CN111060884A - 一种基于搜索资源管理的机载机会阵雷达目标搜索算法 - Google Patents

Abstract

本发明公开了一种基于搜索资源管理的机载机会阵雷达目标搜索算法。首先，对重要搜索参数进行了讨论，根据先验知识，确定各个分区优先级，将第i分区内机载机会阵雷达的平均功率p_avi、波束宽度θ_i和波束驻留时间t_di确定为优化参数，构造信噪比Snr_i，引入可信度，计算出不同威胁等级区域的波位数N_i和搜索帧周期T_fpi；其次，计算检测概率p_di，以最小化辐射能量和最大检测概率为目标函数，建立目标威胁环境不确定条件下的射频隐身约束规划模型；最后，通过改进的遗传算法求解模型。本发明设计了一种优化的雷达目标搜索算法，既有良好的检测性能，又改善了机载机会阵雷达的射频隐身性能。

Description

一种基于搜索资源管理的机载机会阵雷达目标搜索算法

技术领域

本发明属于机载机会阵雷达资源管理的技术领域，具体涉及一种基于搜索资源管理的机载机会阵雷达目标搜索算法。

背景技术

随着信息战、联合作战、网络中心战、精确作战、体系对抗战等作战理论和作战形态的出现，信息感知能力成为决定战争胜负的关键因素之一；同时各个装备的武器系统在不断地改进和升级，先进的高空弹道导弹、中低空的隐身飞机、低空的巡航导弹已经成为现代信息化战争的最大杀手。当前的雷达系统作为重要的感知手段已经受到了巨大的挑战。以当前最重要的雷达体制相控阵雷达为例，它的出现极大地推动了雷达探测技术的发展，有效解决了采用大功率孔径的远距离多目标的探测和高数据率搜索、跟踪问题。然而，由于体制上的约束，主要体现在作用距离受功率孔径积的限制，布阵受到半个波长的限制等，愈来愈难以满足现代化战争对探测系统的要求。最初的机会阵雷达是美国海军研究生学院针对新一代海军隐身驱逐舰提出的一种新概念雷达。该平台以平台隐身特性为设计核心，以数字阵列雷达为基础，阵元与数字收发组件可被任意布置于舰船的各个开放空间，“机会性”地选择工作阵元、工作方式及战术功能等；同时实现搜索、跟踪、被动探测与电子侦察、敌我识别、通信与协同探测等多任务。

机会阵雷达概念的提出突破了传统相控阵雷达孔径尺寸的限制，可以最大限度地利用平台空间。其阵元是分布式地排布在平台的整个表面，能实现360度的全空域辐射覆盖和接收。理论上只要平台上哪里有电磁开放的空间，哪里就可以布置天线阵元。基于机会阵雷达灵活的工作方式，雷达阵元可以随意组合，同时产生多个波束对不同的目标进行照射。那么机会阵雷达系统就要根据目标的不同，优化分配雷达系统的功率、时间、孔径等资源。

基于射频隐身理论，目前可采用的低被截获优化策略主要有两大类：最小辐射能量策略和最大信号不确定性策略。最小辐射能量策略要求在任何时间都应以系统所需的最小能量向外辐射，该策略通过主动辐射源的辐射功率管理、辐射时间优化和低旁瓣天线设计，降低系统的辐射能量和旁瓣功率，提高其抗截获性能。最大信号不确定性策略则要求系统的辐射信号参数不确定性最大，使敌方侦察设备无法预估，该策略利用信号时域、频域和空间域的特殊设计，使信号的发射时刻、工作频率、信号波形及辐射方向具有最大不确定性，以提高其抗分选识别能力。

因此，对机载机会阵雷达搜索资源管理的研究具有重要意义。雷达在搜索模式下的辐射能量控制主要围绕搜索时间、发射功率、波位编排、驻留时间等参数进行设计。有相控阵雷达的自适应搜索算法，基于波位编排的雷达搜索算法，相控阵雷达的最优搜索随机规划算法以及基于最大检测概率的雷达最优搜索随机规划模型等。其中，基于最大检测概率的雷达搜索技术，认为最优搜索是确定每个子空域的重照次数，使得雷达第一次检测到目标的时间最短，或者使得目标的检测概率最大。

上述方法，虽然在具有良好检测概率，有利于提高雷达的搜索检测能力，但是由于目标多样性，以及各种伪装目标、欺骗辐射源的存在，难以描述目标威胁程度的不确定性，对适应复杂战场由局限性，并且没有考虑辐射能量的优化，射频隐身性能不高。

发明内容

本发明要解决的技术问题是：在基于射频隐身的雷达搜索技术背景下，引入可信度描述目标威胁程度的不确定性，在指定波位编排类型的基础上根据机载机会阵雷达的阵列资源，同时以最小辐射能量和最大检测概率为优化目标，并使用改进的遗传算法，设计能够优化射频隐身性能的方法。

本发明为解决上述问题采用以下技术方案：

一种基于搜索资源管理的机载机会阵雷达目标搜索算法，包括如下步骤：

(1)根据先验知识或者威胁程度，将机载机会阵雷达搜索区域进行分区，并确定各个分区的优先级；

(2)为了满足最小化搜索过程中辐射能量的需求，对不同分区采用不同的波位编排方式，计算不同分区内的扫描波位数，同时引入可信度来描述目标威胁程度的不确定性；

(3)根据搜索优先级和搜索资源，计算分区的搜索帧周期；

(4)在雷达目标搜索的过程中，将第i分区内雷达的平均发射功率p_avi、波束宽度θ_i和驻留时间t_di作为优化参数，根据雷达方程

可建立这三个参数和信噪比Snr_i之间的约束关系为：

Snr_i∝f(p_avi，t_di，θ_i)；

(5)根据求得的信噪比，第i分区的回波检测概率p_di可以描述为信噪比Snr_i、虚警概率p_fai和积累次数n_i的关系，为p_di∝g(p_fai，n_i，Snr_i)；

(6)通过各个参数之间的关系，以辐射能量作为评价射频隐身性能的指标，建立目标威胁环境不确定条件下的射频隐身约束规划模型。

(7)以平均功率、波束宽度和驻留时间作为优化参数，以最低辐射能量和最高检测概率为目标函数，采用改进的遗传算法解得模型的最优解。

(8)建立目标威胁环境不确定条件下的射频隐身约束规划模型，具体模型如下：

(9)以平均功率、波束宽度和驻留时间作为优化参数，辐射能量为目标函数，采用改进的遗传算法解得满足约束条件的模型的最优解。

与现有的技术相比，本发明具有以下有益效果：

1、本发明提出了一种基于搜索资源管理的机载机会阵雷达目标搜索算法，引入了可信度描述目标威胁程度的不确定性，更能适应复杂战场的变化。

2、与目前常用的最大检测概率等搜索方法相比，本发明提出的基于搜索资源管理的机载机会阵雷达目标搜索算法，不仅保证了良好的检测概率，而且辐射能量小于最大检测概率方法，有效提高了机载机会阵雷达的射频隐身能力，提高了雷达的突防能力、生存能力和作战效能。

附图说明

图1为基于搜索资源管理的机载机会阵雷达目标搜索算法的设计流程图；

图2为三种对应不同威胁等级的波位编排方式图；

图3为归一化目标函数值随三种优化参数归一化的变化图；

图4为改进遗传算法100次迭代后每一代种群中个体最大适应度值图；

图5为改进遗传算法100次迭代后基于搜索资源管理的机载机会阵雷达目标搜索算法消耗的总能量仿真图；

图6为基于搜索资源管理和基于最大检测概率两种方法不同分区下的检测概率仿真图。

具体实施方式

下面结合附图对本发明的结构及工作过程作进一步说明。

1、基于搜索资源管理的机载机会阵雷达目标搜索算法，首先，从目标探测性能和隐身约束性能下的目标探测最优化问题出发，分析计算搜索扫描的主要参数之间的约束关系。

(1)雷达完成整个搜索过程所需的波位数和搜索区域的范围大小以及波束编排方式有关。将待搜索空域的不同威胁等级对应于不同的波位编排方式，典型的波位编排方式有纵列波位编排、交错波位编排和低损耗点波位编排，其中，纵列波位编排需要的波位数少，适合威胁度较低的区域；交错波位编排需要的波位数较多，适合威胁程度较高的区域；低损耗点波位编排需要的波位数多，适合高威胁度区域。各波位编排方式的增益损耗、空域覆盖率和所需波位数如表1所示：

表1典型波位编排方式比较

纵列波位编排方式所需的波位数N可以表示为

式中，p＝1和p＝2分别表示纵列波位编排和交错波位编排方式；ψ表示雷达阵平面法线方向上波束的半功率带宽；θ₂和θ₁、φ₂和φ₁分别表示所需搜索区域的俯仰角和而方位角的上、下限；α为天线阵平面俯仰角。低损耗点波位编排所需的波位数可根据表1中波束数比例关系间接求得。

同时引入可信度来描述目标威胁程度的不确定性，设第i种波位编排方式的波位数为N_i，且N_i的可信度定义为：

Cr{N_1i≤N_t≤N_2i}≥α_i

式中，Cr{.}表示可信度，α_i为预设的置信水平，N_1i和N_2i分别代表第i种波位编排方式的波位数下界和上界。

(2)搜索帧周期定义为雷达对于给定的波位进行连续两次照射的时间间隔。其倒数被称为搜索数据率雷达搜索帧周期与所占资源成反比：所占资源越多，搜索帧周期就越小；同时，搜索帧周期还与所在区域优先级成反比：区域的搜索优先级越高，搜索帧周期越小。假设当搜索资源为S₀、搜索优先级为ρ₀时，搜索帧周期为T_fp0，则当搜索资源和优先级分别为S_iρ_i时，可得第i种波位编排的搜索帧周期为

(3)计算雷达回波信噪比。根据雷达方程

其中，t_B是波束在法线方向上的驻留时间，P_av是平均发射功率，G_t＝4η/sin²(ψ/2)为雷达发射天线增益，η是雷达阵列天线效率，G_r是接收机天线增益，λ为波长，σ是目标雷达横截面积，k为玻尔兹曼常数，T为有效噪声温度，L为雷达系统损耗，S_nr为信噪比，R是最大探测距离。所以得到：

当已知驻留时间、平均发射功率、信噪比、法线方向的3dB带宽分别为t_B0、P_av0、S_nr0、ψ₀时，可得

将上面两式联立相除，可得

于是可以得到信噪比与平均发射功率、驻留时间以及波束宽度的关系

(4)估计积累检测概率。当未知目标速度时，积累检测概率为：

其中，

n是扫描次数。

2、建立目标威胁环境不确定条件下的射频隐身约束规划模型。

(1)构造约束条件。在扫描方式确定后，搜索区域的波位数是确定的，设置波束在每个波位上的驻留时间时，要考虑驻留时间和搜索帧周期的关系。应满足：

T_fpi≥N_it_di

其中，T_fi、N_beami、t_di分别为搜索分区i的搜索帧周期、波位数和驻留时间。

其次，搜索分区i内的检测概率p_di也需要满足预设的检测概率p_Di：

p_di≥p_Di

同时，波位数满足可信度的约束：

Cr{N_1i≤N_i≤N_2i}≥α_i

(2)确立目标函数。

机载机会阵雷达在完成搜索任务时，消耗的能量越小，被发现的概率越低。建立的能量目标函数为：

其中，N是搜索分区数，n_i是分区的照射次数。

同时，检测概率越大，越容易发现敌方目标。建立检测概率目标函数为：

最终得出射频隐身约束规划模型为：

3、用改进遗传算法求解模型。

将平均功率、驻留时间和波束宽度作为优化参数，采用实数编码，以三个参数组成的实数组{p_av，t_d，θ}形成一定种群大小的候选解；根据目标函数，以辐射能量和检测概率倒数的乘积的倒数作为适应值；根据适应度值的大小，以轮盘赌的方法进行选择操作；在交叉操作中，为了充分利用适应度值较高的候选解，这里采用一种贪心式的算数交叉算子，即两个父代候选解F¹和F²经过交叉操作后产生4个子代候选解S¹，S²，S³，S⁴，定义如下：

S¹＝F¹+a_i*(F²-F¹)，

S²＝F²+a_i*(F²-F¹)，

S³＝F¹-a_i*(F²-F¹)，

S⁴＝F²-a_i*(F²-F¹)，

其中，a_i是[0，1]之间产生的随机数，通过a_i的控制，使得产生的四个子代候选解中必然有2个候选解的适应度值大于或者等于父代候选解的适应值，取这两个适应度值较大的作为候选解，而另2个适应度值较小的则被淘汰，这种改进方式可以充分利用2个父代候选解的优良基因来产生更优的子代，从而加速算法收敛；在变异操作中，首先对所有可行解根据适应度值由高到低进行排序，然后根据变异率确定变异规模，之后对可行解中适应值最小的解的每个基因值进行随机变异，此种变异确保不会对当前种群中的最优解进行变异的同时，只对当前种群中的最差解进行变异，改善了解的基因，增加了种群的多样性，防止算法陷入局部极值。最后，当最优个体的适应度值达到给定的阈值，或者最优个体的适应度值和群体适应度值不再上升时，或者迭代次数达到预设的代数时，算法终止。

4、仿真分析

改进遗传算法的控制参数中，种群数为30，进化代数为100，交叉概率为0.9，变异概率为0.01。在机载机会阵雷达中，假设当驻留时间为0.5×10^-3s，发射功率为200kw，信噪比为10dB，阵面法线方向的3dB带宽为2°时，探测最远距离为300km；搜索资源占雷达总资源的90％，搜索分区优先级为0.9时，搜索帧周期为1s。天线阵面俯仰角为15°。恒虚警概率为1×10^-6。

如表1所示，本发明对区域A进行了搜索仿真，区域A分为了5个分区。仿真设定各分区具有相同的优先级0.8。

表2搜索区域的划分

基于搜索资源管理的机载机会阵雷达目标搜索算法和基于最大检测概率两种搜索方法对区域A进行搜索消耗的能量如表3所示。

表3区域A消耗的总能量

两种方法	消耗的能量
		基于搜索资源管理的机载机会阵雷达目标搜索算法	145.2KJ
基于最大检测概率方法	869.9KJ

图2显示了本发明搜索算法进行100次迭代后，所消耗的总能量。可以看出本算法收敛速度快，同时结合表3，可以看出，本算法有效降低了雷达搜索过程中所消耗的能量，改善了机载机会阵雷达的射频隐身性能，提高了其生存能力。

两种方法对区域A各个分区的检测概率如表4所示。

表4各区域的检测概率

为了直观地对比两种方法的检测性能，图3显示了两种方法在不同分区下的检测概率。由表4和图3，可以发现，两种方法都具有较好的检测性能，但是本发明提出的基基于搜索资源管理的机载机会阵雷达目标搜索算法检测性能略优。

综合来看，相较于基于最大检测概率的搜索方法，本发明既保证了较好的检测性能，又显著地减少了搜索过程中的辐射能量，具有较好的射频隐身性能。

Claims (3)

1.本发明提出了一种基于搜索资源管理的机载机会阵雷达目标搜索算法，其特征在于：包括如下步骤：

(1)根据先验知识或者威胁程度，将机载机会阵雷达搜索区域进行分区，并确定各个分区的优先级；

(2)为了满足最小化搜索过程中辐射能量的需求，对不同分区采用不同的波位编排方式，计算不同分区内的扫描波位数；并引入可信度来描述目标威胁程度的不确定性；

(3)根据搜索优先级和搜索资源，计算分区的搜索帧周期；

(4)在雷达目标搜索的过程中，将第i分区内雷达的平均发射功率p_avi、波束宽度θ_i和驻留时间t_di作为优化参数，根据雷达方程

可建立这三个参数和信噪比Snr_i之间的约束关系为：

Snr_i∝f(p_avi，t_di，θ_i)；

(5)根据求得的信噪比，第i分区的回波检测概率p_di可以描述为信噪比Snr_i、虚警概率p_fai和积累次数n_i的关系，为p_di∝g(p_fai，n_i，Snr_i)；

(6)通过各个参数之间的关系，以辐射能量和检测概率倒数的乘积作为评价射频隐身性能的指标，建立目标威胁环境不确定条件下的射频隐身约束规划模型。

(7)以平均功率、波束宽度和驻留时间作为优化参数，以最小辐射能量和最大检测概率为目标函数，采用改进的遗传算法解得模型的最优解。

2.根据权利要求1所述的本发明提出了基于搜索资源管理的机载机会阵雷达目标搜索算法，其特征在于：建立目标威胁环境不确定条件下的射频隐身约束规划模型，具体模型如下：

。

3.根据权利要求2所述的本发明提出了基于搜索资源管理的机载机会阵雷达目标搜索算法，其特征在于：以平均功率、波束宽度和驻留时间作为优化参数，以最小辐射能量和最大检测概率为目标函数，采用改进的遗传算法解得满足约束条件的模型的最优解。

Images