CN114675239A - 基于遗传算法优化多组参差组合mti滤波器频率响应方法 - Google Patents

基于遗传算法优化多组参差组合mti滤波器频率响应方法 Download PDF

Info

Publication number
CN114675239A
CN114675239A CN202210305305.8A CN202210305305A CN114675239A CN 114675239 A CN114675239 A CN 114675239A CN 202210305305 A CN202210305305 A CN 202210305305A CN 114675239 A CN114675239 A CN 114675239A
Authority
CN
China
Prior art keywords
staggered
group
pulse
frequency response
matrix
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
CN202210305305.8A
Other languages
English (en)
Inventor
赵永波
侯秦楠
张梅
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202210305305.8A priority Critical patent/CN114675239A/zh
Publication of CN114675239A publication Critical patent/CN114675239A/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
    • 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
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • 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
    • G01S7/285—Receivers
    • G01S7/295—Means for transforming co-ordinates or for evaluating data, e.g. using computers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Physiology (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Genetics & Genomics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种基于遗传算法优化多组参差组合MTI滤波器频率响应的方法，其步骤为：1、生成参差周期矩阵；2、对参差周期矩阵的每个脉组计算适应度；3、通过遗传算法自适应更新参差周期矩阵中的脉组；4、判断相邻的10次迭代的参差周期矩阵中适应度最大的脉组是否为同一个；5、输出适应度最高的脉组。本发明显著降低了MTI滤波器频率响应的第一零点深度，改善了雷达目标检测性能。

Description

基于遗传算法优化多组参差组合MTI滤波器频率响应方法
技术领域
本发明属于通信技术领域，更进一步涉及雷达技术领域中的一种基于遗传算法优化多组参差组合动目标显示(Moving Target Indication,MTI)滤波器频率响应的方法。本发明可以用于雷达处于多组参差的工作模式下，通过优化参差周期实现对MTI 滤波器频率响应的优化。
背景技术
雷达回波数据中除了目标还有杂波和干扰等信息，不同种类的杂波对应不同的功率谱中心和谱宽，可以通过设计MTI滤波器的频率响应使其带有一定深度和宽度的凹口，以达到杂波抑制的效果。对于脉冲体制雷达，发射脉冲分为等周期和参差周期两种。发射等周期的脉冲信号时，虽然目标带有径向速度，但是当其回波经过相位检波输出等幅脉冲，会和静止目标一样会被等周期MTI滤波器滤除，此时对应的径向速度称为盲速，为了避免盲速点太低，雷达往往采用参差周期的工作模式，此时的盲速点一般高于最大可检测速度对应的多普勒频率，但是参差周期的工作模式往往会使滤波器的频率响应的第一零点过深。雷达每转动一圈可以得到一组参差脉冲，组合多圈转动的脉冲可以得到多组参差脉冲。目前，针对参差周期工作模式下第一零点过深问题，通常是让雷达发射多个脉冲做滑动处理，得到多个MTI滤波器，通过启发式方法优化发射脉冲的参差比，使多个滤波器中的其中一个第一零点较浅。由于滑动处理过程中，优化自由度较低，且没有组合多个滤波器频率响应的优势，使代价函数的计算不全面且不准确，因此其最终优化的性能受限。
刘卫平等人在其发表论文“一种参差动目标显示滤波器优化设计方法”(无线电工程，2021，51(08):762-766)中提出一种搜索参差脉冲最优参差码的方法，进而通过参差码计算可以得到MTI滤波器频率响应。该方法的步骤是，第一步：采用枚举法确定最小和最大脉冲周期的搜索区间，采用俄式摆动法确定周期间的变化量；第二步：初始化若干组参差码得到对应的幅频曲线；第三步：选择其中通带均方根最小的参差码；第四步：根据优化准则微调参差周期并得到相应的幅频曲线；第五步：选择最终的通带均方根最小的参差码。该方法的不足之处是，在多组参差的情况下，计算适应度时只用了其中一组参差的MTI滤波器频率响应，不能准确地优化组合MTI 滤波器频率响应，使MTI滤波器频率响应有较深的第一零点。
发明内容：
本发明的目的是针对上述已有技术的不足，提出一种基于遗传算法优化多组参差组合MTI滤波器频率响应的方法，用以解决现有技术在优化多组参差MTI滤波器频率响应时，仅考虑其中一组参差导致MTI滤波器频率响应第一零点深度过深的问题。
为实现上述目的本发明的思路是，本发明通过遗传算法降低多个参差组的组合MTI滤波器频率响应的第一零点深度。由于对一个脉组中的多个参差组的MTI滤波器频率响应在相同的频率点进行选大操作，构成了组合的MTI滤波器频率响应，因此在利用遗传算法优化组合的MTI滤波器频率响应的过程中，利用了多个参差组在频率响应上的优势，使适应度的计算更加全面准确，可以克服优化过程中只考虑多个参差组中的一组导致MTI滤波器频率响应第一零点深度过深的问题。
为实现上述目的，发明采用的技术方案包括如下步骤：
步骤1，生成参差周期矩阵：
随机生成一个Q行W列的参差周期矩阵，该矩阵中的每一行代表一个脉组，一个脉组中包括平分的多个参差组，每个参差组包含多个雷达发射脉冲，每个参差组的总数和脉冲总数均由雷达系统的设计要求决定，矩阵中的每个元素代表在范围 [T1,T2]的一个雷达发射脉冲长度；其中，Q≥100，W＝M×N，M表示一个脉组的参差组的总数，N表示参差组中雷达脉冲的总数，每个参差组中雷达发射脉冲长度之和不超过波束的驻留时间，T1，T2的单位是μs，T1和T2的取值取决于雷达探测距离的远近，若雷达需要探测远距离目标，则T1和T2取较大值；若无需探测远距离目标，T1和T2取较小值；
步骤2，计算参差周期矩阵中每个脉组的适应度：
步骤2.1，计算每个脉组中各参差组在每个频率点的MTI滤波器频率响应；
步骤2.2，取各参差组在每个频率点的频率响应的最大值，作为该脉组在该频率点的组合MTI滤波器频率响应，再对每个脉组的组合MTI滤波器频率响应进行归一化并取对数处理；
步骤2.3，计算每个脉组的适应度；
步骤3，通过遗传算法自适应更新参差周期矩阵中的脉组：
步骤3.1，更新参差周期矩阵；
步骤3.2，对更新后的参差周期矩阵中的脉组进行交叉操作；
步骤3.3，对交叉后参差周期矩阵中的脉组进行变异操作；
步骤4，判断相邻的10次迭代的参差周期矩阵中适应度最大的脉组是否为同一个，若是，则执行步骤5；否则，执行步骤2；
步骤5，输出更新后的参差周期矩阵中适应度最大的脉组。
本发明与现有技术相比有以下优点：
由于本发明利用组合的MTI滤波器频率响应计算适应度，再通过遗传算法优化组合的MTI滤波器频率响应，克服了现有技术没有组合多个MTI滤波器频率响应导致第一零点过深的问题，使得本发明相比于现有技术，显著地优化了MTI滤波器的频率响应，减小了滤波器对目标的损耗，提升了雷达的目标检测性能。
附图说明
图1是本发明的流程图；
图2是本发明的仿真结果图。
具体实施方式
以下结合附图1和实施例对本发明做进一步的详细描述。
步骤1，生成参差周期矩阵：
随机生成一个Q行W列的参差周期矩阵，矩阵中的每一行代表一个脉组，一个脉组又可以平均划分成多个参差组，参差组的个数由雷达系统设计要求决定，每个参差组包含多个雷达发射脉冲，脉冲个数也由雷达系统设计的要求决定，矩阵中的每个元素代表在范围[T1,T2]的一个雷达发射脉冲长度。其中，Q≥100，W＝M×N， M表示一个脉组的参差组的个数，N表示形成一个参差组的雷达脉冲个数，每个参差组包含的N个雷达发射脉冲长度求和不应超过波束驻留时间，T1，T2的单位是μs， T1和T2的取值取决于雷达探测距离的远近，若雷达需要探测远距离目标，则T1和T2取较大值；若无需探测远距离目标，T1和T2取较小值，M取值为[1,3]，N取值为 [2,5]，M和N的具体取值依据雷达系统设计要求。
本发明的实施例中取Q＝100,相控阵雷达的波束驻留时间较长，因此一个参差组中可以有较多脉冲，取一个脉组的脉冲总数W＝12，参差组个数M＝3，每个参差组的脉冲个数N＝4，由于没有对远距离目标的探测要求，取T1＝1850μs， T2＝2150μs。
步骤2，计算参差周期矩阵中每个脉组适应度：
步骤2.1，利用下述频率响应公式，计算每个脉组中各参差组在每个频率点的MTI滤波器频率响应：
Figure BDA0003564779880000041
其中，Hm,n(fi)表示第m个脉组中第n个参差组在在通带内第i个频率点fi的 MTI滤波器频率响应，i＝1,2,…,K，K表示将频率从0频到最大可检测速度对应的雷达多普勒频率均分后频率点的总数，∑表示求和操作，
Figure BDA0003564779880000042
表示第m个脉组中第n 个参差组的MTI滤波器权系数矢量中第v1个元素，V表示权系数矢量中元素的总数，该权系数矢量是采用特征矢量法得到的，特征矢量法的原理是对杂波的自相关矩阵 (方阵)做特征分解，用其最小特征值对应的特征矢量作为滤波器权系数矢量，由矩阵论的知识可知，特征矢量中元素个数与方阵的维数取值相等，杂波的自相关矩阵的维度N1由脉冲总数决定，即N1与N的取值对应相等，所以通过特征矢量法得到的权系数矢量的元素个数V和N取值相等，e(·)表示以自然常数e为底的指数操作，j表示虚数单位符号，π表示圆周率，
Figure BDA0003564779880000043
表示第m个脉组中第n个参差组的前v2个脉冲长度之和，v1与v2的取值对应相等；
步骤2.2，取各参差组在每个频率点的频率响应的最大值，作为该脉组在该频率点的组合MTI滤波器频率响应。
对每个组合MTI滤波器频率响应进行归一化并取对数处理。之所以要对组合MTI滤波器频率响应进行归一化并取对数处理，是因为第一零点深度为组合MTI滤波器频率响应的峰值与其通带内最低谷值之差，对组合MTI滤波器频率响应进行归一化取对数后，第一零点深度在组合MTI滤波器频率响应的峰值为0，此时统计第一零点深度就只需要找通带内最低的谷值，并对该谷值求绝对值即可。
步骤2.3，利用下式，计算每个脉组的适应度：
Em＝50-|min{Hm(lu)}|
其中，Em表示第m个脉组的适应度，单位dB，|min{Hm(lu)}|表示第m个脉组的第一零点深度，|·|表示取绝对值操作，min表示取最小值操作，Hm(lu)表示第m个脉组在通带内第u个频率点的组合MTI滤波器频率响应，lu表示MTI滤波器在通带内的第u个频率点。
步骤3，通过遗传算法自适应更新参差周期矩阵。
步骤3.1，更新参差周期矩阵：
第一步,利用公式
Figure BDA0003564779880000051
计算参差周期矩阵中的每个脉组的选择概率，其中，Pm表示参差周期矩阵中第m个脉组的选择概率，Q表示参差周期矩阵中行的总数。
第二步，根据选择概率，通过轮盘赌算法在参差周期矩阵中选择出Q1个脉组，选择出的脉组可以重复，Q1和Q的取值对应相等。
第三步，用选择出的脉组按照选择次序依次替换选择前的参差周期矩阵中的脉组，形成更新后的参差周期矩阵。
步骤3.3，对更新后的参差周期矩阵中的脉组进行交叉操作：
第一步,从更新后的参差周期矩阵的中随机选择两个脉组g和h；
第二步，对脉组g和h依遗传算法的交叉概率rc进行交叉操作，若交叉操作发生，得到交叉操作后的脉组g'和h'，执行本步骤的第三步；否则，执行本步骤的第四步；
本发明实施例中的交叉概率rc＝0.2。
第三步，判断g'和h'中的脉冲长度是否在[T1,T2]范围内，若是，则用g'和h'替换参差周期矩阵中的g和h后执行本步骤的第四步；否则，直接执行本步骤的第四步。
第四步，判断本步骤的循环次数是否等于Q，若是，则执行步骤3.4，否则，执行本步骤的第一步。
步骤3.4，对更新后参差周期矩阵中的脉组进行变异操作：
第一步,从更新后的参差周期矩阵中随机选取一个脉组t。
第二步，对所选的脉组t依遗传算法的变异概率rm进行交叉操作，若变异操作发生，得到变异后的脉组t'，执行本步骤的第三步；否则，执行本步骤的第四步；
本发明实施例中的变异概率rm＝0.03。
第三步，判断t'中的脉冲长度是否在[T1,T2]范围内，若是，则用t'替换参差周期矩阵中的t，执行本步骤的第四步；否则，直接执行本步骤的第四步。
第四步，判断当前循环次数是否等于Q，若是，则执行步骤；否则，执行本步骤的第一步。
步骤4，判断相邻的10次迭代的参差周期矩阵中适应度最大的脉组是否为同一个，若是，则执行步骤5；否则，执行步骤3。
步骤5，输出更新后的参差周期矩阵。
下面结合仿真实验对本发明的效果做进一步的说明：
1.仿真实验条件：
本发明的仿真实验的硬件平台为：处理器为Intel i7-6700 CPU,主频为3.4GHz，内存为16GB
本发明的仿真实验的软件平台为：Windows 10操作系统和MATLAB R2016a。
2.仿真内容和结果分析
本发明实验的仿真实验是采用本发明和一个现有技术(一种参差动目标显示滤波器优化设计方法)分别对下表中设置参数进行优化，得到对应的组合的MTI滤波器的频率响应结果如图2所示。
表1实验参数表
参数项 取值
参差周期矩阵行数 100
参差周期矩阵列数 12
参差组个数 3
每个参差组脉冲数 4
脉冲长度取值范围(μs) [1950,2150]
最大可检测速度(m/s) 1020
频率点个数 1021
迭代次数 100
交叉概率 0.2
变异概率 0.03
所述现有技术一种参差动目标显示滤波器优化设计方法是指：
刘卫平等人在其发表的论文“一种参差动目标显示滤波器优化设计方法”(无线电工程，2021，51(08):762-766)中提到的MTI滤波器频率响应的优化设计方法。
下面结合图2的仿真图与本发明的效果做进一步的描述。
图2的横坐标表示多普勒频率，单位是Hz，纵坐标表示归一化幅度，单位是dB。图2中以实线标示的曲线，表示采用本发明方法，得到的基于多组参差脉冲的组合的MTI滤波器频率响应曲线，该频率响应的第一零点深度为9.25dB。图2中以虚线标示的曲线，表示采用现有技术一种参差动目标显示滤波器优化设计方法，得到的MTI滤波器频率响应曲线，该频率响应的第一零点深度为15.5dB。
由图2的仿真图可见，在相同的脉冲长度范围和相同的参差组个数的情况下，本发明将一个脉组内多个参差组对应的MTI滤波器的频率响应在对应的频率点选大构成组合的MTI滤波器频率响应，对组合的MTI滤波器的频率响应的第一零点深度做优化。本发明优化后组合的MTI滤波器的频率响应的第一零点深度，相比于一种参差动目标显示滤波器优化设计方法，得到MTI滤波器的频率响应的第一零点深度更浅。这说明按照本发明方法，可以有效解决现有技术计算适应度时考虑的不全面和不准确导致第一零点深度高的问题。

Claims (6)

1.一种基于遗传算法优化多组参差组合MTI滤波器频率响应方法，其特征在于，利用组合MTI滤波器的第一零点深度计算适应度，通过遗传算法优化MTI滤波器频率响应；该方法的具体步骤包括如下：
步骤1，生成参差周期矩阵：
随机生成一个Q行W列的参差周期矩阵，该矩阵中的每一行代表一个脉组，一个脉组中包括平分的多个参差组，每个参差组包含多个雷达发射脉冲，每个参差组的总数和脉冲总数均由雷达系统的设计要求决定，矩阵中的每个元素代表在范围[T1,T2]的一个雷达发射脉冲长度；其中，Q≥100，W＝M×N，M表示一个脉组的参差组的总数，N表示参差组中雷达脉冲的总数，每个参差组中雷达发射脉冲长度之和不超过波束的驻留时间，T1，T2的单位是μs，T1和T2的取值取决于雷达探测距离的远近，若雷达需要探测远距离目标，则T1和T2取较大值；若无需探测远距离目标，T1和T2取较小值；
步骤2，计算参差周期矩阵中每个脉组的适应度：
步骤2.1，频率响应公式，计算每个脉组中各参差组在每个频率点的MTI滤波器频率响应；
步骤2.2，取各参差组在每个频率点的频率响应的最大值，作为该脉组在该频率点的组合MTI滤波器频率响应，再对每个脉组的组合MTI滤波器频率响应进行归一化并取对数处理；
步骤2.3，计算每个脉组的适应度；
步骤3，通过遗传算法自适应更新参差周期矩阵中的脉组：
步骤3.1，更新参差周期矩阵；
步骤3.2，对更新后的参差周期矩阵中的脉组进行交叉操作；
步骤3.3，对交叉后参差周期矩阵中的脉组进行变异操作；
步骤4，判断相邻的10次迭代的参差周期矩阵中适应度最大的脉组是否为同一个，若是，则执行步骤5；否则，执行步骤2；
步骤5，输出更新后的参差周期矩阵中适应度最大的脉组。
2.根据权利要求1所述的基于遗传算法优化多组参差组合MTI滤波器频率响应方法，其特征在于，步骤2.1中所述频率响应公式如下：
Figure FDA0003564779870000021
其中，Hm,n(fi)表示第m个脉组中第n个参差组在在通带内第i个频率点fi的MTI滤波器频率响应，i＝1,2,…,K，K表示将频率从0频到最大可检测速度对应的雷达多普勒频率均分后频率点的总数，∑表示求和操作，
Figure FDA0003564779870000022
表示第m个脉组中第n个参差组的MTI滤波器权系数矢量中第v1个元素，V表示权系数矢量中元素的总数，V和N取值对应相等，e(·)表示以自然常数e为底的指数操作，j表示虚数单位符号，π表示圆周率，
Figure FDA0003564779870000023
表示第m个脉组中第n个参差组的前v2个脉冲长度之和，v1与v2的取值对应相等。
3.根据权利要求3所述的基于遗传算法优化多组参差组合MTI滤波器频率响应方法，其特征在于，步骤2.3所述计算每个脉组的适应度是由下式得到的：
Em＝50-|min{Hm(lu)}|
其中，Em表示第m个脉组的适应度，单位dB，|min{Hm(lu)}|表示第m个脉组的第一零点深度，|·|表示取绝对值操作，min表示取最小值操作，Hm(lu)表示第m个脉组在通带内第u个频率点的组合MTI滤波器频率响应，lu表示MTI滤波器在通带内的第u个频率点。
4.根据权利要求3所述的基于遗传算法优化多组参差组合MTI滤波器频率响应方法，其特征在于，步骤3.1所述更新参差周期矩阵的步骤如下：
第一步,利用公式
Figure FDA0003564779870000024
计算参差周期矩阵中的每个脉组的选择概率，其中，Pm表示参差周期矩阵中第m个脉组的选择概率，Q表示参差周期矩阵中行的总数；
第二步，根据选择概率，通过轮盘赌算法在参差周期矩阵中选择出Q1个脉组，选择出的脉组可以重复，Q1和Q的取值对应相等；
第三步，用选择出的脉组按照选择次序依次替换选择前的参差周期矩阵中的脉组，形成更新后的参差周期矩阵。
5.根据权利要求1所述的基于遗传算法优化多组参差组合MTI滤波器频率响应方法，其特征在于，步骤3.2所述对更新后的参差周期矩阵中的脉组进行交叉操作的步骤如下：
第一步,从更新后的参差周期矩阵的中随机选择两个脉组g和h；
第二步，对脉组g和h依遗传算法的交叉概率rc进行交叉操作，若交叉操作发生，得到交叉操作后的脉组g'和h'，执行本步骤的第三步；否则，执行本步骤的第四步；
第三步，判断g'和h'中的脉冲长度是否在[T1,T2]范围内，若是，则用g'和h'替换参差周期矩阵中的g和h后执行本步骤的第四步；否则，直接执行本步骤的第四步；
第四步，判断当前循环次数是否等于Q，若是，则得到交叉后的参差周期矩阵，否则，执行第一步。
6.根据权利要求1所述的基于遗传算法优化多组参差组合MTI滤波器频率响应方法，其特征在于，步骤3.3所述对交叉后参差周期矩阵中的脉组进行变异操作的步骤如下：
第一步,从交叉后的参差周期矩阵中随机选取一个脉组t；
第二步，对所选的脉组t依遗传算法的变异概率rm进行交叉操作，若变异操作发生，得到变异后的脉组t'，执行本步骤的第三步；否则，执行本步骤的第四步；
第三步，判断t'中的脉冲长度是否在[T1,T2]范围内，若是，则用t'替换参差周期矩阵中的t，执行本步骤的第四步；否则，直接执行本步骤的第四步；
第四步，判断当前循环次数是否等于Q，若是，则得到变异后的参差周期矩阵；
否则，执行第一步。
CN202210305305.8A 2022-03-25 2022-03-25 基于遗传算法优化多组参差组合mti滤波器频率响应方法 Pending CN114675239A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210305305.8A CN114675239A (zh) 2022-03-25 2022-03-25 基于遗传算法优化多组参差组合mti滤波器频率响应方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210305305.8A CN114675239A (zh) 2022-03-25 2022-03-25 基于遗传算法优化多组参差组合mti滤波器频率响应方法

Publications (1)

Publication Number Publication Date
CN114675239A true CN114675239A (zh) 2022-06-28

Family

ID=82077023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210305305.8A Pending CN114675239A (zh) 2022-03-25 2022-03-25 基于遗传算法优化多组参差组合mti滤波器频率响应方法

Country Status (1)

Country Link
CN (1) CN114675239A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116056158A (zh) * 2023-03-24 2023-05-02 新华三技术有限公司 一种频率分配方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116056158A (zh) * 2023-03-24 2023-05-02 新华三技术有限公司 一种频率分配方法、装置、电子设备及存储介质
CN116056158B (zh) * 2023-03-24 2023-06-20 新华三技术有限公司 一种频率分配方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110109078B (zh) 基于相参频率捷变雷达的速度解模糊方法
CN110109076B (zh) 基于相位对消捷变相参雷达杂波抑制的目标检测方法
CN114675239A (zh) 基于遗传算法优化多组参差组合mti滤波器频率响应方法
CN109581313B (zh) 一种脉组频率捷变雷达的目标检测方法
CN113376601B (zh) 基于clean算法的捷变频雷达旁瓣抑制方法
CN113221631B (zh) 基于卷积神经网络的序列脉冲抗干扰目标检测方法
CN106093888B (zh) 基于先验信息的变凹口宽度mtd滤波器设计方法
CN110426680B (zh) 一种基于干扰信号时频及相关系数多维特征联合分类方法
CN111929679B (zh) 一种自适应加权截断统计恒虚警检测方法
CN109932696B (zh) 基于雷达通道噪声功率的数字波束形成方法
CN114578293B (zh) 一种利用截获信号幅度值的电扫雷达信号识别方法
CN106646406A (zh) 基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法
CN109814075A (zh) 一种mti雷达运动目标检测方法
CN114895263A (zh) 基于深度迁移学习的雷达有源干扰信号识别方法
CN112526456A (zh) 一种雷达信号识别算法
CN104698446A (zh) 基于动目标检测的雷达回波滤波方法
CN112162246A (zh) 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
CN112147603B (zh) 一种基于tKL散度的矩阵CFAR检测器的目标检测方法
CN114384477A (zh) 一种基于间歇采样的探测干扰一体化波形生成方法
CN108037488B (zh) 一种非均匀环境空时样本选择方法
CN116027280A (zh) 一种低峰值旁瓣频率编码雷达波形设计方法
CN115980675A (zh) 一种间歇采样转发干扰威胁评估方法
CN115508793A (zh) 基于对抗分析特征筛选的雷达干扰效果在线评估智能方法
CN113687318B (zh) 一种雷达抗干扰效能评估方法
CN116165619A (zh) 一种高机动目标运动参数估计和相参积累检测方法

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