CN114666219A - 非理想检测下多雷达网络功率与带宽联合优化分配方法 - Google Patents
非理想检测下多雷达网络功率与带宽联合优化分配方法 Download PDFInfo
- Publication number
- CN114666219A CN114666219A CN202210252028.9A CN202210252028A CN114666219A CN 114666219 A CN114666219 A CN 114666219A CN 202210252028 A CN202210252028 A CN 202210252028A CN 114666219 A CN114666219 A CN 114666219A
- Authority
- CN
- China
- Prior art keywords
- radar
- target
- bandwidth
- power
- under non
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 93
- 238000005457 optimization Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000009826 distribution Methods 0.000 title claims abstract description 18
- 230000005855 radiation Effects 0.000 claims abstract description 57
- 238000005259 measurement Methods 0.000 claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 4
- 230000001678 irradiating effect Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 6
- MYVIATVLJGTBFV-UHFFFAOYSA-M thiamine(1+) chloride Chemical compound [Cl-].CC1=C(CCO)SC=[N+]1CC1=CN=C(C)N=C1N MYVIATVLJGTBFV-UHFFFAOYSA-M 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 125000004122 cyclic group Chemical group 0.000 claims 1
- 230000006855 networking Effects 0.000 description 4
- 238000009827 uniform distribution Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
- H04W28/0221—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices power availability or consumption
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种非理想检测下多雷达网络功率与带宽联合优化分配方法,包括:构建多雷达网络对多目标跟踪的场景,建立目标运动模型以及雷达量测模型;以雷达节点选择方式、雷达辐射功率、雷达信号有效带宽为自变量,构造非理想检测下目标状态估计误差的预测BCRLB矩阵,取其对角线上的第1个和第2个元素之和作为目标跟踪精度的衡量指标;建立非理想检测下多雷达网络功率与带宽联合优化模型;采用两步分解算法求解非理想检测下多雷达网络功率与带宽联合优化模型。本发明自适应地进行雷达节点选择以及辐射功率、发射带宽的分配,以达到提升多雷达网络射频隐身性能的目的。
Description
技术领域
本发明涉及雷达信号处理技术,具体涉及非理想检测下多雷达网络功率与带宽联合优化分配方法。
背景技术
达网络由多个组网雷达系统组成,可以实现时域、频域、空域的协同工作,通过利用分集增益能够有效对抗目标雷达散射截面(Radar Cross Section,RCS)起伏、抑制杂波与干扰、提高分辨率等,从而提升多雷达网络的目标检测、跟踪、识别和参数估计等能力。与传统的单基地雷达相比,多雷达网络能够从多视角、多维度提取目标特征信息,具有空间分集、波形分集和频率分集等优势。然而,随着传感器元器件水平、计算机软硬件能力以及信号处理技术的飞速发展,无源探测系统的探测、分选、识别能力得到极大提升,这使得多雷达网络的生存能力和作战效能受到了严重威胁与挑战。因此,在满足作战任务要求的条件下,如何提升多雷达网络系统的射频隐身性能成为亟待研究和解决的问题。
目前已有的研究主要通过辐射控制方法来实现多雷达网络系统的射频隐身,即所有目标跟踪精度满足一定要求的条件下,通过自适应优化设计系统中雷达的发射参数,达到最小化辐射资源消耗的优化目标。然而,这些研究大多数是在理想检测环境下进行的,即检测概率等于1。在实际应用中,由于受到信号辐射衰减和目标RCS起伏的影响,理想检测环境几乎不可能存在,此时,雷达系统必然会存在漏检。因此,对非理想检测下多雷达网络的射频辐射资源进行合理分配以提升系统的射频隐身性能是非常迫切和必要的。
目前,对多目标跟踪任务下的雷达功率与带宽资源优化管理方面的研究成果较为丰富,然而大部分都是针对理想检测环境的,并没有考虑非理想检测环境对雷达系统的影响,具有一定的局限性。综上所述,现有技术中尚未有非理想检测下多雷达网络功率与带宽联合优化分配方法。
发明内容
发明目的:本发明的目的是提供一种非理想检测下多雷达网络功率与带宽联合优化分配方法,以提升多雷达网络的射频隐身性能。
技术方案:本发明的非理想检测下多雷达网络功率与带宽联合优化分配方法,包括以下步骤:
S1、构建由M部独立分布的雷达网络组成的多雷达网络对多目标跟踪的场景,每部雷达网络中包含N个雷达节点,其中第m部雷达网络中的第n个雷达节点的坐标为(xn,m,yn,m),在多雷达网络系统的监视区域中存在Q个做匀速直线运动的独立目标,其中第q个目标的初始位置和初始速度分别设为和建立目标运动模型以及雷达量测模型;
S2、以雷达节点选择方式、雷达辐射功率、雷达信号有效带宽为自变量,构造非理想检测下目标状态估计误差的预测BCRLB矩阵,取其对角线上的第1个和第2个元素之和作为目标跟踪精度的衡量指标;
S3、以系统的射频辐射资源以及给定的目标跟踪精度门限为约束条件,以最小化各雷达节点照射目标的辐射功率总和为优化目标,建立非理想检测下多雷达网络功率与带宽联合优化模型;
S4、采用两步分解算法求解非理想检测下多雷达网络功率与带宽联合优化模型,先求解雷达节点的选择问题,接着再求解辐射功率和带宽的优化分配问题。
进一步的,步骤S1中目标运动模型中目标的运动状态表示为:
进一步的,步骤S1中雷达量测模型中的量测方程为:
进一步的,步骤S2中非理想检测下目标状态估计误差的预测BCRLB矩阵为:
其中,表示非理想检测环境下的贝叶斯信息矩阵BIM的逆矩阵,表示第q个目标在k时刻的状态, 为二元变量,用来表征雷达节点与目标的配对指标, 表示k时刻第n个雷达节点照射目标q的平均辐射功率, 表示k时刻第n个雷达节点对目标q发射信号的有效带宽,表示在多雷达网络中一共有I个雷达节点同时对第q个目标进行照射时,得到的第i种检测到或者未检测到的情况,i=1,2,…,2I;表示情况发生的概率。
进一步的,步骤S2中目标跟踪精度的衡量指标为:
进一步的,步骤S3中建立的非理想检测下多雷达网络功率与带宽联合优化模型为:
其中, 为二元变量,用来表征雷达节点与目标的配对指标, 表示k时刻第n个雷达节点照射目标q的平均辐射功率, 表示k时刻第n个雷达节点对目标q发射信号的有效带宽;N表示第m部雷达网络中的雷达节点的个数;η表示设定的目标跟踪精度门限,Pmin和Pmax分别是雷达辐射功率的下限和上限,βmin和βmax分别是发射信号带宽的下限和上限,βtotal表示照射单个目标的所有雷达发射信号带宽之和,表示k时刻每个雷达节点最多只跟踪1个目标,表示k时刻在多雷达网络中每个目标固定由L个雷达节点进行跟踪。
进一步的,步骤S4具体包括以下步骤:
S41、分别定义两个初始的辐射功率矩阵和发射带宽矩阵多雷达网络根据矩阵和分配给每个雷达节点相应的初始辐射功率和发射带宽对目标q进行照射,将二元变量松弛为非理想检测下多雷达网络功率与带宽联合优化模型公式简化为仅含有雷达节点选择约束条件的函数,如下式所示:
其中,表示k时刻第n个雷达节点照射目标q的初始辐射功率,表示分配初始功率和初始带宽之后的目标跟踪精度衡量指标, 为二元变量,用来表征雷达节点与目标的配对指标,η表示设定的目标跟踪精度门限,N表示第m部雷达网络中的雷达节点的个数;表示k时刻每个雷达节点最多只跟踪1个目标,表示k时刻在多雷达网络中每个目标固定由L个雷达节点进行跟踪。
S42、通过步骤S41中对雷达节点的求解,非理想检测下多雷达网络功率与带宽联合优化模型公式进一步简化为:
其中,表示步骤S41中求解出的k时刻第n个雷达节点与目标q的配对指标,表示求解步骤41之后得到的目标跟踪精度衡量指标, 表示k时刻第n个雷达节点照射目标q的平均辐射功率, 表示k时刻第n个雷达节点对目标q发射信号的有效带宽;Pmin和Pmax分别是雷达辐射功率的下限和上限,βmin和βmax分别是发射信号带宽的下限和上限,βtotal表示照射单个目标的所有雷达发射信号带宽之和;
S43、跳转步骤S41,将步骤S42得到的功率和带宽优化分配结果替代步骤S41中的和进行雷达节点选择的迭代求解;重复步骤S41~S43,直到连续两次迭代的目标函数值之差小于一个固定值,停止迭代,得到最终的优化分配结果。
本发明的非理想检测下多雷达网络功率与带宽联合优化分配系统,包括:
多跟踪场景构建模块,用于构建由M部独立分布的雷达网络组成的多雷达网络对多目标跟踪的场景;
目标运动模型以及雷达量测模型构建模块,用于建立目标运动模型以及雷达量测模型;
目标跟踪性能衡量指标计算模块,用于计算非理性检测下表征多雷达网络对多目标跟踪的性能衡量指标;
联合优化模型构建模块,用于以系统的射频辐射资源以及给定的目标跟踪精度门限为约束条件,以最小化各雷达节点照射目标的辐射功率总和为优化目标,建立非理想检测下多雷达网络功率与带宽联合优化模型;
模型求解模块,利用内点法和循环最小法对非理想检测下多雷达网络功率与带宽联合优化模型进行求解。
本发明的一种装置设备,包括存储器和处理器,其中:
存储器,用于存储能够在处理器上运行的计算机程序;
处理器,用于在运行所述计算机程序时,执行上述非理想检测下多雷达网络功率与带宽联合优化分配方法的步骤。
本发明的一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被至少一个处理器执行时实现上述非理想检测下多雷达网络功率与带宽联合优化分配方法的步骤。
工作原理及工作过程:
本发明考虑二维空间中的多雷达网络系统,该系统由多个组网雷达系统组成,对空间上分散部署的多个目标进行跟踪。首先,以雷达节点选择方式、雷达辐射功率、雷达信号有效带宽为自变量,构造非理想检测下目标状态估计误差的预测BCRLB矩阵,取其对角线上的第1个和第2个元素之和作为目标跟踪精度的衡量指标;然后,以最小化各雷达节点照射目标的辐射功率总和为优化目标,以系统的射频辐射资源以及给定的目标跟踪精度门限为约束条件,建立非理想检测下多雷达网络功率与带宽联合优化模型;最后,采用内点法和循环最小法对该优化模型进行求解。通过求解该优化模型,得到在满足系统射频辐射资源以及给定目标跟踪精度门限的约束条件下,使得多雷达网络系统射频隐身性能提升的雷达节点选择方式μk、雷达辐射功率Pt,k、雷达信号有效带宽βk为模型的最优解。
有益效果:与现有技术相比,本发明方法通过对多目标跟踪过程中雷达节点选择方式、雷达辐射功率、雷达信号有效带宽等参数进行联合优化,在满足多雷达网络系统射频辐射资源以及给定目标跟踪精度门限的约束条件下,自适应地进行雷达节点选择以及辐射功率、发射带宽的分配,有效地提升了多雷达网络的射频隐身性能。
附图说明
图1为非理想检测下多雷达网络功率与带宽联合优化分配方法流程图;
图2为多雷达网络分布与多目标运动轨迹;
图3为目标1的雷达节点选择与功率带宽分配图;
图4为目标2的雷达节点选择与功率带宽分配图;
图5为不同检测概率下三种算法的总辐射功率对比;
图6为目标1和目标2在不同检测概率下三种算法的ARMSE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。
本发明的非理想检测下多雷达网络功率与带宽联合优化分配方法,该方法所完成的主要任务是考虑二维空间中的多雷达网络系统,该系统由多个组网雷达系统组成,对空间中分散部署的多个目标进行跟踪;其次,分别推导非理想检测下表征多目标跟踪精度的贝叶斯克拉美-罗下界(Bayesian Cramér-Rao Lower Bound,BCRLB)表达式;在此基础上,以最小化各雷达节点照射目标的辐射功率总和为优化目标,以系统的射频辐射资源以及给定的目标跟踪精度门限为约束条件,建立非理想检测下多雷达网络功率与带宽联合优化模型,对雷达节点选择方式、辐射功率以及发射带宽进行自适应动态优化,以达到提升多雷达网络射频隐身性能的目的。
本发明从实际作战场景出发,提出了非理想检测下多雷达网络功率与带宽联合优化分配方法,在满足系统的射频辐射资源以及给定的目标跟踪精度门限等约束条件下,以最小化各雷达节点照射目标的辐射功率总和为优化目标,对雷达节点选择方式、辐射功率以及发射带宽进行自适应动态优化,从而提升多雷达网络的射频隐身性能。如图1所示,具体包括以下步骤:
S1、构建多雷达网络对多目标跟踪的场景,建立目标运动模型以及雷达量测模型,其具体步骤如下:
假设二维空间中的多雷达网络系统由M部独立分布的雷达网络组成,每部雷达网络中包含N个雷达节点,其中第m部雷达网络中的第n个雷达节点的坐标为(xn,m,yn,m)。假设在多雷达网络系统的监视区域中存在Q个做匀速直线运动的独立目标,其中第q个目标的初始位置和初始速度分别设为和
其中,σ表示目标的过程噪声强度。
因此,雷达量测模型中k时刻第m部子雷达网络中的第n个雷达节点对目标q的量测方程可以描述为:
其中,表示k时刻第m部雷达网络中的第n个雷达节点照射目标q的回波信噪比,表示k时刻第n个雷达节点对目标q发射信号的有效带宽。可以看出,雷达发射信号带宽影响其对目标距离的量测误差。在其他参数相同的情况下,信号带宽越宽,距离的量测噪声方差越小。更具体地,回波信噪比的表达式为:
其中,Td表示雷达照射目标的驻留时间,Tr为雷达的脉冲重复周期,表示k时刻第n个雷达节点照射目标q的平均辐射功率,Gt和Gr分别为雷达发射天线增益和接收天线增益,σq表示目标q相对第n个雷达节点的RCS,λ表示雷达波长,GRP表示雷达接收机处理增益,k0和T0分别为玻尔兹曼常数和雷达接收机噪声温度,Br表示雷达接收机匹配滤波器带宽,Fr为雷达接收机噪声系数。
定义三组矢量如下:
S2、以雷达节点选择方式、雷达辐射功率、雷达信号有效带宽为自变量,构造非理想检测下目标状态估计误差的预测BCRLB矩阵,取其对角线上的第1个和第2个元素之和作为目标跟踪精度的衡量指标,其具体计算步骤如下所示:
BCRLB为参数无偏估计的均方误差(Mean Square Error,MSE)提供了一个下界,所以,将它作为跟踪性能的准则是合理可行的。理想检测环境下的贝叶斯信息矩阵(Bayesianinformation matrix,BIM)可以描述为:
假设在多雷达网络中一共有I个雷达节点同时对第q个目标进行照射,根据式(14)的描述,可以得到2I种检测到或者未检测到的情况,这些情况可以描述为:
假设在某一种情况中共有λ个雷达节点成功检测到目标,可以计算出该种情况发生的概率为:
结合式(12)~式(16),非理想检测环境下的BIM可以计算为:
于是,非理想检测环境下的BCRLB可以写为:
S3、建立非理想检测下多雷达网络功率与带宽联合优化模型;
以系统的射频辐射资源以及给定的目标跟踪精度门限为约束条件,以最小化各雷达节点照射目标的辐射功率总和为优化目标,建立非理想检测下多雷达网络功率与带宽联合优化模型,如式所示:
其中,η表示设定的目标跟踪精度门限,Pmin和Pmax分别是雷达辐射功率的下限和上限,βmin和βmax分别是发射信号带宽的下限和上限,βtotal表示照射单个目标的所有雷达发射信号带宽之和,表示k时刻每个雷达节点最多只跟踪1个目标,表示k时刻在多雷达网络中每个目标固定由L个雷达节点进行跟踪。
S4、由于为二元变量,故式(20)的优化模型是含有3个变量的非凸优化问题。针对非凸优化问题,采用传统的穷尽搜索法解决起来十分繁琐,如果使用遗传算法等一些智能算法来求解又满足不了实时性的要求。基于此,本发明提出了一个两步分解算法,先求解雷达节点的选择问题,接着再求解辐射功率和带宽的优化分配问题,具体步骤如下所示:
S41、分别定义两个初始的辐射功率矩阵和发射带宽矩阵多雷达网络根据矩阵和分配给每个雷达节点相应的初始辐射功率和发射带宽对目标q进行照射,将二元变量松弛为式(20)可以简化为仅含有雷达节点选择约束条件的函数,如式(21)所示:
由于式(21)描述的优化模型是一个凸问题,因此可以采用内点法求解出将降序排列,从高到低依次选取相对应的雷达节点直到满足约束条件最后,将已选取的雷达节点与目标的配对指标设成将所有未选取的雷达节点与目标的配对指标设成
S42、通过步骤S41中对雷达节点的求解,式(20)可以简化为:
式(22)描述的优化模型还是一个凸问题,因此依然可以采用内点法求解。据此,可以得到多雷达网络跟踪目标q时的功率和带宽优化分配结果。
S43、跳转步骤S41,将步骤S42得到的功率和带宽优化分配结果替代步骤S41中的和进行雷达节点选择的迭代求解。重复步骤S41~S43,直到连续两次迭代的目标函数值之差小于一个固定值,停止迭代,得到最终的优化分配结果。
仿真结果:
相关仿真参数设置如下表1所示:
表1仿真参数设置
假设二维空间中存在一部包含M=3部雷达网络的多雷达网络系统,每部雷达网络中含有N=4个雷达节点,每个雷达节点的发射参数一致,在系统的监视区域内存在Q=2个目标,目标1的初始位置为(-10,42.5)km,以速度(-200,-550)m/s匀速飞行,目标2的初始位置为(30,-35)km,以速度(250,450)m/s匀速飞行。假设采样间隔设置为△T0=3s,整个目标跟踪过程的持续时间为135秒,雷达辐射功率的下限和上限分别为Pmin=80W、Pmax=2000W,发射信号带宽的下限和上限分别为βmin=0.1MHz、βmax=6MHz。
非理想检测下多雷达网络功率与带宽联合优化分配方法流程图如图1所示,多雷达网络分布与多目标运动轨迹如图2所示,检测概率PD=0.9时目标1的雷达节点选择与功率带宽分配图如图3中所示,(a)表示雷达网络1中的雷达节点选择与功率带宽分配图,(b)表示雷达网络2中的雷达节点选择与功率带宽分配图,(c)表示雷达网络3中的雷达节点选择与功率带宽分配图,检测概率PD=0.9时目标2的雷达节点选择与功率带宽分配图如图4所示,(a)表示雷达网络1中的雷达节点选择与功率带宽分配图,(b)表示雷达网络2中的雷达节点选择与功率带宽分配图,(c)表示雷达网络3中的雷达节点选择与功率带宽分配图。从图中可以看出,目标与每个雷达节点之间的距离以及雷达节点的相对位置会影响功率和带宽的分配结果,多雷达网络系统会优先选择距离目标较近以及相对位置较好的雷达节点照射目标。
为了更好说明本发明所提算法在不同检测概率下的射频隐身性能的差异,以及展现本发明所提算法对多雷达网络系统射频隐身性能的提升,本发明采用带宽均匀分配算法以及功率带宽均匀分配算法作为对比来证明本发明所提算法性能的优越性。不同检测概率下三种算法的总辐射功率对比如图5所示。从图中可以得到两个结论:(1)当处于理想检测环境下时,多雷达系统的射频隐身性能最好,总辐射功率消耗最低,当检测概率为0.8时,系统的射频隐身性能最差,总辐射功率消耗最高,且随着检测概率的减小,系统的射频隐身性能逐渐变差,需要更多的辐射功率资源来保证对目标的有效跟踪;(2)相较于其他对比算法,无论处于理想检测环境还是非理想检测环境,本发明所提算法均能使多雷达网络系统的总辐射功率消耗更低,从而获得更好的射频隐身性能。
定义平均均方根误差(Averaged Root Mean Square Error,ARMSE)来计算k时刻所有目标的总跟踪精度,计算公式可表示为:
其中,NMC为蒙特卡洛实验次数,为第n次蒙特卡洛实验时得到的目标估计位置,表示第n次蒙特卡洛试验时多雷达网络系统对目标q的辐射次数,此处,设NMC=100。图6给出了目标在不同检测概率下三种算法的ARMSE对比图,(a)给出了目标1在不同检测概率下三种算法的ARMSE对比图(b)给出了目标2在不同检测概率下三种算法的ARMSE对比图。从图6中可以看出,所提算法与带宽均匀分配算法在不同检测概率下得到的目标跟踪精度相差不大,功率带宽均匀分配算法求解得到的目标跟踪精度稍差一些。
综上,本发明的非理想检测下多雷达网络功率与带宽联合优化分配方法,假设在二维空间中分散部署着若干个目标,有一个由多个组网雷达系统组成的多雷达网络系统对这些目标进行跟踪。针对这种多雷达网络跟踪多目标的场景,以雷达节点选择方式、雷达辐射功率、雷达信号有效带宽为自变量,构造非理想检测下目标状态估计误差的预测BCRLB矩阵,取其对角线上的第1个和第2个元素之和作为目标跟踪精度的衡量指标;以最小化各雷达节点照射目标的辐射功率总和为优化目标,以系统的射频辐射资源以及给定的目标跟踪精度门限为约束条件,建立非理想检测下多雷达网络功率与带宽联合优化模型,并采用内点法和循环最小法对该优化模型进行求解。通过求解该优化模型,得到在满足系统射频辐射资源以及给定目标跟踪精度门限的约束条件下,使得多雷达网络系统射频隐身性能提升的雷达节点选择方式μk、雷达辐射功率Pt,k、雷达信号有效带宽βk为模型的最优解。
Claims (10)
1.非理想检测下多雷达网络功率与带宽联合优化分配方法,其特征在于,包括以下步骤:
S1、构建由M部独立分布的雷达网络组成的多雷达网络对多目标跟踪的场景,每部雷达网络中包含N个雷达节点,其中第m部雷达网络中的第n个雷达节点的坐标为(xn,m,yn,m),在多雷达网络系统的监视区域中存在Q个做匀速直线运动的独立目标,其中第q个目标的初始位置和初始速度分别设为和建立目标运动模型以及雷达量测模型;
S2、以雷达节点选择方式、雷达辐射功率、雷达信号有效带宽为自变量,构造非理想检测下目标状态估计误差的预测BCRLB矩阵,取其对角线上的第1个和第2个元素之和作为目标跟踪精度的衡量指标;
S3、以系统的射频辐射资源以及给定的目标跟踪精度门限为约束条件,以最小化各雷达节点照射目标的辐射功率总和为优化目标,建立非理想检测下多雷达网络功率与带宽联合优化模型;
S4、采用两步分解算法求解非理想检测下多雷达网络功率与带宽联合优化模型,先求解雷达节点的选择问题,接着再求解辐射功率和带宽的优化分配问题。
6.根据权利要求4所述的非理想检测下多雷达网络功率与带宽联合优化分配方法,其特征在于,步骤S3中建立的非理想检测下多雷达网络功率与带宽联合优化模型为:
7.根据权利要求1所述的非理想检测下多雷达网络功率与带宽联合优化分配方法,其特征在于,步骤S4具体包括以下步骤:
S41、分别定义两个初始的辐射功率矩阵和发射带宽矩阵多雷达网络根据矩阵和分配给每个雷达节点相应的初始辐射功率和发射带宽对目标q进行照射,将二元变量松弛为非理想检测下多雷达网络功率与带宽联合优化模型公式简化为仅含有雷达节点选择约束条件的函数,如下式所示:
其中,表示k时刻第n个雷达节点照射目标q的初始辐射功率,表示分配初始功率和初始带宽之后的目标跟踪精度衡量指标, 为二元变量,用来表征雷达节点与目标的配对指标,η表示设定的目标跟踪精度门限,N表示第m部雷达网络中的雷达节点的个数;表示k时刻每个雷达节点最多只跟踪1个目标,表示k时刻在多雷达网络中每个目标固定由L个雷达节点进行跟踪;
S42、通过步骤S41中对雷达节点的求解,非理想检测下多雷达网络功率与带宽联合优化模型公式进一步简化为:
其中,表示步骤S41中求解出的k时刻第n个雷达节点与目标q的配对指标,表示求解步骤41之后得到的目标跟踪精度衡量指标, 表示k时刻第n个雷达节点照射目标q的平均辐射功率, 表示k时刻第n个雷达节点对目标q发射信号的有效带宽;Pmin和Pmax分别是雷达辐射功率的下限和上限,βmin和βmax分别是发射信号带宽的下限和上限,βtotal表示照射单个目标的所有雷达发射信号带宽之和;
8.非理想检测下多雷达网络功率与带宽联合优化分配系统,其特征在于,包括:
多跟踪场景构建模块,用于构建由M部独立分布的雷达网络组成的多雷达网络对多目标跟踪的场景;
目标运动模型以及雷达量测模型构建模块,用于建立目标运动模型以及雷达量测模型;
目标跟踪性能衡量指标计算模块,用于计算非理性检测下表征多雷达网络对多目标跟踪的性能衡量指标;
联合优化模型构建模块,用于以系统的射频辐射资源以及给定的目标跟踪精度门限为约束条件,以最小化各雷达节点照射目标的辐射功率总和为优化目标,建立非理想检测下多雷达网络功率与带宽联合优化模型;
模型求解模块,利用内点法和循环最小法对非理想检测下多雷达网络功率与带宽联合优化模型进行求解。
9.一种装置设备,其特征在于,包括存储器和处理器,其中:
存储器,用于存储能够在处理器上运行的计算机程序;
处理器,用于在运行所述计算机程序时,执行如权利要求1-7任一项所述非理想检测下多雷达网络功率与带宽联合优化分配方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被至少一个处理器执行时实现如权利要求1-7任一项所述非理想检测下多雷达网络功率与带宽联合优化分配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210252028.9A CN114666219B (zh) | 2022-03-15 | 2022-03-15 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210252028.9A CN114666219B (zh) | 2022-03-15 | 2022-03-15 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114666219A true CN114666219A (zh) | 2022-06-24 |
CN114666219B CN114666219B (zh) | 2023-04-28 |
Family
ID=82028960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210252028.9A Active CN114666219B (zh) | 2022-03-15 | 2022-03-15 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114666219B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110794395A (zh) * | 2019-10-12 | 2020-02-14 | 南京航空航天大学 | 组网雷达多目标跟踪时间资源与信号带宽联合优化方法 |
CN111025275A (zh) * | 2019-11-21 | 2020-04-17 | 南京航空航天大学 | 基于射频隐身的多基雷达辐射参数多目标联合优化方法 |
CN111323773A (zh) * | 2020-02-20 | 2020-06-23 | 南京航空航天大学 | 基于射频隐身的组网雷达功率与带宽联合优化分配方法 |
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 |
CN113466848A (zh) * | 2021-05-22 | 2021-10-01 | 中国人民解放军空军工程大学 | 一种面向角闪烁噪声场景的共址mimo雷达多目标跟踪资源优化分配方法 |
CN113777575A (zh) * | 2021-09-14 | 2021-12-10 | 电子科技大学长三角研究院(衢州) | 应用于复杂环境中mimo雷达多目标参数估计评估方法 |
WO2022033050A1 (zh) * | 2020-08-12 | 2022-02-17 | 南京航空航天大学 | 一种机载雷达通信一体化系统辐射功率优化设计方法 |
-
2022
- 2022-03-15 CN CN202210252028.9A patent/CN114666219B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110794395A (zh) * | 2019-10-12 | 2020-02-14 | 南京航空航天大学 | 组网雷达多目标跟踪时间资源与信号带宽联合优化方法 |
CN111025275A (zh) * | 2019-11-21 | 2020-04-17 | 南京航空航天大学 | 基于射频隐身的多基雷达辐射参数多目标联合优化方法 |
CN111323773A (zh) * | 2020-02-20 | 2020-06-23 | 南京航空航天大学 | 基于射频隐身的组网雷达功率与带宽联合优化分配方法 |
WO2022033050A1 (zh) * | 2020-08-12 | 2022-02-17 | 南京航空航天大学 | 一种机载雷达通信一体化系统辐射功率优化设计方法 |
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 |
CN113466848A (zh) * | 2021-05-22 | 2021-10-01 | 中国人民解放军空军工程大学 | 一种面向角闪烁噪声场景的共址mimo雷达多目标跟踪资源优化分配方法 |
CN113777575A (zh) * | 2021-09-14 | 2021-12-10 | 电子科技大学长三角研究院(衢州) | 应用于复杂环境中mimo雷达多目标参数估计评估方法 |
Non-Patent Citations (1)
Title |
---|
唐志诚,时晨光,周建江: "非理想检测环境下面向射频隐身的多雷达网络多目标跟踪驻留时间优化分配方法", 《战术导弹技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114666219B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Joint subarray selection and power allocation for cognitive target tracking in large-scale MIMO radar networks | |
Zhang et al. | Joint beam and waveform selection for the MIMO radar target tracking | |
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 | |
Alfano et al. | Model-based adaptive detection of range-spread targets | |
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 | |
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 | |
Yang et al. | Deployment of multistatic radar system using multi‐objective particle swarm optimisation | |
CN107329136B (zh) | 基于可变分析时刻的mimo雷达多目标自适应跟踪方法 | |
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 | |
CN108562894B (zh) | 雷达波束指向与发射功率的分配方法 | |
Shi et al. | Adaptive resource management algorithm for target tracking in radar network based on low probability of intercept | |
Sun et al. | JPBA of ARN for target tracking in clutter | |
Shan et al. | A non-myopic scheduling method of radar sensors for maneuvering target tracking and radiation control | |
Zhang et al. | Joint resource optimization for a distributed MIMO radar when tracking multiple targets in the presence of deception jamming | |
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 | |
Li et al. | Joint beam selection and power allocation in cognitive collocated MIMO radar for potential guidance application under oppressive jamming | |
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 | |
CN111198366B (zh) | 分布式mimo雷达多任务下的有限阵元快速选取方法 | |
KR102665123B1 (ko) | 저피탐지를 위한 통합망 레이더 체류 시간과 방사 전력의 공동 최적화 방법 | |
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 | |
Greiff et al. | Adaptive transmission for radar arrays using Weiss–Weinstein bounds | |
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 | |
Pulkkinen et al. | Time budget management in multifunction radars using reinforcement learning | |
Ni et al. | Fast direct-position-determination based on PSO | |
Smith | Cognitive radar experiments at the Ohio State University |
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 |