CN106096791A - 一种多监视区域下的mimo雷达偏好优化布站方法 - Google Patents
一种多监视区域下的mimo雷达偏好优化布站方法 Download PDFInfo
- Publication number
- CN106096791A CN106096791A CN201610471400.XA CN201610471400A CN106096791A CN 106096791 A CN106096791 A CN 106096791A CN 201610471400 A CN201610471400 A CN 201610471400A CN 106096791 A CN106096791 A CN 106096791A
- Authority
- CN
- China
- Prior art keywords
- particle
- external archive
- preference
- radar
- reference point
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种多监视区域下的MIMO雷达偏好优化布站方法,首先,确定监视区域和布站区域,明确目标函数,并根据偏好信息设置一个参考点;然后以参考点作为引导,利用基于偏好的粒子群优化算法来对天线布站位置进行合理优化;最后从输出的布站方案中,选取最接近参考点的布站方法对雷达进行合理布站。本发明能够对提升偏好监视区域的监视性能,并能获取更多的雷达优化布站方法。
Description
技术领域
本发明属于多输入多输出雷达布站技术领域,具体涉及一种多监视区域下的MIMO雷达偏好优化布站方法的设计。
背景技术
多输入多输出(Multi-Input Multi-Output,MIMO)雷达组网***利用多部空间位置相互分离而覆盖范围互相重叠的雷达的观测和判断,来对监视区域实施搜索、跟踪、识别目标。合理地进行雷达组网布站,能够使雷达***对监视区域的监视能力发生质的飞跃。因此,研究雷达天线的最优布站位置就显得极为重要。
对于MIMO雷达的优化布站问题的研究,国内外研究机构已提出诸多解决方法。例如,A.M.Haimovich通过分割天线的布站区域,提出一种连续穷举法(SEE)来解决这种问题,然而,这种方法往往存在极大的计算量,在实际应用中难以实现。另外,电子科技大学的杨益川通过采用粒子群优化算法(PSO)来对雷达位置进行优化调整,但目前的方法仅仅考虑了单个监视区域,没有考虑多个监视区域的情况,而且,不同的监视区域往往具有不同的重要程度。当某些监视区域出现特殊情况,这些监视区域的重要程度即发生改变,并且需要提升这些区域监视性能。同时,为了灵活的应对各种突发情况,我们需要获得更多的达到预期监视性能的布站方案。综上,如何提升偏好监视区域的监视性能并获取更多的天线布站方案,成为多区域监视的重点问题。从公开发表的文献资料来看,目前还没有有效解决这种提升偏好监视区域性能的优化布站方法。因此,研究一种可提升偏好监视区域性能并获取较多布站方案的优化布站方法在MIMO雷达多区域监视中具有重要的实际应用价值。
发明内容
本发明的目的是为了解决现有技术中缺少一种在提升偏好监视区域性能的同时获取较多布站方案的雷达优化布站方法的问题,提出了一种多监视区域下的MIMO雷达偏好优化布站方法。
本发明的技术方案为:一种多监视区域下的MIMO雷达偏好优化布站方法,包括以下步骤:
S1、根据偏好信息确定参考点;
S2、采用PSO算法初始化粒子群,并新建用于存储非支配粒子的外部档案集;
S3、更新粒子群,得到全局最优粒子;
S4、迭代更新外部档案集和全局最优粒子,直到达到最大迭代次数或达到预期的监视性能效果;
S5、获取非支配粒子群并选取布站方案。
进一步地,步骤S2具体包括以下分步骤:
S21、对粒子群中的所有粒子进行初始化,即在布站区域内随机分配每个粒子的位置;
S22、计算每个粒子的目标函数值;
S23、每个粒子的个体最优位置被初始化为其初始位置,并用其目标函数值作为该粒子的个体最优值;
S24、新建用于存储非支配粒子的外部档案集,并从初始化后的粒子群中挑选出互不支配的粒子存储到外部档案集中。
进一步地,步骤S3具体包括以下分步骤:
S31、计算外部档案集中的粒子与参考点之间的距离;
S32、外部档案集中的粒子将按照与参考点的距离进行排列,并从距离最短的前10%粒子中随机挑选一个粒子,该粒子的位置将作为全局最优位置;
S33、更新所有粒子的速度和位置。
进一步地,步骤S4具体包括以下分步骤:
S41、计算每个粒子的目标函数值,同时更新每个粒子的个体最优位置;
S42、更新外部档案集,将外部档案集内被其余粒子支配的粒子删除,外部档案集外的粒子若与外部档案集内的粒子互不支配,将被加入外部档案集中;
S43、重新计算距离,并从外部档案集中与参考点距离最短的前10%的粒子中选择一个粒子作为全局最优粒子,其位置作为全局最优位置;
S44、当达到最大迭代次数或达到预期的监视性能效果时,停止迭代并进入步骤S5,否则返回步骤S3进行迭代。
进一步地,步骤S5具体为:
输出存储在外部档案集中的非支配粒子群,根据不同场景从输出的粒子中选择一个粒子,并采用该粒子的布站方案对雷达天线进行布站。
本发明的有益效果是:本发明可在同时监视多监视区域的前提下,提升偏好监视区域的监视性能,并获取更多的提升该监视区域性能的雷达布站方法。本发明可以有效的对抗重点监视区域的隐身目标和干扰目标,同时提升雷达布站方案的选择性,可以有效地满足作战时对重点监视区域的额外监视要求。
附图说明
图1为本发明提供的一种多监视区域下的MIMO雷达偏好优化布站方法流程图。
图2为本发明步骤S2的分步骤流程图。
图3为本发明步骤S3的分步骤流程图。
图4为本发明步骤S4的分步骤流程图。
图5为本发明实施例的仿真场景示意图。
图6为本发明实施例的采用偏好和非偏好优化布站方法的粒子示意图。
图7为本发明实施例的采用非偏好优化布站方法的布站效果图。
图8为本发明实施例的采用偏好优化布站方法的布站效果图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
本发明提供了一种多监视区域下的MIMO雷达偏好优化布站方法,如图1所示,包括以下步骤:
S1、根据偏好信息确定参考点。
分布式MIMO雷达在给定的布站区域内同时对M个监视区域进行监视,结合给定的偏好信息,确定一个参考点参考点的值是我们预期的监视性能值,其中,vi是第i个监视区域的预期目标函数值,即希望通过布站优化,使监视区域的监视性能达到参考点的值或向参考点靠近,目标函数f(Θ)与雷达布站位置Θ相关。
S2、采用PSO算法初始化粒子群,并新建用于存储非支配粒子的外部档案集。
如图2所示,该步骤具体包括以下分步骤:
S21、假设粒子群中有N个粒子(每个粒子代表了一种潜在的布站方案),对这些粒子进行初始化,即在布站区域内随机分配每个粒子pi(i=1,2,...,N)的位置Θi。
S22、计算每个粒子的目标函数值,得到:
S23、对于第i个粒子,该粒子的个体最优位置被初始化为其初始位置,并用其目标函数值作为该粒子的个体最优值。
S24、新建用于存储非支配粒子的外部档案集,并从初始化后的粒子群中挑选出互不支配的粒子存储到外部档案集中。
这里支配的定义如下:
设向量u=(u1,...,uk),v=(v1,...,vk),当且仅当ui≤vi,且存在使得uj<vj成立,则称向量u支配向量v。在多目标优化中,被优化的目标往往互相牵制,即意味着一个目标在性能上的提升往往导致其他目标性能上的衰减。因此,通常很难在多目标优化问题中找到一个最优解,所以我们经常寻找一组非支配解集作为最优的折中方案。
S3、更新粒子群,得到全局最优粒子。
如图3所示,该步骤具体包括以下分步骤:
S31、计算外部档案集中的粒子与参考点之间的距离,计算公式为:
式中vj是参考点中针对第j个监视区域的预期目标函数值,而fj(·)是第j个监视区域的实际目标函数值。
S32、外部档案集中的粒子将按照与参考点的距离进行排列,并从距离最短的前10%粒子中随机挑选一个粒子,该粒子的位置将作为全局最优位置
S33、每一个迭代周期t内更新所有粒子的速度和位置,更新公式如下:
式中,w(t)是在每个迭代周期间均会衰减的惯性权重,其迭代公式表示为w(t)=0.9-0.5*(t/Tmax)(其中Tmax是最大迭代次数),c1和c2为加速度常数,r1和r2是在[0,1]内均匀分布的随机实数,和Θi(t)代表第i个粒子在第t个迭代周期内的速度和位置。粒子的速度均被限制在一个最大速度Vmax内。是第i个粒子的个体最优位置(即第i个粒子到目前为止当前所有迭代周期内产生的最优布站方案),是全局最优布站位置(即所有粒子在到目前为止所有迭代周期内产生的最优布站方案)。
S4、迭代更新外部档案集和全局最优粒子,直到达到最大迭代次数或达到预期的监视性能效果。
如图4所示,该步骤具体包括以下分步骤:
S41、计算每个粒子的目标函数值,同时更新每个粒子的个体最优位置:
S42、更新外部档案集,将外部档案集内被其余粒子支配的粒子删除,外部档案集外的粒子若与外部档案集内的粒子互不支配,将被加入外部档案集中。
S43、重新计算距离,并从外部档案集中与参考点距离最短的前10%的粒子中选择一个粒子作为全局最优粒子,其位置作为全局最优位置
S44、当达到最大迭代次数Tmax或达到预期的监视性能效果时,停止迭代并进入步骤S5,否则返回步骤S3进行迭代。
S5、获取非支配粒子群并选取布站方案。
达到最大迭代次数或达到预期的监视性能效果时,存储在外部档案集中的非支配粒子群将会被输出。将外部档案集中的粒子的目标函数投影到空间中时,将会发现所有目标函数值将会向参考点聚集。我们可以根据不同场景从输出的粒子中选择一个粒子,并采用该粒子的布站方案对雷达天线进行布站。
下面以一个具体实施例对本发明提供的一种多监视区域下的MIMO雷达偏好优化布站方法作进一步说明:
如图5所示,假设需要监视两个区域A、B,检测概率门限pdt=0.8,虚警概率pfa=10-6,雷达最大探测距离Rmax=20km,仿真区域是大小为70km×70km的矩形。根据雷达设计要求,每个雷达在一个观测时间内只能发射一个脉冲,同时探测因子D0=12.5dB,针对第m个发射机和第n个接收机的目标RCS为σm,n=|α|2,α为零均值高斯分布。假设天线数量J=8,采用区域内最低的联合回波信噪比作为衡量每个监视区域监视性能的目标函数,可以表示为:
其中f1(Θ)为监视区域A的目标函数值,f2(Θ)为监视区域B的目标函数值。在PSO算法中,种群粒子数S=30,粒子最大速度Vmax=4,c1=c2=2。为了保证结果的收敛性,我们设定最大迭代次数为100次;为了避免随机参数对PSO算法结果的影响,我们重复布站过程100次并对最后的输出结果求平均。
基于上述雷达布站和监视的仿真场景,本发明的具体工作流程如下:
(1)根据偏好信息,此时需要对监视区域A进行重点监视,需要提升区域A的监视性能,即我们需要使A区域的目标函数值达到23dB,因此我们设置(23dB,19.5dB)为参考点。
(2)利用基于偏好的PSO雷达优化布站方法对雷达布站位置进行迭代优化,在迭代结束后,将输出一系列雷达布站位置。
(3)输出的雷达布站位置如图6中所示,此时可以看到采用基于偏好的雷达优化布站方法产生的粒子均聚拢在参考点附近,A区域的性能值均高于非偏好的布站方法产生的粒子的性能值,即有效提升了A区域的监视性能。从非偏好和偏好的雷达优化布站方法中产生的布站方法中选取最靠近参考点的布站方案,并利用该布站方案对雷达进行布站,得到的效果图如图7和图8所示,可见本发明可以有效提升偏好监视区域的监视性能,并且在参考点附近获得更多的雷达布站方案。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.一种多监视区域下的MIMO雷达偏好优化布站方法,其特征在于,包括以下步骤:
S1、根据偏好信息确定参考点;
S2、采用PSO算法初始化粒子群,并新建用于存储非支配粒子的外部档案集;
S3、更新粒子群,得到全局最优粒子;
S4、迭代更新外部档案集和全局最优粒子,直到达到最大迭代次数或达到预期的监视性能效果;
S5、获取非支配粒子群并选取布站方案。
2.根据权利要求1所述的多监视区域下的MIMO雷达偏好优化布站方法,其特征在于,所述步骤S2具体包括以下分步骤:
S21、对粒子群中的所有粒子进行初始化,即在布站区域内随机分配每个粒子的位置;
S22、计算每个粒子的目标函数值;
S23、每个粒子的个体最优位置被初始化为其初始位置,并用其目标函数值作为该粒子的个体最优值;
S24、新建用于存储非支配粒子的外部档案集,并从初始化后的粒子群中挑选出互不支配的粒子存储到外部档案集中。
3.根据权利要求2所述的多监视区域下的MIMO雷达偏好优化布站方法,其特征在于,所述步骤S3具体包括以下分步骤:
S31、计算外部档案集中的粒子与参考点之间的距离;
S32、外部档案集中的粒子将按照与参考点的距离进行排列,并从距离最短的前10%粒子中随机挑选一个粒子,该粒子的位置将作为全局最优位置;
S33、更新所有粒子的速度和位置。
4.根据权利要求3所述的多监视区域下的MIMO雷达偏好优化布站方法,其特征在于,所述步骤S4具体包括以下分步骤:
S41、计算每个粒子的目标函数值,同时更新每个粒子的个体最优位置;
S42、更新外部档案集,将外部档案集内被其余粒子支配的粒子删除,外部档案集外的粒子若与外部档案集内的粒子互不支配,将被加入外部档案集中;
S43、重新计算距离,并从外部档案集中与参考点距离最短的前10%的粒子中选择一个粒子作为全局最优粒子,其位置作为全局最优位置;
S44、当达到最大迭代次数或达到预期的监视性能效果时,停止迭代并进入步骤S5,否则返回步骤S3进行迭代。
5.根据权利要求4所述的多监视区域下的MIMO雷达偏好优化布站方法,其特征在于,所述步骤S5具体为:
输出存储在外部档案集中的非支配粒子群,根据不同场景从输出的粒子中选择一个粒子,并采用该粒子的布站方案对雷达天线进行布站。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610471400.XA CN106096791A (zh) | 2016-06-24 | 2016-06-24 | 一种多监视区域下的mimo雷达偏好优化布站方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610471400.XA CN106096791A (zh) | 2016-06-24 | 2016-06-24 | 一种多监视区域下的mimo雷达偏好优化布站方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106096791A true CN106096791A (zh) | 2016-11-09 |
Family
ID=57252586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610471400.XA Pending CN106096791A (zh) | 2016-06-24 | 2016-06-24 | 一种多监视区域下的mimo雷达偏好优化布站方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106096791A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491831A (zh) * | 2017-07-09 | 2017-12-19 | 电子科技大学 | 一种多监视区域下自适应终止的mimo雷达优化布站方法 |
CN108256696A (zh) * | 2018-03-16 | 2018-07-06 | 电子科技大学 | 一种结合状态预测和粒子群优化的组网雷达天线配置方法 |
CN110674917A (zh) * | 2019-10-14 | 2020-01-10 | 电子科技大学 | 机动约束下移动雷达监视平台的长时间差异化部署方法 |
CN111460597A (zh) * | 2020-04-02 | 2020-07-28 | 电子科技大学 | 一种基于改进的多目标粒子群优化算法的雷达布站方法 |
CN111931997A (zh) * | 2020-07-27 | 2020-11-13 | 江苏大学 | 基于加权偏好的多目标粒子群优化的自然保护区摄像头规划方法 |
CN112444805A (zh) * | 2020-11-01 | 2021-03-05 | 复旦大学 | 基于雷达的分布式多目标检测、定位跟踪与身份识别*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103945395A (zh) * | 2014-02-27 | 2014-07-23 | 北京理工大学 | 一种基于粒子群的无线网络传感器的快速优化部署方法 |
CN105243207A (zh) * | 2015-09-29 | 2016-01-13 | 北京航空航天大学 | 一种基于粒子群算法的单频点上的天线布局优化 |
-
2016
- 2016-06-24 CN CN201610471400.XA patent/CN106096791A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103945395A (zh) * | 2014-02-27 | 2014-07-23 | 北京理工大学 | 一种基于粒子群的无线网络传感器的快速优化部署方法 |
CN105243207A (zh) * | 2015-09-29 | 2016-01-13 | 北京航空航天大学 | 一种基于粒子群算法的单频点上的天线布局优化 |
Non-Patent Citations (2)
Title |
---|
YICHUAN YANG ET AL.: "Fast Optimal Antenna Placement for Distributed MIMO Radar with Surveillance Performance", 《IEEE SIGNAL PROCESSING LETTERS》 * |
徐鹤鸣: "多目标粒子群优化算法的研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107491831A (zh) * | 2017-07-09 | 2017-12-19 | 电子科技大学 | 一种多监视区域下自适应终止的mimo雷达优化布站方法 |
CN108256696A (zh) * | 2018-03-16 | 2018-07-06 | 电子科技大学 | 一种结合状态预测和粒子群优化的组网雷达天线配置方法 |
CN110674917A (zh) * | 2019-10-14 | 2020-01-10 | 电子科技大学 | 机动约束下移动雷达监视平台的长时间差异化部署方法 |
CN110674917B (zh) * | 2019-10-14 | 2022-06-24 | 电子科技大学 | 机动约束下移动雷达监视平台的长时间差异化部署方法 |
CN111460597A (zh) * | 2020-04-02 | 2020-07-28 | 电子科技大学 | 一种基于改进的多目标粒子群优化算法的雷达布站方法 |
CN111460597B (zh) * | 2020-04-02 | 2023-04-07 | 电子科技大学 | 一种基于改进的多目标粒子群优化算法的雷达布站方法 |
CN111931997A (zh) * | 2020-07-27 | 2020-11-13 | 江苏大学 | 基于加权偏好的多目标粒子群优化的自然保护区摄像头规划方法 |
CN112444805A (zh) * | 2020-11-01 | 2021-03-05 | 复旦大学 | 基于雷达的分布式多目标检测、定位跟踪与身份识别*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106096791A (zh) | 一种多监视区域下的mimo雷达偏好优化布站方法 | |
CN104298239B (zh) | 一种室内移动机器人增强地图学习路径规划方法 | |
CN104049639B (zh) | 一种基于支持向量回归机的无人艇抗浪涌控制装置和方法 | |
CN108413959A (zh) | 基于改进混沌蚁群算法的无人机航路规划方法 | |
CN108647414A (zh) | 基于仿真实验的作战计划适应性分析方法及存储介质 | |
CN105954731B (zh) | 冲击噪声下基于免疫布谷鸟搜索的双基地mimo雷达测向方法 | |
Sun et al. | UAV path planning based on improved rapidly-exploring random tree | |
CN107396322A (zh) | 基于路径匹配与编码译码循环神经网络的室内定位方法 | |
CN106291481A (zh) | 基于射频隐身的分布式mimo雷达资源联合优化方法 | |
CN113485371B (zh) | 一种基于改进麻雀搜索算法的水下多auv路径规划方法 | |
CN106959700A (zh) | 一种基于上限置信区间算法的无人机群协同巡逻追踪轨迹规划方法 | |
CN106357316A (zh) | 阵列天线的波束赋形方法和装置 | |
CN106792750A (zh) | 一种基于导向粒子群算法的节点部署方法 | |
CN105182313A (zh) | 一种基于不完全杂波先验知识的mimo-stap稳健波形设计方法 | |
CN106896351A (zh) | 一种基于非合作博弈的雷达组网功率控制方法 | |
CN113128121B (zh) | 基于强化学习与蒙特卡洛搜索树的mimo雷达布站方法 | |
CN107942312A (zh) | 一种基于差分进化入侵杂草优化算法的智能雷达海上目标检测***及方法 | |
CN103852749A (zh) | 提高mimo-stap检测性能的稳健波形优化方法 | |
CN101893441A (zh) | 基于离差最大化及灰色关联分析的无人机航迹优选方法 | |
CN104020459A (zh) | 一种提高mimo-stap检测性能的波形优化方法 | |
CN109885082A (zh) | 一种基于任务驱动下的无人机航迹规划的方法 | |
CN106501801A (zh) | 一种基于混沌多种群共生进化的双基地mimo雷达跟踪方法 | |
CN106840164A (zh) | 一种多碎片主动清除在线重规划算法 | |
CN116562466B (zh) | 一种高轨卫星观测任务的规划方法 | |
CN108037487A (zh) | 一种基于射频隐身的分布式mimo雷达发射信号优化设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161109 |
|
RJ01 | Rejection of invention patent application after publication |