 sm(t)和sm′(t)的互相关函数,Ba为多普勒带宽,λ为信号波长。
MIMO SA的广义自相关模糊函数(General Autocorrelation AmbiguityFunction,GAAF)χa(Δx,Δy)和广义互相关模糊函数(General CrosscorrelationAmbiguity Function,GCAF)χc(Δx,Δy)可以分别定义为:
首先考虑MIMO SAR GAAF的计算,每个子chirp的自相关函数为:
其中,Bb为每个子chirp的带宽,Tb为每个子chirp的时宽,为相位。
由上可知,对于不同时频网格中的子chirp,自子相关函数的幅值仅与子chirp 的时宽和带宽有关,因此,对于子chirp组合波形在时间分为P段,每段时间有Q个 子chirp,则波形的自相关函数的绝对值为:
|Rmm(τ)|=PQ|Ra(τ)|
结合上述广义自相关模糊函数χa(Δx,Δy)的表达式,可以得到基于子chirp组合波形的MIMO SAR GAAF。
然后考虑MIMO SAR GCAF的计算,忽略不同频率段子chirp的互相关, 由于调频率的绝对值相同,每个子chirp的调频率可正可负,则载频均为fp,调 频率分别为ki、kj,时延为Δt的两个子chirp的互相关函数可以表示为:
其中,Rij,p(τ)=Tb sin c[ki(τ-Δt)Tb]exp[j2π(fp+kiTx)(τ-Δt)](假设 kj>0),
其中,
由于波形在时间分为P段,每段时间有Q个子chirp,则第m和m′个波形的互 相关函数为:
结合上述广义自相关模糊函数χc(Δx,Δy)的表达式,可以得到基于子chirp组合波形的MIMO SAR GCAF。
一个实施例中,将信号时域峰均比和频谱峰均比定义为:
PAPRt=max(|s(t)|2)/E(|s(t)|2);
PAPRf=max(|S(f)|2)/E(|S(f)|2)。
将波形自模糊函数(Autocorrelation Ambiguity Function,AAF)定义为:
考虑到MIMO SAR的波形集内波形的互模糊性能,波形互模糊函数CAF 的定义为:
分别针对波形的自模糊函数、互模糊函数,假设AAF的主瓣区域为Γm,峰 值旁瓣比(Peak Side Lobe Ratio,PSLR)和积分旁瓣比(Integrated Side Lobe Ratio, ISLR)可以定义为:
在一个实施例中,假设上述实施例中的GAAF的主瓣区域为Γ,则广义模糊 函数的PSLR和ISLR可以定义为:
因此,得到广义模糊函数的PSLR和ISLR的表达式。
在一个实施例中,将上述波形设计方法得到的最优波形应用于MIMO SAR 成像,判断波形设计方法得到的波形是否性能较优,成像质量可以作为一个指 标,因此,将成像的图像熵(Image Entropy,IE)和图像对比度(Image Contrast, IC),作为波形的性能指标之一,分别定义为:
其中,I(i,j)为图像每个像素的灰度值,E(·)表 示取均值。IE越小、IC越大,则表示图像聚焦效果越好,进一步地,可以理解, 图像聚焦效果越好,表示波形设计方法得到的最终优化波形越好。
如图6所示,为一个具体实施例中,波形设计方法的流程示意图,本实施 例中,基于子chirp组合波形实现MIMO SAR波形的优化设计,包括下述步骤:
对子chirp组合波形基进行时频网格划分,在每个时间段,随机选择子载频, 基于选择的子载频随机生成s个频率编码序列;进一步地,通过遗传算法对频率 编码序列进行优化选择,得到优化后的最优频率编码序列,将最优频率编码序 列对应的子chirp波形组合为最终优化波形。其中,时频网格的时域段数和频域 段数相同,令每个时频网格的每个时域段内的子chirp波形的数目为1,每个频 域段内的子chirp波形的数目为1。
其中,遗传算法包括步骤:将各频率编码序列分别作为一个个体,基于频 率编码生成种群,该种群为初始种群;基于种群中的各个体分别对应的各子chirp 波形,计算种群适应度;将代价函数的倒数作为种群适应度。代价函数为: F=μ·PSLRGAF+(1-μ)·ISLRGAF;其中,PSLRGAF为广义模糊函数的峰值旁 瓣比,ISLRGAF为广义模糊函数的积分旁瓣比,μ为代价函数加权因子,且0<μ< 1。
在达到终止条件时,终止进化,从当前的种群中选择最优个体作为最优频 率编码序列。其中,当检测到种群适应度达到适应度阈值,或者,进化次数达 到蒙特卡洛次数时,判定达到终止条件。
在未达到终止条件时,从种群的各个体中选择进化种子,对选择的进化种 子执行进化操作,获得进化操作后的新个体;其中,对进化种子执行进化操作, 包括步骤:将进化种子从频率编码转换为Grefenstette码,对各进化种子对应的Grefenstette码执行突变或者交配的进化操作,得到进化后Grefenstette码,将进 化后Grefenstette码转化为频率编码,得到进化操作后的新个体。其中,突变概 率为Pc,交配概率为Pm,突变概率与交配概率的和为1。
将进化后的新个体添加到种群中,返回计算种群适应度。直至达到终止条 件得到最终优化波形。
一个具体实施例中,将上述波形设计方法应用与两发三收的MIMO SAR的 设计中,天线布局如图7所示,得到均匀分布的六个等效收发天线,且设置雷 达平台速度和PRF(脉冲重复频率),使得采用空间采样和时间采样等效后的 MIMO SAR方位向采样均匀。用于波形设计的MIMO SAR系统仿真参数设置如 表1所示。
表1用于波形设计的MIMO SAR系统仿真参数
设置加权因子μ=0.9,多普勒带宽可以计算得出Ba≈884Hz,通过本实施 例中的波形设计方法优化设计出的一组波形记为g1、g2波形,其时频关系图如 图8a所示,以下对g1、g2波形的性能指标进行仿真分析,得到的结果如下。 其中,将现有技术中一种波形设计方法(记为波形设计方法1)得到的波形作为 比较,如图8b所示,为通过波形设计方法1得到的优化波形的时频示意图。
如图9a为g1波形时域信号的的实部,图9b为g1波形时域信号的的虚部, 图9c为g2波形时域信号的的实部,图9d为g2波形时域信号的的虚部。分别 计算两种波形设计方法得到的波形的PAPRt和PAPRf,结果如表2所示。
表2波形峰均比
进一步地,对由本实施例中的遗传算法得到的优化波形g1和g2的自相关 函数、互相关函数进行仿真得到:如图10a所示为g1波形的自模糊函数仿真示 意图,图10b为g2波形的自模糊函数仿真示意图;如图10c为g1波形零多普 勒切片示意图,图10d为g1波形零时延切片示意图,图10e为g2波形零多普 勒切片示意图,图10f为g2波形零时延切片示意图。如图11a所示为g1和g2 波形的互模糊函数仿真示意图,如图11b所示为g1和g2互相关函数的零时切 片示意图,图11c所示为g1和g2互相关函数的零多普勒切片示意图。进一步地, 分别计算本实施中、波形设计方法1中的波形的自模糊函数和互模糊函数的 PSLR和ISLR,结果如表3所示。
表3波形的模糊函数的PSLR和ISLR
如图12a所示为g1和g2波形的广义自模糊函数仿真示意图;如图12b所 示为g1和g2波形的广义互模糊函数仿真示意图。
分别计算本实施例和波形设计方法1中的两组波形广义模糊函数的PSLR 和ISLR,结果如表4所示。
PSLR<sub>GAF</sub> | ISLR<sub>GAF</sub> | |
g1,g2波形 | 0.34dB | 47.99dB |
波形设计方法1的波形 | 0.31dB | 59.93dB |
表4波形的广义模糊函数的PSLR和ISLR
将本实施例中得到的g1、g2波形、以及波形设计方法1中得到的波形分别 用于MIMO SAR成像,对于在场景中间布局的三组成交叉形状的仿真点目标, 系统参数一致时,两组波形分别所成图像如图13a、图13b所示。此外,得到的 两组图像的IE和IC如表所示。
IE | IC | |
g1、g2波形 | 12.01bit | 8.29 |
波形设计方法1的波形 | 12.43bit | 5.40 |
表5波形成像的IE和IC
由上述仿真结果可知,与现有技术中波形设计方法1得到的波形相比,本 实施例得到的g1、g2波形的模糊函数性能相差不大,但是g1、g2波形的广义 模糊函数性能较优,且成像效果优于波形设计方法1中得到的波形。
一个实施例中,本申请还提供一种波形设计装置,包括:
子载频选择模块,用于对子chirp组合波形基进行时频网格划分后,在每个 时间段,随机选择子载频;
频率编码序列生成模块,用于基于选择的各子载频,随机生成预设数目个 频率编码序列;
波形优化模块,用于基于所述预设数目个频率编码序列,以及各频率编码 序列中的各频率对应的子chirp波形,进行波形优化操作,获得优化操作后的最 优频率编码序列;
最终优化波形确定模块,用于将所述最优频率编码序列中的各频率对应的 子chirp波形组合为最终优化波形。
关于波形设计装置的具体限定可以参见上文中对于波形设计方法的限定, 在此不再赘述。上述波形设计装置中的各个模块可全部或部分通过软件、硬件 及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处 理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调 用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器, 其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、 存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。 该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介 质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中 的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外 部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种波形设 计方法。
本领域技术人员可以理解,图14中示出的结构,仅仅是与本申请方案相关 的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定, 具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件, 或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器 中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
对子chirp组合波形基进行时频网格划分后,在每个时间段,随机选择子载 频;
基于选择的各子载频,随机生成预设数目个频率编码序列;
基于预设数目个频率编码序列,以及各频率编码序列中的各频率对应的子 chirp波形,进行波形优化操作,获得优化操作后的最优频率编码序列;
将最优频率编码序列中的各频率对应的子chirp波形组合为最终优化波形。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于预设数目个频率编码序列,以及各频率编码序列的各频率对应的子 chirp波形,进行波形优化操作,获得优化操作后的最优频率编码序列,包括:
将各频率编码序列分别作为一个个体,基于预设数目个频率编码序列生成 种群;
基于种群中的各个体分别对应的各子chirp波形,计算种群适应度;
在达到进化终止条件时,从种群中选择最优个体作为最优频率编码序列;
在未达到进化终止条件时,从种群的各个体中选择进化种子;
对选择的进化种子,执行进化操作,获得进化操作后的新个体;
将新个体添加到种群后,返回计算种群适应度的步骤。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过各子chirp 波形对应的波形集的代价函数计算种群适应度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
以为概率选择进化种子,其中,Fitnessi表示种群中第i个个体的适应度,s表示种群中的个体的数目。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对选择的进化种子,执行进化操作,获得进化操作后的新个体,包括:
将选择的进化种子从频率编码序列转换为Grefenstette码;
对各进化种子对应的Grefenstette码执行进化操作,获得进化后Grefenstette码;
将进化后Grefenstette码转化为频率编码序列,获得进化操作后的新个体。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对各进化种子对应的Grefenstette码执行进化操作,包括:对各进化种子对 应的Grefenstette码进行突变。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对各进化种子对应的Grefenstette码执行进化操作,包括:对各进化种子对 应的Grefenstette码进行交配。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对各进化种子对应的Grefenstette码执行进化操作,包括:对各进化种子对 应的Grefenstette码进行突变后,对突变后的Grefenstette码进行交配。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程 序,计算机程序被处理器执行时实现以下步骤:
基于预设数目个频率编码序列,以及各频率编码序列的各频率对应的子 chirp波形,进行波形优化操作,获得优化操作后的最优频率编码序列,包括:
将各频率编码序列分别作为一个个体,基于预设数目个频率编码序列生成 种群;
基于种群中的各个体分别对应的各子chirp波形,计算种群适应度;
在达到进化终止条件时,从种群中选择最优个体作为最优频率编码序列;
在未达到进化终止条件时,从种群的各个体中选择进化种子;
对选择的进化种子,执行进化操作,获得进化操作后的新个体;
将新个体添加到种群后,返回计算种群适应度的步骤。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过各子 chirp波形对应的波形集的代价函数计算种群适应度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
以为概率选择进化种子,其中,Fitnessi表示种群中第i个个体的适应度,s表示种群中的个体的数目。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对选择的进化种子,执行进化操作,获得进化操作后的新个体,包括:
将选择的进化种子从频率编码序列转换为Grefenstette码;
对各进化种子对应的Grefenstette码执行进化操作,获得进化后Grefenstette码;
将进化后Grefenstette码转化为频率编码序列,获得进化操作后的新个体。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对各进化种子对应的Grefenstette码执行进化操作,包括:对各进化种子对 应的Grefenstette码进行突变。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对各进化种子对应的Grefenstette码执行进化操作,包括:对各进化种子对 应的Grefenstette码进行交配。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对各进化种子对应的Grefenstette码执行进化操作,包括:对各进化种子对 应的Grefenstette码进行突变后,对突变后的Grefenstette码进行交配。
如上所述的实施例中的波形设计装置、计算机设备和计算机存储介质,对 子chirp组合波形划分时频网格后的每个时间段随机选择子载频,并基于选择的 子载频生成频率编码序列,进一步基于频率编码序列、各频率编码序列对应的 子chirp波形进行波形优化,得到最优频率编码序列,进而输出优化波形。通过 上述波形设计方法,可以对波形进行优化设计,获得波形性能好的优化波形。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程, 是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于 一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述 各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、 存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。 非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程 ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可 包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限, RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步 DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM (ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus) 直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器 总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述 实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特 征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细, 但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的 普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改 进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权 利要求为准。
Claims (10)
1.一种波形设计方法,所述方法包括:
对子chirp组合波形基进行时频网格划分后,在每个时间段,随机选择子载频;
基于选择的各子载频,随机生成预设数目个频率编码序列;
基于所述预设数目个频率编码序列,以及各频率编码序列中的各频率对应的子chirp波形,进行波形优化操作,获得优化操作后的最优频率编码序列;
将所述最优频率编码序列中的各频率对应的子chirp波形组合为最终优化波形。
2.根据权利要求1所述的方法,其特征在于,基于所述预设数目个频率编码序列,以及各频率编码序列的各频率对应的子chirp波形,进行波形优化操作,获得优化操作后的最优频率编码序列,包括:
将各频率编码序列分别作为一个个体,基于所述预设数目个频率编码序列生成种群;
基于种群中的各个体分别对应的各子chirp波形,计算种群适应度;
在达到进化终止条件时,从种群中选择最优个体作为所述最优频率编码序列;
在未达到进化终止条件时,从种群的各个体中选择进化种子;
对选择的进化种子,执行进化操作,获得进化操作后的新个体;
将所述新个体添加到所述种群后,返回计算种群适应度的步骤。
3.根据权利要求2所述的方法,其特征在于,通过各子chirp波形对应的波形集的代价函数计算种群适应度。
4.根据权利要求3所述的方法,其特征在于,所述代价函数为:
F=μ*PSLRGAF+(1-μ)*ISLRGAF;
其中,PSLRGAF为各子chirp波形对应的波形集的广义模糊函数的峰值旁瓣比,ISLRGAF为各子chirp波形对应的波形集的广义模糊函数的积分旁瓣比,μ为代价函数加权因子,且0<μ<1。
5.根据权利要求2所述的方法,其特征在于:
以为概率选择进化种子,其中,Fitnessi表示种群中第i个个体的适应度,s表示种群中的个体的数目。
6.根据权利要求2所述的方法,其特征在于,对选择的进化种子,执行进化操作,获得进化操作后的新个体,包括:
将选择的进化种子从频率编码序列转换为Grefenstette码;
对各进化种子对应的Grefenstette码执行进化操作,获得进化后Grefenstette码;
将进化后Grefenstette码转化为频率编码序列,获得进化操作后的新个体。
7.根据权利要求6所述的方法,其特征在于,对各进化种子对应的Grefenstette码执行进化操作,包括:
对各进化种子对应的Grefenstette码进行突变;
或者
对各进化种子对应的Grefenstette码进行交配;
或者
对各进化种子对应的Grefenstette码进行突变后,对突变后的Grefenstette码进行交配。
8.根据权利要求1所述的方法,其特征在于,包括下述两项中的至少一项:
所述时频网格的时域段数和频域段数相同;
所述时频网格的每个时域段内的子chirp波形的数目为1,每个频域段内的子chirp波形的数目为1。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811339554.9A CN109344548B (zh) | 2018-11-12 | 2018-11-12 | 波形设计方法、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811339554.9A CN109344548B (zh) | 2018-11-12 | 2018-11-12 | 波形设计方法、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109344548A true CN109344548A (zh) | 2019-02-15 |
CN109344548B CN109344548B (zh) | 2023-10-03 |
Family
ID=65314888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811339554.9A Active CN109344548B (zh) | 2018-11-12 | 2018-11-12 | 波形设计方法、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109344548B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101241180A (zh) * | 2008-01-29 | 2008-08-13 | 电子科技大学 | 一种具有较低自相关性能的正交离散频率编码的设计方法 |
US20090195442A1 (en) * | 2008-02-05 | 2009-08-06 | Jeremy Francis Burri | Method and Apparatus for Creating and Processing Universal Radar Waveforms |
CN102540187A (zh) * | 2010-12-13 | 2012-07-04 | 电子科技大学 | 编队卫星sar的一种正交波形设计方法 |
-
2018
- 2018-11-12 CN CN201811339554.9A patent/CN109344548B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101241180A (zh) * | 2008-01-29 | 2008-08-13 | 电子科技大学 | 一种具有较低自相关性能的正交离散频率编码的设计方法 |
US20090195442A1 (en) * | 2008-02-05 | 2009-08-06 | Jeremy Francis Burri | Method and Apparatus for Creating and Processing Universal Radar Waveforms |
CN102540187A (zh) * | 2010-12-13 | 2012-07-04 | 电子科技大学 | 编队卫星sar的一种正交波形设计方法 |
Non-Patent Citations (4)
Title |
---|
GUANHUA ZHAO 等: "Optimal sub-chirp combination waveform design based on MIMO SAR general ambiguity function", 《2016 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM (IGARSS)》 * |
孙明亮: "基于混沌信号的MIMO雷达波形设计方法研究", 《中国优秀硕士学位论文全文数据库》 * |
曾祥能等: "基于Grefenstette编码下MicPSO的离散频率编码波形设计", 《电子与信息学报》 * |
王卫等: "MIMO雷达正交离散频率编码波形设计", 《雷达与对抗》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109344548B (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3589970B1 (en) | Method and system for obtaining an adaptive angle-doppler ambiguity function in mimo radars | |
Cuomo et al. | Ultrawide-band coherent processing | |
CN107678028B (zh) | 低信噪比条件下的微波凝视关联成像方法 | |
Leshem et al. | Information theoretic adaptive radar waveform design for multiple extended targets | |
Zhang et al. | A method for finding best channels in beam-space post-Doppler reduced-dimension STAP | |
US8441395B2 (en) | Electronic scanning radar apparatus, receiving wave direction estimating method, and computer-readable storage media storing receiving wave direction estimation program | |
JP7108929B2 (ja) | レーダ装置及び物標判定方法 | |
CN104020469B (zh) | 一种mimo雷达距离-角度二维超分辨率成像算法 | |
US20200264266A1 (en) | Uplink Signaling and Receive Beamforming for Dual-Function Radar Communications | |
CN105874351A (zh) | 编码孔径雷达(car)信号的处理方法及装置 | |
JP2021500966A (ja) | 全合成送信開口撮像のための音響波形の空間的及び時間的符号化 | |
Patton | On the satisfaction of modulus and ambiguity function constraints in radar waveform optimization for detection | |
CN109459726A (zh) | 波形设计方法、计算机设备和存储介质 | |
CN104794264A (zh) | 一种基于稀疏频率的雷达通信波形设计方法 | |
Kumar et al. | Intrapulse polyphase coding system for second trip suppression in a weather radar | |
CN110346794A (zh) | 一种资源优化配置的分布式雷达成像方法 | |
Recknagel et al. | Simulation and adaptive sub-array packing for an all-digital phased-array radar | |
Nosrati et al. | Array partitioning for multi-task operation in dual function MIMO systems | |
Chamberlain et al. | A model for numerical simulation of nonstationary sonar reverberation using linear spectral prediction | |
CN106680779B (zh) | 脉冲噪声下的波束成形方法及装置 | |
Yang et al. | Estimation of the DOAs of coherent signals in beam space processing for phased arrays | |
CN109344548A (zh) | 波形设计方法、计算机设备和存储介质 | |
Leshem et al. | Information theoretic radar waveform design for multiple targets | |
CN109031289B (zh) | 认知捷变频雷达波形设计方法和装置 | |
CN110954904B (zh) | 一种单发正交分时发射合成孔径声纳、成像方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |