CN110766344B - 一种针对组网雷达多目标isar成像的二维资源分配方法 - Google Patents

Abstract

本发明公开了一种针对组网雷达多目标ISAR成像的二维资源分配方法，涉及相控阵雷达逆合成孔径雷达成像技术领域，解决的技术问题是如何在雷达组网条件下，针对多目标成像任务合理的分配雷达系统的时间和孔径资源，以提升雷达系统的整体性能。该方法在对目标特征认知的基础上，确定目标分辨率的要求，在此基础上结合稀疏ISAR成像技术与雷达方程确定目标成像所需要的时间和孔径资源，然后通过针对分布式组网雷达系统的多目标成像的二维资源调度模型，实现对组网雷达系统的资源分配，最终通过交替观测并获取目标回波信号，以实现多雷达对多目标的逆合成孔径成像任务。本发明从时间和孔径两个角度考虑了资源的分配，提高了资源的利用率，提升系统整体性能。

Description

一种针对组网雷达多目标ISAR成像的二维资源分配方法

技术领域

本发明涉及相控阵雷达逆合成孔径雷达成像技术领域，尤其涉及一种针对组网雷达多目标ISAR成像的二维资源分配方法。

背景技术

分布式组网雷达系统通过组网技术，将分布于探测区域内的不同雷达节点组织在一起协同工作，形成有机统一的雷达系统，节点能力相互增强、全空域覆盖、目标检测，跟踪，识别和参数估计能力强等优点。

近年来，分布式组网雷达吸引了越来越多的学者，已有不少关于分布式组网雷达系统的研究。He等人，提出了一种主动和被动雷达网目标位置和速度联合估计的方法。Xie等人，研究了分散雷达网络中多目标跟踪的联合节点选择和功率分配策略。Ma等人，提出了一种MIMO雷达传感器网络天线选择与功率分配联合方案。此外，Yan等人，提出了异步雷达网络中认知目标跟踪的联合阈值调整和功率分配，仿真结果表明，阈值调整和异步功率分配过程的集成可以明显提高跟踪性能。另一方面，Chen等人，建立了功率分配的合作博弈模型，并利用Shapley值的解决方案概念在所有发射雷达中分配给定功率预算用于目标跟踪。此外，Durr等人，提出了采用载波传输的多基地FMCW雷达传感器网络的相位噪声抑制，并且进行模拟以验证所提出的算法的有效性。Yang等人，首先尝试研究虚假数据注入攻击对网络雷达系统的影响，并提出了一种新的数据融合算法来对抗这种攻击。最后，Liu等人，提出了雷达网络中多目标ISAR成像的任务分配优化。

然而上述这些现有技术，主要集中在多目标跟踪，检测，定位方案，目标特征估计和成像任务分配等方面，而未针对多目标成像的组网雷达资源分配进行研究，特别是时间与孔径资源地分配，造成了组网雷达资源利用不充分，系统整体性能有欠缺。

发明内容

针对现有技术的不足，本发明所解决的技术问题是如何在组网条件下，针对多目标成像任务合理地分配雷达系统的时间资源和孔径二维资源，从而提升系统整体性能。

为解决上述技术问题，本发明在分析满足距离向分辨率要求下孔径资源与雷达最远探测距离的关系、在满足方位向分辨率要求下完成成像时刻目标与雷达的位置关系，以及初始时刻目标与雷达的位置关系的基础上，计算出雷达对目标稀疏成像所需要的二维资源，再通过二维资源调度模型在分配雷达资源的同时完成成像任务的分配，最后通过稀疏ISAR成像算法获得目标二维像。在保证成像质量的要求下，提高了雷达的工作效率。

本发明一种针对组网雷达多目标ISAR成像的二维资源分配方法，包括如下步骤：

S1.建立雷达二维资源矩阵；

S2.目标特征认知与认知稀疏成像时间资源的计算；

S3.建立目标、雷达和使用子阵面数量的关系矩阵；

S4.在满足约束条件下按照资源调度模型进行资源分配；

S5.按照步骤S4分配的资源，实现对各目标的交替观测，最后用稀疏成像算法获得目标二维像。

S1具体过程如下：

将各雷达的平面阵列均匀分割成G′个子阵面，每个子阵面分别独立执行不同的任务；

设定资源调度的间隔为ΔT，则调度间隔内单个子阵面能发射的脉冲个数为N_T＝ΔT·PRF,其中PRF为脉冲重复频率，在此基础上建立第i部雷达的二维资源矩阵AP_i，其中第n次观测时，雷达的第g个子阵面的使用情况表示为AP_i(g,n)，当AP_i(g,n)＝0时，表示处于空闲状态；当AP_i(g,n)＝1时，表示处于占用状态，其中n＝1,2,...,N_T，g＝1,2,...,G′，初始时刻AP_i＝0。

S2具体过程如下：

第i部雷达通过对第j目标发射少量脉冲，对其与雷达的距离R_ij、速度V_j、航向和尺寸特征进行认知，并在此基础上估算出目标方位向的稀疏度K_ij、相干积累时间

距离向分辨率要求

和方位向分辨率要求

根据ISAR稀疏认知成像的要求，第i雷达对第j个目标所需的稀疏发射的脉冲个数为：

L_ij≥c₁K_ijln(M_ij)   (1)

其中c₁为是一个与恢复精度有关的常数，取值为0.5到2之间，

PRF为发射信号的脉冲重复频率；

第i部雷达对第j个目标随机观测序列记为RS_ij＝[1,...,M_ij]，随机序列RS_ij第一个元素与最后一个元素之间，有L_ij-2个2到M_ij-1之间的随机正整数。

S3具体过程如下：

远场条件下目标距离向分辨率主要由带宽决定，因此在满足第j个目标距离向分辨率要求

下，第i部雷达需要对其发射的带宽写为：

其中c为光速；

一般情况下，独立工作的任一部雷达的最远探测距离可由单基雷达方程进行描述，假设单个子阵面发射功率一定，则在满足第j个目标距离向分辨率要求

下，第i部雷达使用g′个子阵面的雷达最远探测距离描述为：

其中,P_t代表单个子阵面的发射功率；G代表单个子阵面的收发天线增益；λ代表电磁波波长；σ_ij代表第i部雷达对第j个目标认知得到的雷达截面积；k代表玻尔兹曼常量；T₀表示温度(一般设为T₀＝290K)；F_n代表接收机噪声系数；D₀代表检测因子；

在ISAR成像过程中，目标相对于雷达转过的视角决定了目标的方位向分辨率，因此在方位向分辨率要求

下，求得第j个目标相对于第i部雷达转过角度可表示为：

假设在成像过程中目标的航向基本不变，观测初始时刻目标位置、雷达位置和完成成像时刻目标位置的几何关系如图2所示：其中黑色实心方块表示雷达位置，黑色实心圆点表示雷达初始时刻所在的位置，空心圆点表示目标完成成像时刻所在的位置，用θ表示雷达与目标连线方向与目标速度方向的夹角、R表示初始时刻目标距离雷达的距离、α表示满足方位向分辨率条件下目标相对于雷达需要转过的角度、R′表示完成成像时刻目标距离雷达的距离，则第j个目标与第i部雷达之间的θ夹角表示为：

其中h_ij表示第j个目标与第i部雷达连线方向的方向矢量、V_j表示第j个目标的速度矢量，则完成成像时刻第j个目标与第i部雷达的距离表示为：

其中R_ij表示，初始时刻第i部雷达与第j个目标的距离；

则第i部雷达，使用g′_ij个子阵面对第j个目标成像需要满足：在初始时刻和完成成像时刻目标到雷达的距离都要小于，满足目标距离向分辨率要求下的雷达最远探测距离；

则雷达、目标和子阵面个数的关系描述为：

RAT(i,g′_ij,j)＝[R_ij＜R_max(g′_ij,j,i)]∩[R′_ij＜R_max(g′_ij,j,i)]   (7)

其中RAT的各元素只含有0和1，其中1表示任务成像分配方案和孔径资源分配方案能够满足目标成像对分辨率的要求，0则表示与之相反；

在此基础上，从RAT是1的方案中挑选出最优的目标任务-资源分配组合作为最终的分配策略；

根据前面稀疏成像对时间资源要求以及目标成像对孔径资源的要求，第i部雷达对第j个目标成像的资源矩阵AP_i的二维分配描述为：

其中n_ij为第j个目标在第i部雷达上的起始观测位置，

为第j个目标在第i部雷达上第k个观测时刻的子阵面起始位置。

S4具体过程如下：

给出两个性能指标，即资源消耗量和完成的成像任务数量，具体可表示为：

其中X是一个尺寸为J×2的雷达孔径资源及成像任务分配的分配策略，J是调度间隔内的目标总数，其中第一列表示雷达编号、第二列表示使用的子阵面个数；X(j,1),X(j,2)分别表示分配给第j个目标的雷达编号和对该目标成像时雷达需要使用的子阵面个数；

为方便资源分配模型的描述，将分配策略X中分配给各雷达的目标写成集合的形式有：

Js_i＝{j|X(j,1)＝＝i∩RAT(i,X(j,2),j)＝＝1}   (10)

其中

设某调度起始的观测位置为n_s，与之对应的子阵面起始位置为

提出的具体资源分配算法优化模型如式(11)所示：

其中I为雷达总数量，

为分配给第i部雷达的第j′_i个目标的起始观测位置；

为分配给第i部雷达的第j′_i个目标在第

个观测时刻的子阵面起始位置；其中P_a和P_b表示分配给第i部雷达的目标集合中任意两个目标的威胁度，通常认为距离近、速度快且面向雷达运动的目标更具有威胁性；

用基于分层序列的遗传算法对模型进行求解，初始时刻随机产生L个染色体构成一个初始种群，其中每一条染色体就是一种可能的资源分配方案，具体的染色体结构设计如式(12)所示：

X＝{(i₁,g′₁),…(i_j,g′_j),…(i_J,g′_J)}   (12)

然后将1/f₂(X)看作目标函数中最重要的成分，f₁(X)为次重要的成分，通过分层序列法挑选出精英染色体，在选择、交叉、变异的进化过程中予以保留，遗传给下一代。

用基于分层序列的遗传算法对模型进行求解，具体流程如图3所示；每一条染色体就是一种可能的资源分配方案，每一个染色体由J个基因组成，每一个基因就是该基因对应目标的资源和任务的分配方案；

以第j个基因为例，(i_j,g′_j)表示对第j目标的成像任务，分配给了第i_j部雷达，并使用g′_j个子阵面对第j个目标成像；

将f₁和f₂的倒数作为适应度函数，选择操作中，我们通过分层序列法来评判适应度的好坏，把初始种群中1/f₂最小的前提下，拥有最小得f₁的染色体作为最优染色体，予以保留在之不参与之后的交叉和变异。

S5具体过程如下：

根据资源调度模型合理分配雷达脉冲资源并对目标进行交替观测，接收目标回波信号后，使用现有的基于压缩感知的稀疏孔径逆合成孔径雷达成像技术对各目标实现逆合成孔径雷达二维成像。

本发明方法在对目标特征认知的基础上，确定目标分辨率的要求，在此基础上结合稀疏ISAR成像技术与雷达方程确定目标成像所需要的时间和孔径资源，然后通过针对分布式组网雷达系统的多目标成像的二维资源调度模型，实现对组网雷达系统的资源分配，最终通过交替观测并获取目标回波信号，以实现多雷达对多目标的逆合成孔径成像任务。本发明从时间和孔径两个角度考虑了资源的分配，提高了资源的利用率，提升系统整体性能。

附图说明

图1为本发明方法流程示意图。

图2为本发明目标成像过程中与雷达位置的几何结构图。

图3优化方法的流程图。

图4雷达位置与目标位置空间结构分布图；

图中，(a)三维视角图，(b)俯视图。

图5可视化RAT矩阵。

图6本发明雷达资源调度结果图；

图中，(a)第一部雷达资源矩阵分配示意图，(b)二部雷达资源矩阵分配示意图，(c)第三部雷达资源矩阵分配示意图，(d)第四部雷达资源矩阵分配示意图。

具体实施方式

下面结合附图和实施例对本发明的具体实施方式作进一步的说明，但不是对本发明的限定。

实施例：

对4部雷达和3个目标群的场景进行了仿真实验，其中目标群1有7个目标，目标群2有7个目标，目标群3有6个目标，共计20个目标。图4是雷达位置与目标位置的空间结构分布图。

针对上述组网雷达的多目标ISAR成像的二维资源的分配方法，参照图1，具体包括如下步骤：

S1：确定资源调度间隔ΔT＝1s，脉冲重复频率为PRF＝1000Hz，将雷达阵面划分成4个子阵面G′＝4；给每一部雷达建立一个4×1000的资源矩阵AP_i，初始时刻AP_i＝0。

S2：雷达通过发射少量脉冲，可以估计出目标的数目、空间坐标、速度、航向以及雷达反射截面(RCS)。每部雷达分别对目标成粗分辨像，可以估计出每个目标稀疏成像所需要占用的成像孔径资源。仿真中假设目标群中的各目标特性相同，即速度、尺寸、全阵面观测次数、稀疏观测次数相同。各目标群中目标的RCS设为6，目标距离向方位向的参考尺寸为25m，对应的参考分辨率为0.8m。各目标群目标参数如表1所示：

表1目标群目标参数

S3：假设四部雷达的各项参数相同，雷达单个阵面的发射功率为P_t＝200kw；雷达单个阵面天线的增益G＝15dB；雷达发射信号频率f_c＝5GHz；噪声系数F_n＝3dB；检测因子D₀＝7dB。结合式(2)-(7)，计算出雷达、目标、子面阵个数的关系矩阵RAT，将其可视化，如图5所示。

S4：根据雷达和目标的先验信息以及求得的雷达、目标、子面阵个数的关系矩阵RAT，通过组网雷达时间和孔径资源分配模型分配资源，利用分层序列的遗传算法(GA)对模型进行求解，得到的各雷达资源矩阵的分配图如图6所示。

S5：按照S4分配的资源，实现对各目标的交替观测，最后用稀疏成像算法获得目标二维像，具体过程如下：

根据资源调度模型合理分配雷达的时间和孔径资源并对目标进行交替观测，接收目标回波信号后，使用现有的基于压缩感知的稀疏孔径逆合成孔径雷达成像技术对各目标实现逆合成孔径雷达二维成像。

采用本发明的技术方案在组网条件下针对多目标成像任务合理的分配雷达系统的时间资源和孔径资源从而提升系统整体性能。

以上结合附图和实施例对本发明的实施方式做出了详细说明，但本发明不局限于所描述的实施方式。对于本领域技术人员而言，在不脱离本发明的原理和精神的情况下，对这些实施方式进行各种变化、修改、替换和变型仍落入本发明的保护范围内。

Claims (1)

1.一种针对组网雷达多目标ISAR成像的二维资源分配方法，其特征在于，包括如下步骤：

S1.建立雷达二维资源矩阵；

S2.目标特征认知与认知稀疏成像时间资源的计算；

S3.建立目标、雷达和使用子阵面数量的关系矩阵；

S4.在满足约束条件下按照资源调度模型进行资源分配；

S5.按照步骤S4分配的资源，实现对各目标的交替观测，最后用稀疏成像算法获得目标二维像；

S1具体过程如下：

将各雷达的平面阵列均匀分割成G′个子阵面，每个子阵面分别独立执行不同的任务；

设定资源调度的间隔为ΔT，则调度间隔内单个子阵面能发射的脉冲个数为N_T＝ΔT·PRF,其中PRF为脉冲重复频率，在此基础上建立第i部雷达的二维资源矩阵AP_i，其中第n次观测时，雷达的第g个子阵面的使用情况表示为AP_i(g,n)，当AP_i(g,n)＝0时，表示处于空闲状态；当AP_i(g,n)＝1时，表示处于占用状态，其中n＝1,2,...,N_T，g＝1,2,...,G′，初始时刻AP_i＝0；S2具体过程如下：

第i部雷达通过对第j目标发射少量脉冲，对其与雷达的距离R_ij、速度V_j、航向和尺寸特征进行认知，并在此基础上估算出目标方位向的稀疏度K_ij、相干积累时间

距离向分辨率要求

和方位向分辨率要求

根据ISAR稀疏认知成像的要求，第i雷达对第j个目标所需的稀疏发射的脉冲个数为：

L_ij≥c₁K_ijln(M_ij)                        (1)

其中c₁为是一个与恢复精度有关的常数，取值为0.5到2之间，

PRF为发射信号的脉冲重复频率；

第i部雷达对第j个目标随机观测序列记为RS_ij＝[1,...,M_ij]，随机序列RS_ij第一个元素与最后一个元素之间，有L_ij-2个2到M_ij-1之间的随机正整数；

S3具体过程如下：

远场条件下目标距离向分辨率主要由带宽决定，因此在满足第j个目标距离向分辨率要求

下，第i部雷达需要对其发射的带宽写为：

其中c为光速；

独立工作的任一部雷达的最远探测距离可由单基雷达方程进行描述，假设单个子阵面发射功率一定，则在满足第j个目标距离向分辨率要求

下，第i部雷达使用g′个子阵面的雷达最远探测距离描述为：

其中,P_t代表单个子阵面的发射功率；G代表单个子阵面的收发天线增益；λ代表电磁波波长；σ_ij代表第i部雷达对第j个目标认知得到的雷达截面积；k代表玻尔兹曼常量；T₀表示温度；F_n代表接收机噪声系数；D₀代表检测因子；

在ISAR成像过程中，目标相对于雷达转过的视角决定了目标的方位向分辨率，因此在方位向分辨率要求

下，求得第j个目标相对于第i部雷达转过角度可表示为：

假设在成像过程中目标的航向基本不变，用θ表示雷达与目标连线方向与目标速度方向的夹角、R表示初始时刻目标距离雷达的距离、α表示满足方位向分辨率条件下目标相对于雷达需要转过的角度、R′表示完成成像时刻目标距离雷达的距离，则第j个目标与第i部雷达之间的θ夹角表示为：

其中h_ij表示第j个目标与第i部雷达连线方向的方向矢量、V_j表示第j个目标的速度矢量，则完成成像时刻第j个目标与第i部雷达的距离表示为：

其中R_ij表示，初始时刻第i部雷达与第j个目标的距离；

则第i部雷达，使用g′_ij个子阵面对第j个目标成像需要满足：在初始时刻和完成成像时刻目标到雷达的距离都要小于，满足目标距离向分辨率要求下的雷达最远探测距离；

则雷达、目标和子阵面个数的关系描述为：

RAT(i,g′_ij,j)＝[R_ij＜R_max(g′_ij,j,i)]∩[R′_ij＜R_max(g′_ij,j,i)]   (7)

其中RAT的各元素只含有0和1，其中1表示任务成像分配方案和孔径资源分配方案能够满足目标成像对分辨率的要求，0则表示与之相反；

在此基础上，从RAT是1的方案中挑选出最优的目标任务-资源分配组合作为最终的分配策略；

根据前面稀疏成像对时间资源要求以及目标成像对孔径资源的要求，第i部雷达对第j个目标成像的资源矩阵AP_i的二维分配描述为：

其中n_ij为第j个目标在第i部雷达上的起始观测位置，

为第j个目标在第i部雷达上第k个观测时刻的子阵面起始位置；

S4具体过程如下：

给出两个性能指标，即资源消耗量和完成的成像任务数量，具体可表示为：

其中X是一个尺寸为J×2的雷达孔径资源及成像任务分配的分配策略，J是调度间隔内的目标总数，其中第一列表示雷达编号、第二列表示使用的子阵面个数；X(j,1),X(j,2)分别表示分配给第j个目标的雷达编号和对该目标成像时雷达需要使用的子阵面个数；

为方便资源分配模型的描述，将分配策略X中分配给各雷达的目标写成集合的形式有：

Js_i＝{j|X(j,1)＝＝i∩RAT(i,X(j,2),j)＝＝1}     (10)

其中

设某调度起始的观测位置为ns与之对应的子阵面起始位置为

提出的具体资源分配算法优化模型如式(11)所示：

其中I为雷达总数量，n_j′i为分配给第i部雷达的第j′_i个目标的起始观测位置；

为分配给第i部雷达的第j′_i个目标在第n_ji′个观测时刻的子阵面起始位置；其中P_a和P_b表示分配给第i部雷达的目标集合中任意两个目标的威胁度，通常认为距离近、速度快且面向雷达运动的目标更具有威胁性；

用基于分层序列的遗传算法对模型进行求解，初始时刻随机产生L个染色体构成一个初始种群，其中每一条染色体就是一种可能的资源分配方案，具体的染色体结构设计如式(12)所示：

X＝{(i₁,g′₁),…(i_j,g′_j),…(i_J,g′_J)}              (12)

然后将1/f₂(X)看作目标函数中最重要的成分，f₁(X)为次重要的成分，通过分层序列法挑选出精英染色体，在选择、交叉、变异的进化过程中予以保留，遗传给下一代；

S5具体过程如下：

根据资源调度模型合理分配雷达脉冲资源并对目标进行交替观测，接收目标回波信号后，使用现有的基于压缩感知的稀疏孔径逆合成孔径雷达二维解耦成像技术对各目标实现逆合成孔径雷达二维成像。

Images