CN114706045A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN114706045A
CN114706045A CN202210237431.4A CN202210237431A CN114706045A CN 114706045 A CN114706045 A CN 114706045A CN 202210237431 A CN202210237431 A CN 202210237431A CN 114706045 A CN114706045 A CN 114706045A
Authority
CN
China
Prior art keywords
radar
time
representing
target
networking
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
CN202210237431.4A
Other languages
English (en)
Inventor
时晨光
董璟
周建江
李海林
谭静
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 CN202210237431.4A priority Critical patent/CN114706045A/zh
Publication of CN114706045A publication Critical patent/CN114706045A/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
    • G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
    • 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
    • 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
    • G01S7/40—Means for monitoring or calibrating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • 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
    • 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
    • H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
    • H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种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，包括：S1、首先对于组网雷达系统对多目标跟踪场景，建立运动目标的状态方程、雷达观测模型和干扰模型；S2、推导出表征多目标跟踪精度的贝叶斯克拉美‑罗下界BCRLB矩阵表达式；S3、以组网雷达辐射资源和通信区域可容忍干扰能量上限为约束条件，以最小化BCRLB矩阵的迹为优化目标，建立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分配模型；S4、采用内点法和循环最小法对联合优化分配模型进行求解。本发明能够对组网雷达多目标跟踪时的节点选择和辐射资源分配进行自适应动态优化，从而提升组网雷达的多目标跟踪性能。

Description

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
技术领域
本发明涉及雷达资源分配技术，具体涉及一种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。
背景技术
随着现代战场无线射频装备的急剧增加及工作频谱的日益展宽，传统用于解决雷达与无线通信系统射频频谱拥塞的方法已经越来越难以满足实际需求。如何使雷达系统与其他重叠频谱通信系统协调工作已成为一个热门话题。对于该类问题需要考虑的是如何有效的提高频谱利用率，以及当雷达系统和通信系统共享相同频谱时，如何有效的计算和降低雷达系统和通信系统之间的相互干扰。
目前，已有的研究成果虽然涉及面向多目标跟踪的雷达发射参数优化问题，在满足雷达发射参数资源为约束条件下，优化雷达发射参数，在一定程度上提升了组网雷达系统的跟踪性能。但是，未能考虑雷达系统和通信系统之间的相互干扰对多目标跟踪性能的影响。
发明内容
发明目的：本发明的目的是提供一种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，通过优化雷达节点选择和发射资源分配，以达到在满足通信系统可容忍干扰能量阈值的同时提升组网雷达多目标跟踪性能的目的。
技术方案：本发明的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，包括以下步骤：
S1、首先，考虑二维空间上一个由N部雷达构成的组网雷达系统，对空间上分散部署的多个目标进行跟踪，建立运动目标的状态方程、雷达观测模型和干扰模型；
S2、推导出表征多目标跟踪精度的贝叶斯克拉美-罗下界BCRLB矩阵表达式；
S3、以组网雷达辐射资源和通信区域可容忍干扰能量上限为约束条件，以最小化BCRLB矩阵的迹为优化目标，建立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分配模型；
S4、对组网雷达多目标跟踪时的节点选择和辐射资源分配进行自适应动态优化，采用内点法和循环最小法对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分配模型进行求解。
进一步的，步骤S1中建立的运动目标的状态方程为：
Figure BDA0003540466610000021
其中，
Figure BDA0003540466610000022
表示k时刻第q个运动目标的状态向量，
Figure BDA0003540466610000023
表示k-1时刻第q个运动目标的状态向量；F表示第q个运动目标的状态转移矩阵，表示为
Figure BDA0003540466610000024
△T0表示采样间隔，
Figure BDA0003540466610000025
表示克罗内克积，I2为2阶单位矩阵；W表示均值为零的高斯过程白噪声；q表示第q个运动目标，Q表示运动目标的数量。
进一步的，步骤S1中建立的雷达观测模型为：
Figure BDA0003540466610000026
其中，
Figure BDA0003540466610000027
表示在k时刻雷达n跟踪运动目标q时对应的量测矢量，
Figure BDA0003540466610000028
表示非线性观测函数，
Figure BDA0003540466610000029
表示服从零均值高斯分布的量测噪声矢量；
Figure BDA00035404666100000210
为二元变量，当
Figure BDA00035404666100000211
时表示在k时刻第n部雷达对运动目标q进行跟踪，当
Figure BDA00035404666100000212
时表示在k时刻第n部雷达未跟踪运动目标q。
进一步的，步骤S1中的干扰模型包括通信区域对雷达的干扰模型和雷达对通信区域的干扰模型，具体的：
建立的通信区域对雷达的干扰模型为：
Figure BDA00035404666100000213
其中，上标(·)H表示矩阵的共轭转置；En表示雷达n接收到通信区域的干扰协方差矩阵，M表示通信区域个数，χm,n表示传输信道的强度系数，Tm,n表示通信区域m对雷达n产生的干扰信号的时域协方差矩阵，xC,m表示第m个通信区域的坐标，xR,n表示雷达n的位置坐标，
Figure BDA00035404666100000214
表示通信区域m与雷达n之间的方位角，
Figure BDA00035404666100000215
表示雷达半波长导向矢量；
雷达对通信区域的干扰模型为：
Figure BDA0003540466610000031
其中，
Figure BDA0003540466610000032
表示通信区域m受到的雷达干扰能量值，Q表示运动目标的数量，
Figure BDA0003540466610000033
表示雷达发射信号能量的空间分布，sn＝[sn(1),…,sn(L)]T表示具有有限间隔的波形序列，
Figure BDA0003540466610000034
为二元变量，当
Figure BDA0003540466610000035
时表示在k时刻第n部雷达对运动目标q进行跟踪，当
Figure BDA0003540466610000036
时表示在k时刻第n部雷达未跟踪运动目标q；
Figure BDA0003540466610000037
表示k时刻雷达n跟踪运动目标q的雷达发射功率；Φm,n表示为：
Figure BDA0003540466610000038
其中，fL,m,n和fU,m,n分别表示通信区域m和雷达n覆盖频带的上界和下界，Ts表示信号采样周期，u和v分别表示Φm,n的行和列。
进一步的，步骤S2中目标状态估计误差的k时刻BCRLB矩阵
Figure BDA0003540466610000039
的表达式为：
Figure BDA00035404666100000310
其中，上标(·)T表示矩阵的转置；上标(·)-1表示矩阵的逆矩阵；Uq为高斯白噪声矩阵；F表示第q个运动目标的状态转移矩阵；
Figure BDA00035404666100000311
表示k-1时刻目标状态的贝叶斯信息矩阵；
Figure BDA00035404666100000312
为二元变量，当
Figure BDA00035404666100000313
时表示在k时刻第n部雷达对运动目标q进行跟踪，当
Figure BDA00035404666100000314
时表示在k时刻第n部雷达未跟踪运动目标q；
Figure BDA00035404666100000315
表示k时刻的雅克比矩阵；
Figure BDA00035404666100000316
表示k时刻的观测误差协方差矩阵；
采用k时刻BCRLB矩阵的迹作为表征目标跟踪精度的衡量指标：
Figure BDA00035404666100000317
进一步的，步骤S3中建立的空频感知下面向多目标跟踪的组网雷达功率带宽资源联合优化分配模型为：
Figure BDA0003540466610000042
其中，
Figure BDA0003540466610000043
为二元变量，当
Figure BDA0003540466610000044
时表示在k时刻第n部雷达对运动目标q进行跟踪，当
Figure BDA0003540466610000045
时表示在k时刻第n部雷达未跟踪运动目标q；
Figure BDA0003540466610000046
表示k时刻雷达n跟踪运动目标q的驻留时间；
Figure BDA0003540466610000047
表示k时刻雷达n跟踪运动目标q的雷达发射功率；Q表示运动目标的数量；Tmin和Tmax分别表示雷达驻留时间的下界和上界；Pmin和Pmax分别表示雷达发射功率的下界和上界；
Figure BDA00035404666100000411
表示每一时刻组网雷达系统在跟踪每个运动目标时所分配雷达节点数目的最大值；Emax表示通信区域所能容忍的最大雷达干扰能量值；Ttotal表示照射单个运动目标的所有雷达驻留时间之和；Ptotal表示照射单个运动目标的所有雷达发射功率之和。
进一步的，步骤S4中模型求解步骤为：
(41)分别设置雷达发射功率和驻留时间的初始化矩阵，并给每个雷达节点设置发射功率和驻留时间初值；
(42)确定跟踪的运动目标，以前一时刻组网雷达系统对该运动目标的发射功率和驻留时间分配值作为初始值，将二元变量
Figure BDA0003540466610000048
松弛为
Figure BDA0003540466610000049
采用内点法计算每个雷达节点的权重系数，将这些权重系数按照降序排列，得到
Figure BDA00035404666100000410
种节点选择总数不同的雷达节点选择方式；
(43)针对步骤(42)中不同的雷达节点选择方式，以最小化跟踪误差为目标，对雷达发射功率资源分配和驻留时间资源分配进行优化，并设定在优化过程中发射功率与驻留时间优先级相同，将求得的
Figure BDA0003540466610000051
个跟踪误差解进行比较，得到最小跟踪误差解和对应的雷达节点选择方案和雷达资源分配方案；
(44)跳转步骤(42)，直到连续两次得到的跟踪误差差值小于设定阈值，即得到k时刻组网雷达跟踪运动目标q的最小跟踪误差以及对应的最终雷达节点选择方案和雷达资源分配方案优化分配方案；
(45)移除步骤(44)中最终选取的雷达节点，确定下一个优化的运动目标，跳转步骤(42)，直到所有的运动目标跟踪方案都完成优化分配，即得到k时刻组网雷达跟踪各运动目标的最优雷达节点选择方案和雷达功率时间分配方案。
本发明的又一实施例中，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系统，包括：
目标跟踪及数据采集模块，用于采集多个目标的运动状态，并建立运动目标的状态方法、雷达观测模型和干扰模型；
多目标跟踪精度计算模块，用于采用贝叶斯克拉美-罗下界BCRLB矩阵表征多目标跟踪精度；
模型构建模块，用于以组网雷达辐射资源和通信区域可容忍干扰能量为约束条件，以最小化BCRLB矩阵的迹为优化目标，建立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模型；
模型求解模块，对组网雷达多目标跟踪时的节点选择和辐射资源分配进行自适应动态优化，采用内点法和循环最小法对优化模型进行求解。
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的步骤。
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的步骤。
工作原理及工作过程：
本发明考虑二维空间上一个由N部雷达构成的组网雷达系统，对空间上分散部署的多个目标进行跟踪。首先，建立了组网雷达跟踪场景下运动目标的状态方程和观测模型，并推导出BCRLB矩阵表达式，取该矩阵迹作为目标跟踪精度的衡量指标；然后，以组网雷达辐射资源和通信区域可容忍干扰能量为约束条件，以最小化BCRLB矩阵的迹为优化目标，建立组网雷达功率时间联合优化分配模型；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，得到在满足雷达总辐射功率和通信区域可容忍干扰能量上限的约束条件下，使得多目标跟踪精度最高的节点选择、发射功率和驻留时间分配的最优解。
有益效果：与现有技术相比，本发明的优点为：(1)通过对多目标跟踪过程中组网雷达跟踪运动目标的节点选择分配以及组网雷达发射功率和驻留时间等参数进行联合优化，在满足组网雷达总辐射资源和通信区域可容忍干扰能量上限的约束条件下，最大限度的提升组网雷达多目标跟踪精度。(2)实现了最优的雷达功率时间分配和雷达节点选择方案，有效地提升了组网雷达的多目标跟踪性能。
附图说明
图1为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流程图；
图2为多目标运动轨迹与组网雷达分布图；
图3为组网雷达跟踪运动目标1的雷达节点选择与功率时间分配结果；
图4为组网雷达跟踪运动目标2的雷达节点选择与功率时间分配结果；
图5为所提算法与其他对比算法的ARMSE对比。
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。
本发明首先，考虑二维空间上一个由N部雷达构成的组网雷达系统，对空间上分散部署的多个运动目标进行跟踪；其次，推导出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，以组网雷达辐射资源和通信区域可容忍干扰能量为约束条件，以最小化BCRLB矩阵的迹为优化目标，建立组网雷达功率时间联合优化分配模型，对组网雷达多目标跟踪时的节点选择和辐射资源分配进行自适应动态优化，以达到提升多目标跟踪性能的目的。
本发明从实际作战场景出发，提出了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，在满足组网雷达辐射资源和通信区域可容忍干扰能量上限等约束条件下，以最小化BCRLB矩阵的迹为优化目标，对组网雷达多目标跟踪时的节点选择和辐射资源分配进行自适应动态优化，从而提升组网雷达的多目标跟踪性能。如图1所示，本发明的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，包括如下步骤：
S1、首先对于组网雷达系统对多目标跟踪场景，建立运动目标的状态方程、雷达观测模型和干扰模型。k时刻第q个运动目标的状态向量可以表示为
Figure BDA0003540466610000071
其中，
Figure BDA0003540466610000072
和
Figure BDA0003540466610000073
分别表示在k时刻第q个运动目标的位置和速度，Q表示运动目标数量。假设目标做匀速直线运动，则运动目标的状态方程可以表示为：
Figure BDA0003540466610000074
其中，
Figure BDA0003540466610000075
表示k-1时刻第q个运动目标的状态向量，F表示第q个运动目标的状态转移矩阵，可以表示为
Figure BDA0003540466610000076
△T0表示采样间隔，
Figure BDA0003540466610000077
表示克罗内克积，I2为2阶单位矩阵。W表示均值为零的高斯过程白噪声，其协方差矩阵Uq可以表示为：
Figure BDA0003540466610000078
其中，rq表示过程噪声强度。
本发明假设在每个时刻单部雷达只能跟踪一个运动目标。在此，定义了一个二元变量
Figure BDA0003540466610000079
当
Figure BDA00035404666100000710
时表示在k时刻第n部雷达对运动目标q进行跟踪，当
Figure BDA00035404666100000711
时表示在k时刻第n部雷达未跟踪运动目标q。因此，k时刻雷达n对运动目标q的雷达观测模型可以表示为：
Figure BDA00035404666100000712
其中，
Figure BDA00035404666100000713
表示在k时刻雷达n跟踪运动目标q时对应的量测矢量，
Figure BDA00035404666100000714
表示非线性观测函数，可以表示为：
Figure BDA0003540466610000081
其中，
Figure BDA0003540466610000082
和
Figure BDA0003540466610000083
分别表示k时刻运动目标q相对于雷达n的距离和方位角，(xR,n,yR,n)表示雷达n的位置坐标，
Figure BDA0003540466610000084
表示服从零均值高斯分布的量测噪声矢量。
在空频感知环境下，雷达和通信区域之间会干扰相互的正常工作，在此对两者的相互干扰进行分析。首先，考虑通信区域对雷达的干扰，此类干扰可以看作是多种随机调制信号的组合。根据中心极限定理，假设信号形式可近似表示为占据一定带宽的循环对称带限的复高斯序列，这些信号的功率谱密度(Power Spectral Density,PSD)Θm,n(f)在雷达的工作通带范围内表现出了均匀特性，即：
Figure BDA0003540466610000085
其中，Nm,n表示PSD强度，fL,m,n和fU,m,n分别表示第n个雷达和第m个通信区域覆盖频带的上界和下界。定义由通信区域m对雷达n产生信号的时域协方差矩阵Tm,n可以表示为：
Figure BDA0003540466610000086
Tm,n的第u行和第v列的元素为对应信号延时的自相关函数，同时也是PSD的离散傅里叶逆变换，Ts表示信号采样周期。假设各个通信区域信号之间是正交的，则雷达n接收到通信区域的干扰协方差矩阵，即通信区域对雷达的干扰模型可以表示为：
Figure BDA0003540466610000087
其中，
Figure BDA0003540466610000088
表示通信区域m与雷达n之间的方位角，上标(·)H表示矩阵的共轭转置；En表示雷达n接收到通信区域的干扰协方差矩阵，M表示通信区域个数，χm,n表示传输信道的强度系数，Tm,n表示通信区域m对雷达n产生的干扰信号的时域协方差矩阵，xC,m表示第m个通信区域的位置坐标，xR,n表示雷达n的位置坐标，
Figure BDA0003540466610000091
表示雷达半波长导向矢量。
由式(6)可知，如果第m个通信区域和第n部雷达在频谱上没有覆盖，可以认为fU,m,n-fL,m,n＝0，其对应的干扰强度即为0，fU,m,n-fL,m,n越大则意味着干扰能量越强。
雷达在跟踪运动目标时对通信区域的干扰是时变的，且与运动目标有关。本发明采用雷达发射信号能量的联合空间和光谱分布来表征干扰强度，雷达对通信区域的干扰模型可以表示为：
Figure BDA0003540466610000092
其中，
Figure BDA0003540466610000093
表示通信区域m受到的雷达干扰能量值；
Figure BDA0003540466610000094
表示k时刻雷达n跟踪运动目标q的雷达发射功率；
Figure BDA0003540466610000095
表示雷达发射信号能量的空间分布，即：
Figure BDA0003540466610000096
其中，
Figure BDA0003540466610000097
表示通信区域m与雷达n之间的方位角，A表示雷达阵元个数，
Figure BDA0003540466610000098
表示雷达n对运动目标q的跟踪角度，
Figure BDA0003540466610000099
表示运动目标q与初始位置之间的角度；Φm,n的第u行第v列可以表示为：
Figure BDA00035404666100000910
sn＝[sn(1),…,sn(L)]T表示具有有限间隔的波形序列，L表示离散采样序号，
Figure BDA00035404666100000911
表示sn的共轭转置；
S2、推导出BCRLB矩阵，并求出该矩阵的迹作为目标跟踪精度的衡量指标，其具体计算步骤如下所示：
采用k时刻BCRLB矩阵的迹作为表征目标跟踪精度的衡量指标：
Figure BDA0003540466610000101
结合k时刻目标状态的贝叶斯信息矩阵
Figure BDA0003540466610000102
目标状态估计误差的k时刻BCRLB矩阵的表达式为：
Figure BDA0003540466610000103
其中，上标(·)T表示矩阵的转置；上标(·)-1表示矩阵的逆矩阵；Uq为高斯白噪声矩阵；
Figure BDA0003540466610000104
表示k-1时刻目标状态的贝叶斯信息矩阵的逆矩阵；
Figure BDA0003540466610000105
表示k时刻的雅克比矩阵；
Figure BDA0003540466610000106
表示k时刻的观测误差协方差矩阵，k时刻的观测误差协方差矩阵
Figure BDA0003540466610000107
由式(13)表示为：
Figure BDA0003540466610000108
其中，
Figure BDA0003540466610000109
表示通信区域对雷达n施加的量测干扰噪声协方差矩阵，
Figure BDA00035404666100001010
Figure BDA00035404666100001011
表示雷达n的发射波形序列，
Figure BDA00035404666100001012
表示雷达n的半波长导向矢量。c表示光速，βn,k表示在k时刻雷达n的发射信号带宽，λ和γ分别表示雷达波长和天线孔径，
Figure BDA00035404666100001013
为k时刻雷达n跟踪运动目标q的回波信噪比，可以表示为：
Figure BDA00035404666100001014
其中，
Figure BDA00035404666100001015
表示k时刻雷达n跟踪运动目标q的驻留时间，Tr为脉冲信号重复周期，
Figure BDA00035404666100001016
表示k时刻雷达n跟踪运动目标q的雷达发射功率，Gt表示发射天线增益，Gr表示接收天线增益，
Figure BDA00035404666100001017
表示雷达n观测目标q的雷达散射截面积(Radar Cross Section，RCS)，GRP表示接收机处理增益，K为玻尔兹曼常数，To表示接收机的噪声温度，
Figure BDA00035404666100001018
表示k时刻雷达n跟踪运动目标q时接收机匹配滤波器的带宽，Fr表示接收机的噪声系数，
Figure BDA0003540466610000111
表示k时刻运动目标q的真实方位角与雷达n发射波束指向之间的角度差，θ3dB表示3dB天线波束宽度。
S3、建立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分配模型：
以组网雷达辐射资源和通信区域可容忍干扰能量上限为约束条件，以最小化BCRLB矩阵的迹为优化目标，建立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分配模型，如式所示：
Figure BDA0003540466610000112
其中，Tmin和Tmax分别表示雷达驻留时间的下界和上界，Pmin和Pmax分别表示雷达发射功率的下界和上界，
Figure BDA0003540466610000113
表示每一时刻组网雷达系统在跟踪每个运动目标时所分配雷达节点数目的最大值，Emax表示通信区域所能容忍的最大雷达干扰能量值，Ttotal表示照射单个运动目标的所有雷达驻留时间之和，Ptotal表示照射单个运动目标的所有雷达发射功率之和。
S4、采用内点法和循环最小法对优化模型(15)进行求解。具体求解步骤如下：
S41、分别设置雷达发射功率和驻留时间的初始化矩阵，并给每个雷达节点设置发射功率和驻留时间初值；
S42、确定跟踪的运动目标，以前一时刻组网雷达系统对该目标的发射功率和驻留时间分配值作为初始值，将二元变量
Figure BDA0003540466610000121
松弛为
Figure BDA0003540466610000122
采用内点法计算每个雷达节点的权重系数，将这些权重系数按照降序排列，得到
Figure BDA0003540466610000123
种节点选择总数不同的雷达节点选择方式；
S43、针对步骤S42中不同的雷达节点选择方式，以最小化跟踪误差为目标，对雷达发射功率资源分配和驻留时间资源分配进行优化，并设定在优化过程中发射功率与驻留时间优先级相同，将求得的
Figure BDA0003540466610000124
个跟踪误差解进行比较，得到最小跟踪误差解和对应的雷达节点选择方案和雷达资源分配方案；
S44、跳转步骤S42，直到连续两次得到的跟踪误差差值小于设定阈值，即可得到k时刻组网雷达跟踪运动目标q的最小跟踪误差以及对应的最终雷达节点选择方案和雷达资源分配方案优化分配方案。
S45、移除步骤S44中最终选取的雷达节点，确定下一个优化的运动目标，跳转步骤S42，直到所有的运动目标跟踪方案都完成优化分配，即可得到k时刻组网雷达跟踪各运动目标的最优雷达节点选择方案和雷达功率时间分配方案。
本发明实施例还提供了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系统，包括：
目标跟踪及数据采集模块，用于采集多个目标的运动状态，并建立运动目标的状态方法、雷达观测模型和干扰模型；
多目标跟踪精度计算模块，用于采用贝叶斯克拉美-罗下界BCRLB矩阵表征多目标跟踪精度；
模型构建模块，用于以组网雷达辐射资源和通信区域可容忍干扰能量为约束条件，以最小化BCRLB矩阵的迹为优化目标，建立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模型；
模型求解模块，对组网雷达多目标跟踪时的节点选择和辐射资源分配进行自适应动态优化，采用内点法和循环最小法对优化模型进行求解。
本发明还提供一种装置设备，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的步骤，并达到如上述方法一致的技术效果。
本发明还提供一种存储介质，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的步骤，并达到如上述方法一致的技术效果。
仿真结果：
本发明实施例中相关仿真参数设置如下表1所示：
表1仿真参数设置
Figure BDA0003540466610000131
考虑一个由N＝6部位置固定的雷达组成的组网雷达系统，每个雷达的位置已知，雷达发射参数均相同。组网雷达系统需要同时跟踪Q＝2个运动目标，运动目标1的初始位置为[-70,0]km，以速度[900,400]m/s匀速飞行；运动目标2的初始位置为[70,80]km，以速度[-900,-400]m/s匀速飞行。在雷达探测区域中存在M＝2个通信区域，如图1所示，两个通信区域中心位置分别为[50,50]km和[-40,50]km，通信区域可容忍最大干扰能量阈值设定为Emax＝4.5J。组网雷达采样间隔△T＝3s，跟踪持续过程时间为150s。
多目标运动轨迹与组网雷达分布图如图2所示，组网雷达跟踪运动目标1的雷达节点选择与功率时间分配结果如图3中(a)和(b)所示，跟踪运动目标2的雷达节点选择与功率时间分配结果如图4中(a)和(b)所示，从图中可以看出，组网雷达系统会根据运动目标1的实时位置选择不超过阈值Emax且跟踪误差最小的雷达节点选择方式和资源分配方式，对于运动目标2，组网雷达节点选择会受到运动目标1的节点选择影响，无法总是选取当前时刻最小跟踪误差的节点分配方式，为保证跟踪误差最小化，在多个时刻需要选择三个雷达节点同时跟踪目标。
目标跟踪平均均方根误差(Average Root Mean Square Error,ARMSE)定义为：
Figure BDA0003540466610000141
其中，NMC为蒙特卡洛实验次数，
Figure BDA0003540466610000142
表示第n次蒙特卡洛实验时组网雷达对运动目标q的辐射次数，
Figure BDA0003540466610000143
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。图5给出了所提算法与其他对比算法的ARMSE对比。从图5中可以看出，本发明相比于其他算法能有效降低多目标跟踪误差，提升空频感知环境下组网雷达系统的多目标跟踪性能。
综上，本发明假设在二维平面上分散部署着若干个运动目标，有一个N部雷达构成且总辐射资源有限的组网雷达系统对这些目标进行跟踪。针对这种组网雷达跟踪多目标的场景，构建运动目标的状态方程、雷达观测模型和干扰模型，推导BCRLB矩阵表达式，取该矩阵的迹作为目标跟踪精度的衡量指标；以组网雷达辐射资源和通信区域可容忍干扰能量为约束条件，以最小化BCRLB矩阵的迹为优化目标，建立组网雷达功率时间联合优化分配模型；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，得到在满足雷达总辐射功率和通信区域可容忍干扰能量上限的约束条件下，使得多目标跟踪精度最高的节点选择、发射功率和驻留时间分配的最优解。

Claims (10)

1.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，其特征在于，包括以下步骤：
S1、首先，考虑二维空间上一个由N部雷达构成的组网雷达系统，对空间上分散部署的多个目标进行跟踪，建立运动目标的状态方程、雷达观测模型和干扰模型；
S2、推导出表征多目标跟踪精度的贝叶斯克拉美-罗下界BCRLB矩阵表达式；
S3、以组网雷达辐射资源和通信区域可容忍干扰能量上限为约束条件，以最小化BCRLB矩阵的迹为优化目标，建立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分配模型；
S4、对组网雷达多目标跟踪时的节点选择和辐射资源分配进行自适应动态优化，采用内点法和循环最小法对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分配模型进行求解。
2.根据权利要求1所述的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，其特征在于，步骤S1中建立的运动目标的状态方程为：
Figure FDA0003540466600000011
其中，
Figure FDA0003540466600000012
表示k时刻第q个运动目标的状态向量，
Figure FDA0003540466600000013
表示k-1时刻第q个运动目标的状态向量；F表示第q个运动目标的状态转移矩阵，表示为
Figure FDA0003540466600000014
△T0表示采样间隔，
Figure FDA0003540466600000015
表示克罗内克积，I2为2阶单位矩阵；W表示均值为零的高斯过程白噪声；q表示第q个运动目标，Q表示运动目标的数量。
3.根据权利要求1所述的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，其特征在于，步骤S1中建立的雷达观测模型为：
Figure FDA0003540466600000016
其中，
Figure FDA0003540466600000017
表示在k时刻雷达n跟踪运动目标q时对应的量测矢量，
Figure FDA0003540466600000018
表示非线性观测函数，
Figure FDA0003540466600000019
表示服从零均值高斯分布的量测噪声矢量；
Figure FDA00035404666000000110
为二元变量，当
Figure FDA00035404666000000111
时表示在k时刻第n部雷达对运动目标q进行跟踪，当
Figure FDA00035404666000000112
时表示在k时刻第n部雷达未跟踪运动目标q。
4.根据权利要求1所述的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，其特征在于，步骤S1中的干扰模型包括通信区域对雷达的干扰模型和雷达对通信区域的干扰模型，具体的：
建立的通信区域对雷达的干扰模型为：
Figure FDA0003540466600000021
其中，上标(·)H表示矩阵的共轭转置；En表示雷达n接收到通信区域的干扰协方差矩阵，M表示通信区域个数，χm,n表示传输信道的强度系数，Tm,n表示通信区域m对雷达n产生的干扰信号的时域协方差矩阵，xC,m表示第m个通信区域的坐标，xR,n表示雷达n的位置坐标，
Figure FDA0003540466600000022
表示通信区域m与雷达n之间的方位角，
Figure FDA0003540466600000023
表示雷达半波长导向矢量；
雷达对通信区域的干扰模型为：
Figure FDA0003540466600000024
其中，
Figure FDA0003540466600000025
表示通信区域m受到的雷达干扰能量值，Q表示运动目标的数量，
Figure FDA0003540466600000026
表示雷达发射信号能量的空间分布，sn＝[sn(1),…,sn(L)]T表示具有有限间隔的波形序列，
Figure FDA0003540466600000027
为二元变量，当
Figure FDA0003540466600000028
时表示在k时刻第n部雷达对运动目标q进行跟踪，当
Figure FDA0003540466600000029
时表示在k时刻第n部雷达未跟踪运动目标q；
Figure FDA00035404666000000210
表示k时刻雷达n跟踪运动目标q的雷达发射功率；Φm,n表示为：
Figure FDA00035404666000000211
其中，fL,m,n和fU,m,n分别表示通信区域m和雷达n覆盖频带的上界和下界，Ts表示信号采样周期，u和v分别表示Φm,n的行和列。
5.根据权利要求1所述的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，其特征在于，步骤S2中目标状态估计误差的k时刻BCRLB矩阵
Figure FDA0003540466600000031
的表达式为：
Figure FDA0003540466600000032
其中，上标(·)T表示矩阵的转置；上标(·)-1表示矩阵的逆矩阵；Uq为高斯白噪声矩阵；F表示第q个运动目标的状态转移矩阵；
Figure FDA0003540466600000033
表示k-1时刻目标状态的贝叶斯信息矩阵；
Figure FDA0003540466600000034
为二元变量，当
Figure FDA0003540466600000035
时表示在k时刻第n部雷达对运动目标q进行跟踪，当
Figure FDA0003540466600000036
时表示在k时刻第n部雷达未跟踪运动目标q；
Figure FDA0003540466600000037
表示k时刻的雅克比矩阵；
Figure FDA0003540466600000038
表示k时刻的观测误差协方差矩阵；
采用k时刻BCRLB矩阵的迹作为表征目标跟踪精度的衡量指标：
Figure FDA0003540466600000039
6.根据权利要求1所述的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，其特征在于，步骤S3中建立的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分配模型为：
Figure FDA00035404666000000310
Figure FDA00035404666000000311
其中，
Figure FDA00035404666000000312
为二元变量，当
Figure FDA00035404666000000313
时表示在k时刻第n部雷达对运动目标q进行跟踪，当
Figure FDA0003540466600000041
时表示在k时刻第n部雷达未跟踪运动目标q；
Figure FDA0003540466600000042
表示k时刻雷达n跟踪运动目标q的驻留时间；
Figure FDA0003540466600000043
表示k时刻雷达n跟踪运动目标q的雷达发射功率；Q表示运动目标的数量；Tmin和Tmax分别表示雷达驻留时间的下界和上界；Pmin和Pmax分别表示雷达发射功率的下界和上界；
Figure FDA0003540466600000044
表示每一时刻组网雷达系统在跟踪每个运动目标时所分配雷达节点数目的最大值；Emax表示通信区域所能容忍的最大雷达干扰能量值；Ttotal表示照射单个运动目标的所有雷达驻留时间之和；Ptotal表示照射单个运动目标的所有雷达发射功率之和。
7.根据权利要求1所述的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，其特征在于，步骤S4中模型求解步骤为：
(41)分别设置雷达发射功率和驻留时间的初始化矩阵，并给每个雷达节点设置发射功率和驻留时间初值；
(42)确定跟踪的运动目标，以前一时刻组网雷达系统对该运动目标的发射功率和驻留时间分配值作为初始值，将二元变量
Figure FDA0003540466600000045
松弛为
Figure FDA0003540466600000046
采用内点法计算每个雷达节点的权重系数，将这些权重系数按照降序排列，得到
Figure FDA0003540466600000047
种节点选择总数不同的雷达节点选择方式；
(43)针对步骤(42)中不同的雷达节点选择方式，以最小化跟踪误差为目标，对雷达发射功率资源分配和驻留时间资源分配进行优化，并设定在优化过程中发射功率与驻留时间优先级相同，将求得的
Figure FDA0003540466600000048
个跟踪误差解进行比较，得到最小跟踪误差解和对应的雷达节点选择方案和雷达资源分配方案；
(44)跳转步骤(42)，直到连续两次得到的跟踪误差差值小于设定阈值，即得到k时刻组网雷达跟踪运动目标q的最小跟踪误差以及对应的最终雷达节点选择方案和雷达资源分配方案优化分配方案；
(45)移除步骤(44)中最终选取的雷达节点，确定下一个优化的运动目标，跳转步骤(42)，直到所有的运动目标跟踪方案都完成优化分配，即得到k时刻组网雷达跟踪各运动目标的最优雷达节点选择方案和雷达功率时间分配方案。
8.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系统，其特征在于，包括：
目标跟踪及数据采集模块，用于采集多个目标的运动状态，并建立运动目标的状态方法、雷达观测模型和干扰模型；
多目标跟踪精度计算模块，用于采用贝叶斯克拉美-罗下界BCRLB矩阵表征多目标跟踪精度；
模型构建模块，用于以组网雷达辐射资源和通信区域可容忍干扰能量为约束条件，以最小化BCRLB矩阵的迹为优化目标，建立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模型；
模型求解模块，对组网雷达多目标跟踪时的节点选择和辐射资源分配进行自适应动态优化，采用内点法和循环最小法对优化模型进行求解。
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的步骤。
CN202210237431.4A 2022-03-10 2022-03-10 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 Pending CN114706045A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210237431.4A CN114706045A (zh) 2022-03-10 2022-03-10 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210237431.4A CN114706045A (zh) 2022-03-10 2022-03-10 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

Publications (1)

Publication Number Publication Date
CN114706045A true CN114706045A (zh) 2022-07-05

Family

ID=82169039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210237431.4A Pending CN114706045A (zh) 2022-03-10 2022-03-10 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

Country Status (1)

Country Link
CN (1) CN114706045A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115567353A (zh) * 2022-09-30 2023-01-03 电子科技大学 一种面向雷达组网系统的干扰多波束调度和干扰功率联合优化方法
CN116540225A (zh) * 2023-06-28 2023-08-04 清华大学 面向抗干扰的雷达组网去中心化波束与功率分配方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115567353A (zh) * 2022-09-30 2023-01-03 电子科技大学 一种面向雷达组网系统的干扰多波束调度和干扰功率联合优化方法
CN115567353B (zh) * 2022-09-30 2024-04-02 电子科技大学 一种面向雷达组网系统的干扰多波束调度和干扰功率联合优化方法
CN116540225A (zh) * 2023-06-28 2023-08-04 清华大学 面向抗干扰的雷达组网去中心化波束与功率分配方法
CN116540225B (zh) * 2023-06-28 2023-09-19 清华大学 面向抗干扰的雷达组网去中心化波束与功率分配方法

Similar Documents

Publication Publication Date Title
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
US7324042B2 (en) Monostatic radar beam optimization
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
CN110133631B (zh) 一种基于模糊函数的频控阵mimo雷达目标定位方法
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
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
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
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
CN112099015B (zh) 提升毫米波雷达检测估计性能的自适应波形设计方法
CN110673131B (zh) 多波束集中式mimo雷达时空资源-波形选择管理方法
CN111239677B (zh) 基于数字阵列的多波束被动单脉冲测角方法
CN111751800B (zh) 一种频控阵雷达角度-距离参数解耦合方法
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
CN112147600B (zh) 面向射频隐身和目标跟踪的多基雷达发射参数优化方法
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
CN111190176A (zh) 共址mimo雷达组网系统的自适应资源管理方法
Shi et al. Adaptive resource management algorithm for target tracking in radar network based on low probability of intercept
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
CN111198366B (zh) 分布式mimo雷达多任务下的有限阵元快速选取方法
CN110456342B (zh) 单发射天线雷达的远场多运动目标探测方法
CN108107415B (zh) 基于机会约束的集中式mimo雷达多波束功率分配方法
CN114355309A (zh) 目标角度和距离定位方法、装置、雷达和存储介质
CN115907068A (zh) 频谱共存下机载组网雷达资源配置与路径规划联合优化方法
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
CN114325685B (zh) 一种分布式mimo雷达多目标跟踪中的波束空-时分配算法

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