CN111323773A - 基于射频隐身的组网雷达功率与带宽联合优化分配方法 - Google Patents

基于射频隐身的组网雷达功率与带宽联合优化分配方法 Download PDF

Info

Publication number
CN111323773A
CN111323773A CN202010104489.2A CN202010104489A CN111323773A CN 111323773 A CN111323773 A CN 111323773A CN 202010104489 A CN202010104489 A CN 202010104489A CN 111323773 A CN111323773 A CN 111323773A
Authority
CN
China
Prior art keywords
target
radar
bandwidth
networking
power
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.)
Pending
Application number
CN202010104489.2A
Other languages
English (en)
Inventor
时晨光
丁琳涛
李海林
周建江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202010104489.2A priority Critical patent/CN111323773A/zh
Publication of CN111323773A publication Critical patent/CN111323773A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28—Details of pulse systems
    • G01S7/282—Transmitters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于射频隐身的组网雷达功率与带宽联合优化分配方法，包括：确定组网雷达系统组成；以雷达二元选择变量、雷达发射功率和信号带宽为自变量，构造目标状态估计误差的预测贝叶斯克拉美‑罗下界矩阵，取其对角线上对应目标位置分量的元素作为目标跟踪精度的衡量指标；确定目标跟踪精度门限，建立基于射频隐身的组网雷达功率与带宽联合优化模型；并求解优化模型。本发明在满足融合中心的数据处理量、下一时刻目标的预测跟踪精度以及雷达发射资源等约束条件下，以最小化组网雷达系统的总发射功率为优化目标，对多目标跟踪过程中雷达选择、发射功率和信号带宽等参数进行优化，提升组网雷达系统多目标跟踪时的射频隐身性能。

Description

基于射频隐身的组网雷达功率与带宽联合优化分配方法
技术领域
本发明涉及雷达信号处理技术，具体涉及基于射频隐身的组网雷达功率与带宽联合 优化分配方法。
背景技术
所谓组网雷达，就是将多部不同极化方式、不同频段和不同体制的雷达进行合理的、 适当的优化布站，并由中心站对组网内各部雷达的测量数据进行综合处理、控制和管理， 从而形成一个整体的、统一的、有机的新体制雷达系统。相较于传统的单站相控阵雷达而言，组网雷达具有空间分集，波形分集和多路复用增益等许多性能上的优势，因此， 近年来引起了广泛关注。
在现代电子战中，雷达面临的作战环境十分复杂，在完成搜索、检测和跟踪任务的同时，要尽量降低其被敌方各种先进传感器截获的概率和保证生存能力。因此，对雷达 辐射参数进行优化设计来提高射频隐身能力是非常迫切和必要的。
目前，雷达功率资源管理方面的文献较为丰富，不过大多数都是通过合理分配有限 的功率资源以提高对目标的检测概率和跟踪精度，而没有考虑雷达的射频隐身性能。此外，信号带宽同样会影响雷达的检测、跟踪和射频隐身性能。然而，现有技术中尚未有 组网雷达系统中基于射频隐身的功率与带宽联合优化分配方法，具有一定的局限性。
发明内容
发明目的：为解决现有技术的不足，本发明提供一种基于射频隐身的组网雷达功率 与带宽联合优化分配方法。
技术方案：为实现上述发明目的，本发明采用以下技术方案：
基于射频隐身的组网雷达功率与带宽联合优化分配方法，包括以下步骤：
(1)确定组网雷达系统组成；
(2)以雷达二元选择变量、雷达发射功率和信号带宽为自变量，构造目标状态估计误差的预测贝叶斯克拉美-罗下界矩阵，取其对角线上对应目标位置分量的元素作为 目标跟踪精度的衡量指标；
(3)确定目标q跟踪精度门限Fmax，建立基于射频隐身的组网雷达功率与带宽联合优化模型；
(4)采用两步分解法和基于非线性规划的遗传算法对步骤(3)建立的基于射频隐身的组网雷达功率与带宽联合优化模型进行求解。
进一步的，步骤(1)中组网雷达系统包括多部二坐标相控阵雷达，多部二坐标相控阵雷达时间、空间和频率都是同步的，在该组网雷达系统对多目标进行跟踪时，假设 各个时刻每部雷达最多只能跟踪一个目标，并且每部雷达只能接收并处理来自自身发射 信号的目标回波。
进一步的，步骤(2)的具体计算步骤为：
(21)建立目标q的运动模型；
假设二维平面上有Q个分散的做匀速直线运动的目标，其中第q个目标在k时刻的状态向量为
Figure BDA0002388065090000021
其中，
Figure BDA0002388065090000022
和
Figure BDA0002388065090000023
分别表示第q个目标的位置和速 度，q＝1,2,...,Q；而目标q的运动模型描述为：
Figure BDA0002388065090000024
其中，
Figure BDA0002388065090000025
表示第q个目标在k-1时刻的状态向量，F表示目标状态转移矩阵；又 因为假定目标做匀速直线运动，故F表示为：
Figure BDA0002388065090000026
其中，T表示采样间隔；式(1)中Wq表示均值为0的白色高斯过程噪声，Wq的 协方差Qq通过下式计算：
Figure BDA0002388065090000027
其中，
Figure BDA0002388065090000031
表示目标q的过程噪声强度；
(22)建立k时刻雷达i对目标q的量测方程；
定义一个雷达二元选择变量
Figure BDA0002388065090000032
表征雷达与目标是否配对，如下所示：
Figure BDA0002388065090000033
因此，k时刻雷达i对目标q的量测方程如下所示：
Figure BDA0002388065090000034
其中，
Figure BDA0002388065090000035
为量测矢量，hi(·)表示非线性量测函数，
Figure BDA0002388065090000036
是零均值的白色高斯量测噪 声；
(23)建立k时刻目标q的预测贝叶斯信息矩阵
Figure BDA0002388065090000037
k时刻目标q的预测贝叶斯信息矩阵
Figure BDA0002388065090000038
表示为：
Figure BDA0002388065090000039
其中，
Figure RE-GDA00024911100900000310
是目标q在k时刻的预测状态向量，其中，
Figure RE-GDA00024911100900000311
表示目标q在k时刻的预测位置，
Figure RE-GDA00024911100900000312
表示目标q在k时刻的预测运动 速度；
Figure RE-GDA00024911100900000313
表示k时刻先验信息的预测Fisher信息矩阵；
Figure RE-GDA00024911100900000314
表示量测信 息的Fisher信息矩阵，其中，
Figure RE-GDA00024911100900000315
表示雷达i对目标q的预测量测数据Fisher信息 矩阵；
进一步将k时刻目标q的预测贝叶斯信息矩阵
Figure BDA00023880650900000316
表示为：
Figure BDA00023880650900000317
从式(15)看出，
Figure BDA00023880650900000318
的第一项先验信息的预测Fisher信息矩阵只与前一时刻目标状态的贝叶斯信息矩阵以及目标的运动模型有关，第二项中的
Figure BDA00023880650900000319
与k时刻雷达 预测回波信噪比有关，而预测回波信噪比是驻留时间的函数，因此，
Figure BDA00023880650900000320
的第二项 量测数据的预测Fisher信息矩阵与k时刻雷达的选择方式、发射功率与信号带宽有关；
(24)建立目标运动状态估计误差的预测贝叶斯克拉美-罗下界矩阵，取其对角线上对应目标位置分量的元素作为目标跟踪精度的衡量指标；
对式(15)求逆即得目标运动状态估计误差的预测贝叶斯克拉美-罗下界矩阵为：
Figure BDA0002388065090000041
其中，Qq是目标q过程噪声的方差，F是目标状态转移矩阵，
Figure BDA0002388065090000042
表示k-1时 刻目标q的状态向量的贝叶斯信息矩阵的逆；
Figure BDA0002388065090000043
为非线性量测函数
Figure BDA0002388065090000044
的雅克比 矩阵，
Figure BDA0002388065090000045
为量测噪声的预测协方差矩阵；
将
Figure BDA0002388065090000046
预测的目标位置估计均方误差下界提取出来作为目标跟踪精度的衡量准则：
Figure BDA0002388065090000047
其中，
Figure BDA0002388065090000048
为k-1时刻目标q的预测跟踪误差，
Figure BDA0002388065090000049
为矩阵
Figure BDA00023880650900000410
中第1行第1 列的元素，
Figure BDA00023880650900000411
为矩阵
Figure BDA00023880650900000412
中第3行第3列的元素。
更进一步的，步骤(22)中非线性量测函数
Figure BDA00023880650900000413
计算公式如下：
Figure BDA00023880650900000414
其中，
Figure BDA00023880650900000415
和
Figure BDA00023880650900000416
分别表示k时刻目标q到雷达i的实际距离和方位角，(xi,yi)表示第i 部雷达的位置坐标；用
Figure BDA00023880650900000417
表示零均值的白色高斯量测噪声
Figure BDA00023880650900000418
的协方差，则公式表示为：
Figure BDA00023880650900000419
其中，
Figure BDA00023880650900000420
和
Figure BDA00023880650900000421
分别表示k时刻目标q到雷达i的实际距离和方位角的量测误差方差，通过下面的公式计算：
Figure BDA0002388065090000051
其中，βi,q,k为雷达i对目标q发射信号的有效带宽，c＝3×108m/s为光速，λ为雷达发射机的波长，γ为雷达发射天线孔径，
Figure BDA0002388065090000052
为k时刻雷达i对目标q照射的回波信噪 比，表示为：
Figure BDA0002388065090000053
其中，
Figure BDA0002388065090000054
为k时刻雷达i对目标q的发射功率，Gt为雷达发射天线增益，Gr为雷达 接收天线增益，
Figure BDA0002388065090000055
为目标q相对雷达i的雷达散射截面，λ为雷达发射机的波长，GRP为 雷达接收机处理增益，k为玻尔兹曼常数，To为雷达接收机的噪声温度，
Figure BDA0002388065090000056
为雷达i对 目标q接收机匹配滤波器的带宽，Fr为雷达接收机的噪声系数，
Figure BDA0002388065090000057
为k时刻雷达i与目 标q之间的距离，Td为各雷达对目标照射的驻留时间，Tr为雷达的脉冲重复周期，
Figure BDA0002388065090000058
为 k时刻目标q的真实方位角与雷达i波束指向之间的角度差，θ3dB是3dB天线波束宽度。
更进一步的，步骤(23)中k时刻先验信息的预测Fisher信息矩阵
Figure BDA0002388065090000059
的计算公式为：
Figure BDA00023880650900000510
其中，上标[·]-1表示矩阵的逆，Qq是目标q过程噪声的方差，F是目标状态转移矩阵，
Figure BDA00023880650900000511
表示k-1时刻目标q的状态向量的贝叶斯信息矩阵的逆；
雷达i对目标q的预测量测数据Fisher信息矩阵
Figure BDA00023880650900000512
的计算公式为：
Figure BDA00023880650900000513
其中，
Figure BDA00023880650900000517
表示求数学期望运算，
Figure BDA00023880650900000515
为非线性量测函数
Figure BDA00023880650900000516
的雅克比矩阵，表示为：
Figure BDA0002388065090000061
其中，
Figure BDA0002388065090000062
表示对目标状态向量
Figure BDA0002388065090000063
求一阶偏导，
Figure BDA0002388065090000064
表示目标相对雷达预测距离对目标预测位置和预测运动速度的一阶偏导数，
Figure BDA0002388065090000065
表示目标相对雷达预测方位角对目标预测位置和预测运动速度的一阶偏导数；
将式(11)和式(12)代入式(10)中，得到k时刻目标q的预测贝叶斯信息矩阵 为：
Figure BDA0002388065090000066
式中包含求期望运算，因此需要用蒙特卡罗方法对
Figure BDA0002388065090000067
进行求解，为了使算法满足实时性的要求，将式(14)近似表示为：
Figure BDA0002388065090000068
进一步的，步骤(3)中建立的基于射频隐身的组网雷达功率与带宽联合优化模型为：
Figure BDA0002388065090000069
其中，Fmax为目标位置估计均方误差的阈值；
Figure BDA00023880650900000610
为k时刻雷达传输到融合中心的数据总量，其中，
Figure BDA00023880650900000611
为k时刻雷达i需要传输至融合中心并且和 目标q相关的数据量，ρ≥1为过采样系数，V为给定观测区域面积；ε为融合中心的数 据处理率；Pmax和Pmin分别表示雷达发射功率的上限和下限；βmin和βmax分别表示发射信 号带宽的上限和下限；
Figure BDA0002388065090000071
表示在k时刻每部雷达最多跟踪一个目标；
Figure BDA0002388065090000072
表 示在k时刻每个目标由M部雷达进行跟踪。
进一步的，步骤(4)中基于射频隐身的组网雷达功率与带宽联合优化模型的求解方法为：
(41)首先，由于
Figure BDA0002388065090000073
是一个二元变量，因此，步骤(3)中优化模型的优化问题包 含有雷达选择变量、发射功率以及信号带宽三个优化变量，采用两步分解法对变量分别 进行优化，具体步骤是：针对目标q对于一种给定的满足约束条件
Figure BDA0002388065090000074
的雷达分配 方式，优化模型公式改写为只含有变量
Figure BDA0002388065090000075
和
Figure BDA0002388065090000076
的形式，另外，假设融合 中心处理每个目标的相关数据量相等，以保证所有目标都拥有足够的信息量；因此，优 化模型公式化简为下式：
Figure BDA0002388065090000077
其中，βm,q,k和
Figure BDA0002388065090000078
分别为给定的雷达分配方式中k时刻第m部雷达照射目标q的信号带宽和辐射功率；βtotal为照射单个目标的所有雷达发射信号带宽和；
(42)其次，简化模型公式(19)是一个非线性的且非凸的约束优化问题，采用接 下来介绍的基于非线性规划的遗传算法求解这个问题；其中，种群初始化模块根据求解 问题初始化种群，适应度值计算模块根据适应度函数计算种群中染色体的适应度值，选 择、交叉和变异为遗传算法的搜索算子，N0为固定值，当进化次数为N0的倍数时，则 采用非线性寻优的方法加快进化，非线性寻优利用当前染色体值采用函数fminimax寻 找问题的局部最优值；
(43)最后，根据通过基于非线性规划的遗传算法求解所得的的各目标在指定雷达分配方式下的发射功率和信号带宽值，选择使得组网雷达系统总发射功率最小的二元雷达选择变量值
Figure BDA0002388065090000081
发射功率
Figure BDA0002388065090000082
和发射信号带宽βi,q,k作为步骤(3)中优化模型公式的最 优解。
有益效果：与现有技术相比，本发明具有以下优点：
(1)本发明方法所完成的主要任务是考虑由多部时间、空间、频率同步的二坐标相控阵雷达组成的组网雷达系统，在满足下一时刻目标预测跟踪精度、融合中心数据处 理量以及雷达发射资源约束的条件下，自适应地优化调整多目标跟踪过程中雷达选择、 发射功率和信号带宽等参数，最小化组网雷达系统的总发射功率，从而提升组网雷达系 统多目标跟踪时的射频隐身性能。
该发明的优点是通过对多目标跟踪过程中雷达选择、发射功率和信号带宽等参数进 行联合优化，在满足组网雷达对目标跟踪过程中各目标的跟踪精度要求的同时，最大限度地减小了组网雷达系统的总发射功率，提升了组网雷达系统的射频隐身性能。产生该 优点的原因是采用了一种基于射频隐身的组网雷达功率与带宽联合优化分配算法，该方 法构造了以雷达二元选择变量、雷达发射功率和信号带宽为自变量的目标状态估计误差 的贝叶斯克拉美-罗下界矩阵，并取其对角线上对应目标位置分量的元素作为目标跟踪 精度的衡量指标；在此基础上，以融合中心的数据处理量、下一时刻目标的预测跟踪精 度以及雷达发射资源为约束条件，以最小化组网雷达系统的总发射功率为优化目标，建 立了组网雷达多目标跟踪过程中雷达选择、发射功率和信号带宽等参数优化模型。求解 该优化模型所得的雷达选择、发射功率和信号带宽等最优参数值，可在满足下一时刻目 标预测跟踪精度、融合中心数据处理量以及雷达发射资源约束的条件下，有效提升组网 雷达系统多目标跟踪时的射频隐身性能。
(2)与现有技术相比，本发明提出的基于射频隐身的组网雷达功率与带宽联合优化算法，不仅满足了给定的目标跟踪精度要求，而且有效控制了组网雷达系统的总发射 功率，有效地提升了双基地雷达系统的射频隐身性能。
附图说明
图1为本发明方法流程图；
图2为基于非线性规划的遗传算法流程图；
图3为多目标运动轨迹与组网雷达空间分布图；
图4为目标1的雷达选择与信号带宽分配图；
图5为目标1的雷达选择与发射功率分配图；
图6为目标2的雷达选择与信号带宽分配图；
图7为目标2的雷达选择与发射功率分配图；
图8为不同算法下多目标跟踪误差对比图；
图9为不同算法下组网雷达系统总发射功率对比图。
具体实施方式
下面结合附图对本发明的结构及工作过程做进一步说明。
本发明从实际应用出发，提出了基于射频隐身的组网雷达功率与带宽联合优化分配 算法，考虑一个由多部二坐标相控阵雷达组成的组网雷达系统，这些二坐标雷达时间、空间和频率都是同步的，在该组网雷达系统对多目标进行跟踪时，假设各个时刻每部雷 达最多只能跟踪一个目标，并且每部雷达只能接收并处理来自自身发射信号的目标回波。 在此基础上，以融合中心的数据处理量、下一时刻目标的预测跟踪精度以及雷达发射资 源为约束条件，以最小化组网雷达系统的总发射功率为优化目标，建立基于射频隐身的 组网雷达功率与带宽联合优化分配模型，自适应地优化调整多目标跟踪过程中雷达选择、 发射功率和信号带宽，从而最小化组网雷达系统总发射功率，以达到提升该系统射频隐 身性能的目的。
如图1所示，一种基于射频隐身的组网雷达功率与带宽联合优化分配方法，包括以下步骤：
1、确定组网雷达系统组成；
考虑一个由多部二坐标相控阵雷达组成的组网雷达系统，这些二坐标雷达时间、空 间和频率都是同步的，在该组网雷达系统对多目标进行跟踪时，假设各个时刻每部雷达最多只能跟踪一个目标，并且每部雷达只能接收并处理来自自身发射信号的目标回波。 另外，下面将设定雷达的工作参数以及各约束条件的阈值。
2、以雷达二元选择变量、雷达发射功率和信号带宽为自变量，构造目标状态估计误差的预测贝叶斯克拉美-罗下界矩阵，取其对角线上对应目标位置分量的元素作为目 标跟踪精度的衡量指标，其具体计算步骤如下所示：
假设二维平面上有Q个分散的做匀速直线运动的目标，其中第q(q＝1,2,...,Q)个目标 在k时刻的状态向量为
Figure BDA0002388065090000101
其中，
Figure BDA0002388065090000102
和
Figure BDA0002388065090000103
分别表示第q个目标 的位置和速度。而目标q的运动模型可以描述为：
Figure BDA0002388065090000104
其中，
Figure BDA0002388065090000105
表示第q个目标在k-1时刻的状态向量，即运动模型是状态向量的函数，F表示目标状态转移矩阵。又因为假定目标做匀速直线运动，故F可以表示为：
Figure BDA0002388065090000106
其中，T表示采样间隔。式(1)中Wq表示均值为0的白色高斯过程噪声，Wq的 协方差Qq可通过下式计算：
Figure BDA0002388065090000107
其中，
Figure BDA0002388065090000108
表示目标q的过程噪声强度。
定义一个雷达二元选择变量
Figure BDA0002388065090000109
表征雷达与目标是否配对，如下所示：
Figure BDA00023880650900001010
因此，k时刻雷达i对目标q的量测方程如下所示：
Figure BDA00023880650900001011
其中，
Figure BDA00023880650900001012
为量测矢量，hi(·)表示非线性量测函数，
Figure BDA00023880650900001013
是零均值的白色高斯量测噪 声。
Figure BDA0002388065090000111
计算公式如下：
Figure BDA0002388065090000112
其中，
Figure BDA0002388065090000113
和
Figure BDA0002388065090000114
分别表示k时刻目标q到雷达i的实际距离和方位角，(xi,yi)表示第i 部雷达的位置坐标。用
Figure BDA0002388065090000115
表示零均值的白色高斯量测噪声
Figure BDA0002388065090000116
的协方差，则可以表示为：
Figure BDA0002388065090000117
其中，
Figure BDA0002388065090000118
和
Figure BDA0002388065090000119
分别表示k时刻目标q到雷达i的实际距离和方位角的量测误差方差，可通过下面的公式计算：
Figure BDA00023880650900001110
其中，βi,q,k为雷达i对目标q发射信号的有效带宽，c＝3×108m/s为光速，λ为雷达发射机的波长，γ为雷达发射天线孔径，
Figure BDA00023880650900001111
为k时刻雷达i对目标q照射的回波信噪 比，可以表示为：
Figure BDA00023880650900001112
其中，
Figure BDA00023880650900001113
为k时刻雷达i对目标q的发射功率，Gt为雷达发射天线增益，Gr为雷达 接收天线增益，
Figure BDA00023880650900001114
为目标q相对雷达i的雷达散射截面，λ为雷达发射机的波长，GRP为 雷达接收机处理增益，k为玻尔兹曼常数，To为雷达接收机的噪声温度，
Figure BDA00023880650900001115
为雷达i对 目标q接收机匹配滤波器的带宽，Fr为雷达接收机的噪声系数，
Figure BDA00023880650900001116
为k时刻雷达i与目 标q之间的距离，Td为各雷达对目标照射的驻留时间，Tr为雷达的脉冲重复周期，
Figure BDA00023880650900001117
为 k时刻目标q的真实方位角与雷达i波束指向之间的角度差，θ3dB是3dB天线波束宽度。
k时刻目标q的预测贝叶斯信息矩阵
Figure BDA0002388065090000121
可以表示为：
Figure BDA0002388065090000122
其中，
Figure RE-GDA0002491110090000123
是目标q在k时刻的预测状态向量，其中，
Figure RE-GDA0002491110090000124
表示目标q在k时刻的预测位置，
Figure RE-GDA0002491110090000125
表示目标q在k时刻的预测运动 速度；
Figure RE-GDA0002491110090000126
表示k时刻先验信息的预测Fisher信息矩阵，可通过下式进行计算：
Figure BDA0002388065090000127
其中，上标[·]-1表示矩阵的逆，Qq是目标q过程噪声的方差，F是目标状态转移矩阵，
Figure BDA0002388065090000128
表示k-1时刻目标q的状态向量的贝叶斯信息矩阵的逆。
在式(10)中，
Figure BDA0002388065090000129
的第二项(即
Figure BDA00023880650900001210
)表示量测信息的Fisher信息矩阵，其中，
Figure BDA00023880650900001211
表示雷达i对目标q的预测量测数据Fisher信息矩阵，可通过下 式计算：
Figure BDA00023880650900001212
其中，
Figure BDA00023880650900001222
表示求数学期望运算，
Figure BDA00023880650900001214
为非线性量测函数
Figure BDA00023880650900001215
的雅克比矩阵，可以表示为：
Figure BDA00023880650900001216
其中，
Figure BDA00023880650900001217
表示对目标状态向量
Figure BDA00023880650900001218
求一阶偏导，
Figure BDA00023880650900001219
表示目标相对雷达预 测距离对目标预测位置和预测运动速度的一阶偏导数，
Figure BDA00023880650900001220
表示目标相对雷达预测 方位角对目标预测位置和预测运动速度的一阶偏导数。
在式(12)中，
Figure BDA00023880650900001221
为量测噪声的预测协方差矩阵，可根据式(7)进行计算，即 将公式(7)中所有参数选取预测值进行计算即可。
将式(11)和式(12)代入式(10)中，可以得到k时刻目标q的预测贝叶斯信息 矩阵为：
Figure BDA0002388065090000131
式中，N为组网雷达系统中雷达的数目。式中包含求期望运算，因此需要用蒙特卡罗方 法对
Figure BDA0002388065090000132
进行求解。为了使算法满足实时性的要求，可以将式(14)近似表示为：
Figure BDA0002388065090000133
从上式可以看出，
Figure BDA0002388065090000134
的第一项先验信息的预测Fisher信息矩阵只与前一时刻 目标状态的贝叶斯信息矩阵以及目标的运动模型有关，第二项中的
Figure BDA0002388065090000135
与k时刻雷达预测回波信噪比有关，而预测回波信噪比是驻留时间的函数，因此，
Figure BDA0002388065090000136
的第二项 量测数据的预测Fisher信息矩阵与k时刻雷达的选择方式、发射功率与信号带宽有关。
对式(15)求逆即可得到目标运动状态估计误差的预测贝叶斯克拉美-罗下界矩阵：
Figure BDA0002388065090000137
将
Figure BDA0002388065090000138
预测的目标位置估计均方误差下界提取出来作为目标跟踪精度的衡量准则：
Figure BDA0002388065090000139
其中，
Figure BDA00023880650900001310
为k-1时刻目标q的预测跟踪误差，
Figure BDA00023880650900001311
为矩阵
Figure BDA00023880650900001312
中第1行第1 列的元素，
Figure BDA00023880650900001313
为矩阵
Figure BDA00023880650900001314
中第3行第3列的元素。
3、确定目标q跟踪精度门限Fmax，建立基于射频隐身的组网雷达功率与带宽联合优化模型：
根据预先给定的目标q跟踪精度门限Fmax，建立基于射频隐身的组网雷达功率与带宽联合分配优化模型，如式所示：
Figure BDA0002388065090000141
其中，Fmax为目标位置估计均方误差的阈值；
Figure BDA0002388065090000142
为k时刻雷达传输到融合中心的数据总量，其中，
Figure BDA0002388065090000143
为k时刻雷达i需要传输至融合中心并且和 目标q相关的数据量，ρ≥1为过采样系数，V为给定观测区域面积；ε为融合中心的数 据处理率；Pmax和Pmin分别表示雷达发射功率的上限和下限；βmin和βmax分别表示发射信 号带宽的上限和下限；
Figure BDA0002388065090000144
表示在k时刻每部雷达最多跟踪一个目标；
Figure BDA0002388065090000145
表 示在k时刻每个目标由M部雷达进行跟踪。
4、采用两步分解法和基于非线性规划的遗传算法对步骤3建立的基于射频隐身的组网雷达功率与带宽联合优化模型进行求解：
(a)首先，由于
Figure BDA0002388065090000146
是一个二元变量，因此，式(18)的优化问题包含有雷达选择 变量、发射功率以及信号带宽三个优化变量。求解此类问题的常用办法是采用两步分解 法对变量分别进行优化，具体步骤是：针对目标q对于一种给定的满足约束条件
Figure BDA0002388065090000147
的雷达分配方式，优化模型公式(18)可以改写为只含有变量
Figure BDA0002388065090000148
和
Figure BDA0002388065090000149
(1≤m≤M)的形式。另外，假设融合中心处理每个目标的相关数据量相等，以保证所有 目标都拥有足够的信息量。因此，优化模型公式(18)可以化简为下式：
Figure BDA0002388065090000151
其中，βm,q,k和
Figure BDA0002388065090000152
分别为给定的雷达分配方式中k时刻第m部雷达照射目标q的信号带宽和辐射功率。βtotal为照射单个目标的所有雷达发射信号带宽和。
(b)其次，简化模型公式(19)是一个非线性的且非凸的约束优化问题，可以采 用接下来介绍的基于非线性规划的遗传算法求解这个问题。基于非线性规划的遗传算法 流程图如图2所示。其中，种群初始化模块根据求解问题初始化种群，适应度值计算模 块根据适应度函数计算种群中染色体的适应度值，选择、交叉和变异为遗传算法的搜索 算子，N0为固定值，当进化次数为N0的倍数时，则采用非线性寻优的方法加快进化， 非线性寻优利用当前染色体值采用函数fminimax寻找问题的局部最优值。
(c)最后，根据通过基于非线性规划的遗传算法求解所得的的各目标在指定雷达分配方式下的发射功率和信号带宽值，选择使得组网雷达系统总发射功率最小的雷达二元选择变量值
Figure BDA0002388065090000153
k时刻雷达i对目标q的发射功率值
Figure BDA0002388065090000154
和k时刻雷达i对目标q的发射 信号带宽值βi,q,k作为模型(18)的最优解。
5、仿真结果
假设组网雷达系统中有N＝6个雷达，有Q＝2个目标，并且假定各雷达的工作参数均相同。步骤2中的其余参数设置如表1所示。
表1 仿真参数设置
Figure BDA0002388065090000155
Figure BDA0002388065090000161
目标1的初始位置为(-100,-10)km，以速度(1300,530)m/s匀速飞行，目标2的初始位 置为(100,90)km，以速度(-1300,-530)m/s匀速飞行，两个目标的过程噪声强度均为15。假设机载雷达组网采样间隔T＝3s，跟踪过程持续时间为150s。发射功率的最大值为 Pmax＝2000W，最小值Pmin＝100W。雷达发射信号带宽的最大值为βmax＝1.9MHz，最小值 βmin＝0.1MHz。预先设定的跟踪精度阈值为Fmax＝30m。
多目标运动轨迹与组网雷达空间分布图如图3所示，目标1的雷达选择与信号带宽分配图如图4所示，目标1的雷达选择与发射功率分配图如图5所示，目标2的雷达选 择与信号带宽分配图如图6所示，目标2的雷达选择与发射功率分配图如图7所示。从 图3至图7中可以看出，在目标跟踪过程中，随着目标的运动，组网雷达系统会优先选 择与目标距离较近的雷达对该目标进行照射；同时，雷达发射信号带宽和发射功率倾向 于分配给所选的距离目标较远的雷达，从而保证组网雷达系统的总发射功率最短。
目标跟踪均方根误差(Root Mean Square Error,RMSE)定义为：
Figure BDA0002388065090000162
其中，NMC为蒙特卡洛实验次数，
Figure BDA0002388065090000163
为第n次蒙特卡洛实验时得到的目标估计位置，此处，设NMC＝100。本发明以带宽均匀分配算法为对比算法来验证本章所提算 法的优势。图8给出了这两种算法的多目标跟踪误差(即用RMSE表征)对比。从图8 中可以看出，所提算法能够较好地满足所有目标的跟踪精度要求。
本发明所提算法和对比算法下的组网雷达系统的总发射功率对比如图9所示。从图 9中可以看出，相比于带宽均匀分配算法，所提算法使得组网雷达系统具有更小的总发射功率，从而进一步提升了组网雷达多目标跟踪时的射频隐身性能。
由上述仿真结果可知，基于射频隐身的组网雷达功率与带宽联合优化分配算法，可 在满足下一时刻目标预测跟踪精度、融合中心数据处理量以及雷达发射资源约束的条件 下，自适应地优化调整多目标跟踪过程中雷达选择、发射功率和信号带宽等参数，最小化组网雷达系统的总发射功率，有效提升了组网雷达系统多目标跟踪时的射频隐身性能。
本发明创造的工作原理及工作过程：
本发明考虑一个由多部二坐标相控阵雷达组成的组网雷达系统，这些二坐标雷达时 间、空间和频率都是同步的，在该组网雷达系统对多目标进行跟踪时，假设各个时刻每部雷达最多只能跟踪一个目标，并且每部雷达只能接收并处理来自自身发射信号的目标回波。首先，以雷达二元选择变量、雷达发射功率和信号带宽为自变量，构造目标状态 估计误差的预测贝叶斯克拉美-罗下界矩阵，取其对角线上对应目标位置分量的元素作 为目标跟踪精度的衡量指标；然后，以融合中心的数据处理量、下一时刻目标的预测跟 踪精度以及雷达发射资源为约束条件，以最小化组网雷达系统的总发射功率为优化目标， 建立基于射频隐身的组网雷达多目标跟踪发射功率优化方法，自适应地优化调整多目标 跟踪过程中雷达选择
Figure BDA0002388065090000171
发射功率Pm,q,k和发射信号带宽βm,q,k；最后，采用两步分解法 和基于非线性规划的遗传算法对该优化模型进行了求解。通过求解该优化模型，得到在 满足融合中心的数据处理量、下一时刻目标的预测跟踪精度以及雷达发射资源的条件下， 使得组网雷达系统总发射功率最小的雷达选择
Figure BDA0002388065090000172
发射功率
Figure BDA0002388065090000173
和发射信号带宽βi,q,k作 为最优解，将所得参数代入式(18)中，即可得到符合约束条件的基于射频隐身的组网 雷达功率与带宽联合优化分配结果。

Claims (7)

1.基于射频隐身的组网雷达功率与带宽联合优化分配方法，其特征在于，包括以下步骤：
(1)确定组网雷达系统组成；
(2)以雷达二元选择变量、雷达发射功率和信号带宽为自变量，构造目标状态估计误差的预测贝叶斯克拉美-罗下界矩阵，取其对角线上对应目标位置分量的元素作为目标跟踪精度的衡量指标；
(3)确定目标q跟踪精度门限Fmax，建立基于射频隐身的组网雷达功率与带宽联合优化模型；
(4)采用两步分解法和基于非线性规划的遗传算法对步骤(3)建立的基于射频隐身的组网雷达功率与带宽联合优化模型进行求解。
2.根据权利要求1所述的基于射频隐身的组网雷达功率与带宽联合优化分配方法，其特征在于，步骤(1)中组网雷达系统包括多部二坐标相控阵雷达，多部二坐标相控阵雷达时间、空间和频率都是同步的，在该组网雷达系统对多目标进行跟踪时，假设各个时刻每部雷达最多只能跟踪一个目标，并且每部雷达只能接收并处理来自自身发射信号的目标回波。
3.根据权利要求1所述的基于射频隐身的组网雷达功率与带宽联合优化分配方法，其特征在于，步骤(2)的具体计算步骤为：
(21)建立目标q的运动模型；
假设二维平面上有Q个分散的做匀速直线运动的目标，其中第q个目标在k时刻的状态向量为
Figure RE-FDA0002491110080000011
其中，
Figure RE-FDA0002491110080000012
和
Figure RE-FDA0002491110080000013
分别表示第q个目标的位置和速度，q＝1,2,...,Q；而目标q的运动模型描述为：
Figure RE-FDA0002491110080000014
其中，
Figure RE-FDA0002491110080000015
表示第q个目标在k-1时刻的状态向量，F表示目标状态转移矩阵；又因为假定目标做匀速直线运动，故F表示为：
Figure RE-FDA0002491110080000021
其中，T表示采样间隔；式(1)中Wq表示均值为0的白色高斯过程噪声，Wq的协方差Qq通过下式计算：
Figure RE-FDA0002491110080000022
其中，
Figure RE-FDA0002491110080000023
表示目标q的过程噪声强度；
(22)建立k时刻雷达i对目标q的量测方程；
定义一个雷达二元选择变量
Figure RE-FDA0002491110080000024
表征雷达与目标是否配对，如下所示：
Figure RE-FDA0002491110080000025
因此，k时刻雷达i对目标q的量测方程如下所示：
Figure RE-FDA0002491110080000026
其中，
Figure RE-FDA0002491110080000027
为量测矢量，hi(·)表示非线性量测函数，
Figure RE-FDA0002491110080000028
是零均值的白色高斯量测噪声；
(23)建立k时刻目标q的预测贝叶斯信息矩阵
Figure RE-FDA0002491110080000029
k时刻目标q的预测贝叶斯信息矩阵
Figure RE-FDA00024911100800000210
表示为：
Figure RE-FDA00024911100800000211
其中，
Figure RE-FDA00024911100800000212
是目标q在k时刻的预测状态向量，其中，
Figure RE-FDA0002491110080000031
表示目标q在k时刻的预测位置，
Figure RE-FDA0002491110080000032
表示目标q在k时刻的预测运动速度；
Figure RE-FDA0002491110080000033
表示k时刻先验信息的预测Fisher信息矩阵；
Figure RE-FDA0002491110080000034
表示量测信息的Fisher信息矩阵，其中，
Figure RE-FDA0002491110080000035
表示雷达i对目标q的预测量测数据Fisher信息矩阵；
进一步将k时刻目标q的预测贝叶斯信息矩阵
Figure RE-FDA0002491110080000036
表示为：
Figure RE-FDA0002491110080000037
从式(15)看出，
Figure RE-FDA0002491110080000038
的第一项先验信息的预测Fisher信息矩阵只与前一时刻目标状态的贝叶斯信息矩阵以及目标的运动模型有关，第二项中的
Figure RE-FDA0002491110080000039
与k时刻雷达预测回波信噪比有关，而预测回波信噪比是驻留时间的函数，因此，
Figure RE-FDA00024911100800000310
的第二项量测数据的预测Fisher信息矩阵与k时刻雷达的选择方式、发射功率与信号带宽有关；
(24)建立目标运动状态估计误差的预测贝叶斯克拉美-罗下界矩阵，取其对角线上对应目标位置分量的元素作为目标跟踪精度的衡量指标；
对式(15)求逆即得目标运动状态估计误差的预测贝叶斯克拉美-罗下界矩阵为：
Figure RE-FDA00024911100800000311
其中，Qq是目标q过程噪声的方差，F是目标状态转移矩阵，
Figure RE-FDA00024911100800000312
表示k-1时刻目标q的状态向量的贝叶斯信息矩阵的逆；
Figure RE-FDA00024911100800000313
为非线性量测函数
Figure RE-FDA00024911100800000314
的雅克比矩阵，
Figure RE-FDA00024911100800000323
为量测噪声的预测协方差矩阵；
将
Figure RE-FDA00024911100800000316
预测的目标位置估计均方误差下界提取出来作为目标跟踪精度的衡量准则：
Figure RE-FDA00024911100800000317
其中，
Figure RE-FDA00024911100800000318
为k-1时刻目标q的预测跟踪误差，
Figure RE-FDA00024911100800000319
为矩阵
Figure RE-FDA00024911100800000320
中第1行第1列的元素，
Figure RE-FDA00024911100800000321
为矩阵
Figure RE-FDA00024911100800000322
中第3行第3列的元素。
4.根据权利要求3所述的基于射频隐身的组网雷达功率与带宽联合优化分配方法，其特征在于，步骤(22)中非线性量测函数
Figure FDA0002388065080000041
计算公式如下：
Figure FDA0002388065080000042
其中，
Figure FDA0002388065080000043
和
Figure FDA0002388065080000044
分别表示k时刻目标q到雷达i的实际距离和方位角，(xi,yi)表示第i部雷达的位置坐标；用
Figure FDA0002388065080000045
表示零均值的白色高斯量测噪声
Figure FDA0002388065080000046
的协方差，则公式表示为：
Figure FDA0002388065080000047
其中，
Figure FDA0002388065080000048
和
Figure FDA0002388065080000049
分别表示k时刻目标q到雷达i的实际距离和方位角的量测误差方差，通过下面的公式计算：
Figure FDA00023880650800000410
其中，βi,q,k为雷达i对目标q发射信号的有效带宽，c＝3×108m/s为光速，λ为雷达发射机的波长，γ为雷达发射天线孔径，
Figure FDA00023880650800000411
为k时刻雷达i对目标q照射的回波信噪比，表示为：
Figure FDA00023880650800000412
其中，
Figure FDA00023880650800000413
为k时刻雷达i对目标q的发射功率，Gt为雷达发射天线增益，Gr为雷达接收天线增益，
Figure FDA00023880650800000414
为目标q相对雷达i的雷达散射截面，λ为雷达发射机的波长，GRP为雷达接收机处理增益，k为玻尔兹曼常数，To为雷达接收机的噪声温度，
Figure FDA00023880650800000415
为雷达i对目标q接收机匹配滤波器的带宽，Fr为雷达接收机的噪声系数，
Figure FDA00023880650800000416
为k时刻雷达i与目标q之间的距离，Td为各雷达对目标照射的驻留时间，Tr为雷达的脉冲重复周期，
Figure FDA00023880650800000417
为k时刻目标q的真实方位角与雷达i波束指向之间的角度差，θ3dB是3dB天线波束宽度。
5.根据权利要求3所述的基于射频隐身的组网雷达功率与带宽联合优化分配方法，其特征在于，步骤(23)中k时刻先验信息的预测Fisher信息矩阵
Figure FDA0002388065080000051
的计算公式为：
Figure FDA0002388065080000052
其中，上标[·]-1表示矩阵的逆，Qq是目标q过程噪声的方差，F是目标状态转移矩阵，
Figure FDA0002388065080000053
表示k-1时刻目标q的状态向量的贝叶斯信息矩阵的逆；
雷达i对目标q的预测量测数据Fisher信息矩阵
Figure FDA0002388065080000054
的计算公式为：
Figure FDA0002388065080000055
其中，
Figure FDA0002388065080000056
表示求数学期望运算，
Figure FDA0002388065080000057
为非线性量测函数
Figure FDA0002388065080000058
的雅克比矩阵，表示为：
Figure FDA0002388065080000059
其中，
Figure FDA00023880650800000510
表示对目标状态向量
Figure FDA00023880650800000511
求一阶偏导，
Figure FDA00023880650800000512
表示目标相对雷达预测距离对目标预测位置和预测运动速度的一阶偏导数，
Figure FDA00023880650800000513
表示目标相对雷达预测方位角对目标预测位置和预测运动速度的一阶偏导数；
将式(11)和式(12)代入式(10)中，得到k时刻目标q的预测贝叶斯信息矩阵为：
Figure FDA00023880650800000514
式中包含求期望运算，因此需要用蒙特卡罗方法对
Figure FDA00023880650800000515
进行求解，为了使算法满足实时性的要求，将式(14)近似表示为：
Figure FDA00023880650800000516
6.根据权利要求1所述的基于射频隐身的组网雷达功率与带宽联合优化分配方法，其特征在于，步骤(3)中建立的基于射频隐身的组网雷达功率与带宽联合优化模型为：
Figure FDA0002388065080000061
其中，Fmax为目标位置估计均方误差的阈值；
Figure FDA0002388065080000062
为k时刻雷达传输到融合中心的数据总量，其中，
Figure FDA0002388065080000063
为k时刻雷达i需要传输至融合中心并且和目标q相关的数据量，ρ≥1为过采样系数，V为给定观测区域面积；ε为融合中心的数据处理率；Pmax和Pmin分别表示雷达发射功率的上限和下限；βmin和βmax分别表示发射信号带宽的上限和下限；
Figure FDA0002388065080000064
表示在k时刻每部雷达最多跟踪一个目标；
Figure FDA0002388065080000065
表示在k时刻每个目标由M部雷达进行跟踪。
7.根据权利要求1所述的基于射频隐身的组网雷达功率与带宽联合优化分配方法，其特征在于，步骤(4)中基于射频隐身的组网雷达功率与带宽联合优化模型的求解方法为：
(41)首先，由于
Figure FDA0002388065080000066
是一个二元变量，因此，步骤(3)中优化模型的优化问题包含有雷达选择变量、发射功率以及信号带宽三个优化变量，采用两步分解法对变量分别进行优化，具体步骤是：针对目标q对于一种给定的满足约束条件
Figure FDA0002388065080000067
的雷达分配方式，优化模型公式改写为只含有变量
Figure FDA0002388065080000068
和βm,q,k(1≤m≤M)的形式，另外，假设融合中心处理每个目标的相关数据量相等，以保证所有目标都拥有足够的信息量；因此，优化模型公式化简为下式：
Figure FDA0002388065080000071
其中，βm,q,k和
Figure FDA0002388065080000072
分别为给定的雷达分配方式中k时刻第m部雷达照射目标q的信号带宽和辐射功率；βtotal为照射单个目标的所有雷达发射信号带宽和；
(42)其次，简化模型公式(19)是一个非线性的且非凸的约束优化问题，采用接下来介绍的基于非线性规划的遗传算法求解这个问题；其中，种群初始化模块根据求解问题初始化种群，适应度值计算模块根据适应度函数计算种群中染色体的适应度值，选择、交叉和变异为遗传算法的搜索算子，N0为固定值，当进化次数为N0的倍数时，则采用非线性寻优的方法加快进化，非线性寻优利用当前染色体值采用函数fminimax寻找问题的局部最优值；
(43)最后，根据通过基于非线性规划的遗传算法求解所得的的各目标在指定雷达分配方式下的发射功率和信号带宽值，选择使得组网雷达系统总发射功率最小的二元雷达选择变量值
Figure FDA0002388065080000073
发射功率
Figure FDA0002388065080000074
和发射信号带宽βi,q,k作为步骤(3)中优化模型公式的最优解。
CN202010104489.2A 2020-02-20 2020-02-20 基于射频隐身的组网雷达功率与带宽联合优化分配方法 Pending CN111323773A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010104489.2A CN111323773A (zh) 2020-02-20 2020-02-20 基于射频隐身的组网雷达功率与带宽联合优化分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010104489.2A CN111323773A (zh) 2020-02-20 2020-02-20 基于射频隐身的组网雷达功率与带宽联合优化分配方法

Publications (1)

Publication Number Publication Date
CN111323773A true CN111323773A (zh) 2020-06-23

Family

ID=71163766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010104489.2A Pending CN111323773A (zh) 2020-02-20 2020-02-20 基于射频隐身的组网雷达功率与带宽联合优化分配方法

Country Status (1)

Country Link
CN (1) CN111323773A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112068124A (zh) * 2020-08-20 2020-12-11 南京航空航天大学 面向低截获的组网雷达驻留时间与辐射功率联合优化方法
CN112162246A (zh) * 2020-07-17 2021-01-01 中国人民解放军63892部队 一种基于贝叶斯网络雷达系统复杂电磁环境效应分析方法
CN112213718A (zh) * 2020-09-25 2021-01-12 南京航空航天大学 多目标跟踪下组网雷达节点选择与辐射资源联合优化方法
CN113093172A (zh) * 2021-03-15 2021-07-09 南京航空航天大学 面向目标跟踪的多平台雷达路径与波形选择联合优化方法
CN113297724A (zh) * 2021-04-26 2021-08-24 南京航空航天大学 基于目标定位的分布式mimo雷达功率与带宽联合优化方法
CN113655474A (zh) * 2021-08-23 2021-11-16 江苏科技大学 针对组网雷达目标跟踪的功率带宽联合分配方法
CN113721236A (zh) * 2021-08-17 2021-11-30 西安电子科技大学 基于发射方向图的集中式mimo雷达系统功率分配方法
CN114662383A (zh) * 2022-03-07 2022-06-24 南京航空航天大学 基于多目标定位的组网雷达波束与功率自适应优化分配方法
CN114666219A (zh) * 2022-03-15 2022-06-24 南京航空航天大学 非理想检测下多雷达网络功率与带宽联合优化分配方法
CN115052295A (zh) * 2022-05-12 2022-09-13 电子科技大学 一种实时的相控阵雷达组网系统的资源管理方法
CN115459817A (zh) * 2022-07-21 2022-12-09 电子科技大学 基于非合作博弈的合作式mimo雷达通信一体化系统功率分配方法
CN113297724B (zh) * 2021-04-26 2024-06-07 南京航空航天大学 基于目标定位的分布式mimo雷达功率与带宽联合优化方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110084871A1 (en) * 2009-10-13 2011-04-14 Mcmaster University Cognitive tracking radar
US20140347211A1 (en) * 2013-05-24 2014-11-27 Robert Bosch Gmbh Method for operating a mimo radar
CN106990399A (zh) * 2017-05-11 2017-07-28 西安电子科技大学 用于目标跟踪的组网雷达系统功率和带宽联合分配方法
CN107450070A (zh) * 2017-04-14 2017-12-08 电子科技大学 基于目标跟踪的相控阵雷达波束和驻留时间联合分配方法
CN108614261A (zh) * 2018-05-18 2018-10-02 南京航空航天大学 一种组网雷达系统多目标跟踪下的辐射参数控制方法
CN108896985A (zh) * 2018-06-11 2018-11-27 南京航空航天大学 基于射频隐身的组网雷达多目标跟踪采样间隔控制方法
CN110412515A (zh) * 2019-08-19 2019-11-05 南京航空航天大学 基于射频隐身的组网雷达多目标跟踪发射功率分配方法
CN110412534A (zh) * 2019-08-08 2019-11-05 南京航空航天大学 基于射频隐身的组网雷达多目标跟踪驻留时间优化方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110084871A1 (en) * 2009-10-13 2011-04-14 Mcmaster University Cognitive tracking radar
US20140347211A1 (en) * 2013-05-24 2014-11-27 Robert Bosch Gmbh Method for operating a mimo radar
CN107450070A (zh) * 2017-04-14 2017-12-08 电子科技大学 基于目标跟踪的相控阵雷达波束和驻留时间联合分配方法
CN106990399A (zh) * 2017-05-11 2017-07-28 西安电子科技大学 用于目标跟踪的组网雷达系统功率和带宽联合分配方法
CN108614261A (zh) * 2018-05-18 2018-10-02 南京航空航天大学 一种组网雷达系统多目标跟踪下的辐射参数控制方法
CN108896985A (zh) * 2018-06-11 2018-11-27 南京航空航天大学 基于射频隐身的组网雷达多目标跟踪采样间隔控制方法
CN110412534A (zh) * 2019-08-08 2019-11-05 南京航空航天大学 基于射频隐身的组网雷达多目标跟踪驻留时间优化方法
CN110412515A (zh) * 2019-08-19 2019-11-05 南京航空航天大学 基于射频隐身的组网雷达多目标跟踪发射功率分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHENGUANG SHI 等: "Joint Subcarrier Assignment and Power Allocation Strategy for Integrated Radar and Communications System Based on Power Minimization", 《IEEE SENSORS JOURNAL》 *
时晨光 等: "基于协同噪声干扰的机载雷达射频隐身性能优化算法", 《数据采集与处理》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112162246A (zh) * 2020-07-17 2021-01-01 中国人民解放军63892部队 一种基于贝叶斯网络雷达系统复杂电磁环境效应分析方法
CN112162246B (zh) * 2020-07-17 2024-02-09 中国人民解放军63892部队 一种基于贝叶斯网络雷达系统复杂电磁环境效应分析方法
WO2022036733A1 (zh) * 2020-08-20 2022-02-24 南京航空航天大学 面向低截获的组网雷达驻留时间与辐射功率联合优化方法
KR20220023749A (ko) * 2020-08-20 2022-03-02 난징 유니버시티 오브 에어로노틱스 앤드 애스트로노틱스 저피탐지를 위한 통합망 레이더 체류 시간과 방사 전력의 공동 최적화 방법
KR102665123B1 (ko) * 2020-08-20 2024-05-13 난징 유니버시티 오브 에어로노틱스 앤드 애스트로노틱스 저피탐지를 위한 통합망 레이더 체류 시간과 방사 전력의 공동 최적화 방법
CN112068124A (zh) * 2020-08-20 2020-12-11 南京航空航天大学 面向低截获的组网雷达驻留时间与辐射功率联合优化方法
CN112213718A (zh) * 2020-09-25 2021-01-12 南京航空航天大学 多目标跟踪下组网雷达节点选择与辐射资源联合优化方法
CN113093172A (zh) * 2021-03-15 2021-07-09 南京航空航天大学 面向目标跟踪的多平台雷达路径与波形选择联合优化方法
CN113093172B (zh) * 2021-03-15 2023-12-05 南京航空航天大学 面向目标跟踪的多平台雷达路径与波形选择联合优化方法
CN113297724B (zh) * 2021-04-26 2024-06-07 南京航空航天大学 基于目标定位的分布式mimo雷达功率与带宽联合优化方法
CN113297724A (zh) * 2021-04-26 2021-08-24 南京航空航天大学 基于目标定位的分布式mimo雷达功率与带宽联合优化方法
CN113721236A (zh) * 2021-08-17 2021-11-30 西安电子科技大学 基于发射方向图的集中式mimo雷达系统功率分配方法
CN113721236B (zh) * 2021-08-17 2023-08-15 西安电子科技大学 基于发射方向图的集中式mimo雷达系统功率分配方法
CN113655474A (zh) * 2021-08-23 2021-11-16 江苏科技大学 针对组网雷达目标跟踪的功率带宽联合分配方法
CN114662383A (zh) * 2022-03-07 2022-06-24 南京航空航天大学 基于多目标定位的组网雷达波束与功率自适应优化分配方法
CN114666219A (zh) * 2022-03-15 2022-06-24 南京航空航天大学 非理想检测下多雷达网络功率与带宽联合优化分配方法
CN115052295B (zh) * 2022-05-12 2023-10-24 电子科技大学 一种实时的相控阵雷达组网系统的资源管理方法
CN115052295A (zh) * 2022-05-12 2022-09-13 电子科技大学 一种实时的相控阵雷达组网系统的资源管理方法
CN115459817B (zh) * 2022-07-21 2023-08-01 电子科技大学 基于非合作博弈的合作式mimo雷达通信一体化系统功率分配方法
CN115459817A (zh) * 2022-07-21 2022-12-09 电子科技大学 基于非合作博弈的合作式mimo雷达通信一体化系统功率分配方法

Similar Documents

Publication Publication Date Title
CN111323773A (zh) 基于射频隐身的组网雷达功率与带宽联合优化分配方法
CN111025275B (zh) 基于射频隐身的多基雷达辐射参数多目标联合优化方法
CN110412534B (zh) 基于射频隐身的组网雷达多目标跟踪驻留时间优化方法
CN107728139B (zh) 一种基于多目标跟踪的相控阵雷达组网系统资源管理方法
CN110412515B (zh) 基于射频隐身的组网雷达多目标跟踪发射功率分配方法
CN111090078B (zh) 一种基于射频隐身的组网雷达驻留时间优化控制方法
CN108896985B (zh) 基于射频隐身的组网雷达多目标跟踪采样间隔控制方法
CN111190176B (zh) 共址mimo雷达组网系统的自适应资源管理方法
CN109283522B (zh) 一种联合时空资源管理的共址mimo雷达目标跟踪方法
CN107329136B (zh) 基于可变分析时刻的mimo雷达多目标自适应跟踪方法
CN109581354B (zh) 同时多波束共址mimo雷达多目标跟踪资源管理方法
CN108562894B (zh) 雷达波束指向与发射功率的分配方法
CN109581355B (zh) 目标跟踪的集中式mimo雷达自适应资源管理方法
Narykov et al. Algorithm for resource management of multiple phased array radars for target tracking
CN110794395B (zh) 组网雷达多目标跟踪时间资源与信号带宽联合优化方法
CN108614261B (zh) 一种组网雷达系统多目标跟踪下的辐射参数控制方法
CN110673131B (zh) 多波束集中式mimo雷达时空资源-波形选择管理方法
CN107942310A (zh) 分布式mimo雷达系统多目标位置估计的资源联合优化方法
CN112068124B (zh) 面向低截获的组网雷达驻留时间与辐射功率联合优化方法
CN114706045A (zh) 空频感知下面向多目标跟踪的组网雷达功率时间联合优化方法
CN112213718B (zh) 多目标跟踪下组网雷达节点选择与辐射资源联合优化方法
CN116953688A (zh) 一种跟踪与探测背景下阵元选择与功率分配联合优化方法
CN115561748A (zh) 基于射频隐身的网络化雷达目标搜索跟踪资源分配方法
CN113093171A (zh) 基于目标跟踪的机载雷达路径与辐射资源联合优化方法
CN114666219B (zh) 非理想检测下多雷达网络功率与带宽联合优化分配方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200623

RJ01 Rejection of invention patent application after publication