基于遗传算法的组网雷达优化部署

组网雷达优化部署是发挥雷达网互补与倍增性能的前提和基础,由于雷达网部署涉及的因素很多,是一个多约束条件的多目标优化问题。采用一种基于遗传算法的组网雷达优化部署算法,采用综合性能函数作为优化目标函数,在种群产生时加入约束条件,将有约束问题转化为无约束的优化问题,克服了枚举法执行速度慢和专家推理法知识组合爆炸的问题。仿真结果表明,该方法能达到最优或准最优解,是一种有效的组网雷达优化部署方法。     

基于粒子群算法的雷达网优化部署方法研究

为了利用有限的雷达资源对监视区域进行合理、有效布站,提出了一种基于粒子群算法的雷达网优化部署方法。建立单/多雷达探测范围模型,给出雷达网探测性能评估指标,并以此构造目标函数,利用粒子群算法完成对雷达网各平台位置的优化部署。利用Matlab工具进行了仿真分析,仿真结果验证了该方法的有效性。     

雷达组网系统性能评估指标分析

根据雷达组网的目的,通过分析影响雷达网性能的主要因素,将探测能力、有效数据率、抗干扰能力、抗ＡＲＭ 能力、机动能力等作为评估雷达网的性能指标,并建立了定量评价雷达网各单项性能指标的数学模型。模型的建立为定量评估雷达组网系统效能奠定了理论基础,也为雷达网系统的部署优化、雷达的选配等提供决策依据。     

基于服务质量的相控阵雷达网目标分配方法

针对目前相控阵雷达网目标分配模型中约束条件构建不合理以及求解算法性能不高的问题,该文构建了基于服务质量(QoS)的雷达网目标分配模型,并提出基于强凹曲线逼近的模型求解算法。通过QoS模型中资源空间、环境空间的建立准确描述雷达的资源限制以及雷达与目标的可见性约束;通过库恩-塔克(KKT)条件推导出QoS模型最优解存在的充分条件,利用2维快速遍历方法逼近得到强凹函数曲线,最后对每个目标强凹曲线中的操作设定点进行逐步迭代得出优化分配方案。仿真结果表明:模型能够有效完成雷达网任务分配,且所提模型求解算法相比典型的智能搜索算法有更好的性能。     

频谱拥挤环境中峰均功率比约束的认知雷达发射波形设计

复杂电磁环境的一个重要特征是频谱资源受限,合理使用有限的频谱资源是认知雷达发射波形设计必须考虑的问题。以峰值与平均功率比(PAR)为约束条件,设计认知雷达发射波形,最大化接收数据信噪比(SNR),最小化波形频谱在受干扰频段内功率。该问题是二次约束的多目标优化问题,采用Pareto优化方法,将两个目标函数通过加权构成一个目标函数,从而构成一个二次约束二次规划非凸优化问题。进一步采用半定规划松弛和随机化方法,可以获得最优发射波形,其性能与Pareto加权系数和PAR约束条件等有关。计算机仿真分析表明,发射波形设计在SNR和干扰抑制能力方面存在制约关系,并可以通过增大发射机动态范围进一步改善性能。     

相控阵干扰机干扰防空雷达网资源分配

当前空袭作战中,防空方可能采用地空导弹武器系统组网打击来袭目标,多波束相控阵干扰机成为干扰防空武器系统组网雷达的首选。着重研究了多波束相控阵干扰机干扰防空雷达网中资源分配的问题;建立了以防空雷达网各接收机前端干信比之和最大为目标函数的数学模型,并根据所建立的数学模型,选择启发式算法,通过计算机编程对数学模型进行了仿真研究,得出了仿真结论。     

基于多约束NSGA2算法的空管监视台站优化选址

为了实现空管监视台站的科学规划、合理布局,探讨了一种高效通用的优化选址算法。通过深入分析监视台站优化选址的问题,建立了多变量组合寻优的组网模型,提出了选址的简要约束条件和3个覆盖性能评估的目标函数,并在此基础上设计了空管监视台站优化选址的多约束NSGA2算法,该算法考虑了监视台站选址的各类影响因素加入多约束条件判定模块和种群修正模块。真实场景的仿真实例表明,优化输出的最优部署方案具有良好的覆盖性能,航路二重覆盖能达到98%以上,终端区域三重覆盖能达到95%以上。     

防空雷达网对多隐身目标的协同检测与跟踪

针对防空雷达网对多隐身目标检测与跟踪时雷达分配问题,该文将二值粒子群优化(BPSO)用于雷达分配,结合粒子滤波,提出了一种隐身目标的协同检测与跟踪算法。该算法将雷达分配问题转化成组合优化问题,根据目标的隐身特性设计雷达分配方案(RAS),借助随机分布的检测粒子计算不同RAS对新生目标的检测概率,同时根据RAS对已跟踪目标位置的后验克拉美罗界衡量跟踪精度,采用BPSO算法在RAS中进行全局搜索,选择最优分配方案进行粒子滤波与融合跟踪。与现有算法相比,该算法不仅能够及时检测新生目标,而且能够利用组网优势持续且优化跟踪隐身目标,使网络的整体跟踪精度得到显著提高,实现多目标协同跟踪。     

外辐射源雷达网络定位性能评估与实验验证

外辐射源雷达网络的探测性能受网络几何架构、电波传播环境、硬件系统性能及信号和数据处理能力等诸多因素的影响,网络优化部署需综合考虑上述各个方面,网络性能评估为需要解决的首要问题。该文围绕外辐射源雷达网络定位性能展开,首先给出一种切实可行的外辐射源雷达网络优化系统定位性能评估方案,利用蒙特卡洛仿真分析了一定站位配置下定位精度分布图。接着重点介绍了外辐射源雷达组网探测实验开展情况,包括系统配置、空中目标探测典型结果及分析。最后统计评估了实测目标的定位精度,并与仿真结果进行对比,从实验角度验证了定位性能评估方案的有效性。     

多机协同干扰组网雷达的资源调度方法

针对组网雷达频段宽、空间离散及自由度高而造成的干扰难度大的问题,本文提出一种多干扰机协同压制组网雷达系统的干扰波束和功率资源联合调度方法。首先,基于干扰信号模型以及组网雷达系统和随队支援干扰系统的几何位置关系建立敌方雷达回波信号模型;然后,结合压制干扰环境下敌方雷达回波信号模型,推导了组网雷达的目标检测概率,并将其作为性能指标以量化组网雷达的检测性能;最后,考虑到组网雷达与干扰机的工作频率匹配度给干扰资源分配带来的影响,建立并求解了带有干扰资源约束条件的干扰波束和功率联合优化问题。仿真结果表明,与干扰资源均匀分配方法相比,本文所提的干扰波束与功率资源联合调度方法能有效提升随队支援干扰系统的干扰性能,并降低组网雷达的检测性能。     

A mathematical optimization approach for cellular radio network planning with co-siting

Wireless network operators are continuously enhancing their networks by deploying newly developed wireless technologies. In order to reduce the deployment costs, the operators try to reuse as many components of the existing networks as possible. This includes the possibility of reusing base station sites in order to reduce costs such as site rental, site acquisition, and backhaul connectivity. In this paper, we model the problem of base station co-siting as a nested mixed integer optimization problem in order to optimize target objectives that are a function of performance and cost. The formulated problem takes as input an area of interest with existing fixed sites and obtains as output the optimal number and locations of required sites including newly deployed and co-sited with the fixed sites. The goal is to minimize the deployment cost of the new network by reusing as many existing sites of the existing network as possible while guaranteeing that the outage probability is below a target threshold. We propose and implement an algorithm to solve the formulated optimization problem as a function of the mobile station distribution and the existing fixed site locations. A UMTS/GSM co-siting scenario is used as a case study in order to evaluate the performance of the proposed algorithm. Results show that the optimal solution depends on the mobile station distribution and the existing sites in addition to a threshold parameter that provides a tradeoff between the deployment cost and the outage probability.     

多功能相控阵雷达实时任务调度研究

针对多功能相控阵雷达资源调度问题,建立了合理的雷达任务模型并提出一种新的调度算法.在雷达任务模型中将每一类驻留请求合并为一种任务,这样可以为调度处理提供最大的灵活性,同时基于此任务模型分析了调度器的时间负载.所提出的调度算法综合考虑了任务的工作方式优先级和截止期两个参数,可以较好地适应不同的负载情况.给出了算法的具体实现步骤,并以截止期错失率作为评估指标进行了仿真验证.仿真结果表明,本文所提出的调度算法能够有效降低任务的截止期错失率,对调度性能有明显的改善.     

分布式雷达检测数据融合系统及性能分析

研究了基于奈曼一皮尔逊准则的分布式并联融合系统的检测理论，给出了使系统性能达到最优的融合中心的融合规则和传感器的决策规则，提出了一种融合系统性能优化算法，将其应用于雷达网数据融合，并就三部雷达沿直线部署的具体情况进行了计算机仿真。结果表明：相对于单部雷达而言，融合系统的性能有非常显著的改善。     

基于启发式WCA的WMNs多网关选址方法

为了保证可扩展性,分簇是设计无线网格网(WMNs)的必然选择,而多网关选址是分簇规划的核心。分析了WMNs多网关选址的服务质量(QoS)约束条件,以及现有方法的缺陷,提出了一种基于启发式加权分簇算法(WCA)的WMNs多网关选址方法。在节点数量不是非常多的情况下,还提出可以采用基于布尔代数的最优化方法进行WMNs多网关选址,该方法可以提高网络的鲁棒性。算法仿真表明,本文提出的方法取得了良好的效果。     

基于Riccati方程的相控阵雷达稳态资源管理

针对相控阵雷达多目标跟踪中的资源管理问题,基于协方差控制的思想,建立了资源分配的最优化模型,提出一种基于Riccati方程的稳态资源管理算法。在预先设定期望协方差阵的前提下,算法可以通过求解Riccati方程算出相控阵雷达对各个目标最佳的跟踪参数,使得每个目标的实际跟踪协方差矩阵逼进期望协方差阵。该资源管理算法可以独立于目标跟踪滤波循环之外预先计算好雷达的跟踪参数,是一种离线的资源管理方法。通过选取三种不同的矩阵度量形式进行仿真试验,仿真结果验证了算法的有效性。     

双基地雷达栅栏覆盖的二维布站优化方法

为解决双基地雷达栅栏覆盖的优化问题,该文提出一种基于相邻部署线的2维布站优化方法。该方法首先将感兴趣区域用矩形区域近似替代,再将矩形区域划分为多个相同的子栅栏覆盖区域;其次为了充分发挥发射器的效能,该方法不仅利用同条部署线上的发射器与接收器组成双基地雷达,同时也采用相邻部署线之间的发射器与接收器组成双基地雷达。为此提出一种新的基本布站模式,并以该模式为基础建立2维布站的优化模型。该模型以布站成本最小为准则,覆盖区域为约束条件。为了求解该优化模型,该文提出一种基于贪婪算法的求解方法,该方法可以确定2维布站中发射器与接收器的数量及其位置。最后,仿真试验和分析表明该文方法可以有效降低布站成本,减少发射器的使用数量,证明了该文布站优化方法的有效性。     

基于蚁群算法的面向服务软件的部署优化方法

面向服务软件的部署优化问题是典型的NP难题.本文构建了基于性能改善的软件部署优化模型,设计了一种蚁群优化算法ACO-DO进行近似最优解的快速求解.该算法通过设计基于部署优化问题的启发式、改进部署方案的构建顺序、增加局部搜索过程实现蚁群算法求解效率的提升.通过不同规模的实例实验,验证了ACO-DO算法能够取得比现有的混合整数线性规划算法、蚁群算法和遗传算法更好的性能.     

Mutual information–based LPI optimisation for radar network

Radar network can offer significant performance improvement for target detection and information extraction employing spatial diversity. For a fixed number of radars, the achievable mutual information (MI) for estimating the target parameters may extend beyond a predefined threshold with full power transmission. In this paper, an effective low probability of intercept (LPI) optimisation algorithm is presented to improve LPI performance for radar network. Based on radar network system model, we first provide Schleher intercept factor for radar network as an optimisation metric for LPI performance. Then, a novel LPI optimisation algorithm is presented, where for a predefined MI threshold, Schleher intercept factor for radar network is minimised by optimising the transmission power allocation among radars in the network such that the enhanced LPI performance for radar network can be achieved. The genetic algorithm based on nonlinear programming (GA-NP) is employed to solve the resulting nonconvex and nonlinear optimisation problem. Some simulations demonstrate that the proposed algorithm is valuable and effective to improve the LPI performance for radar network.     

基于克隆选择的雷达抗同型干扰工作序列设计

为使多部同型雷达能够在近距离内同时正常工作,必须解决同型干扰问题。提出了一种基于克隆选择的雷达抗同型干扰工作序列设计方法。简要总结了现有解决方案存在的不足,讨论了平均同型干扰与雷达工作序列的关系,在此基础上建立了使平均同型干扰最小的雷达最优工作序列所应满足的数学模型,基于克隆选择框架构造启发式搜索,求解一个整数非线性规划问题。实验结果表明:克隆选择算法能够以高正确率快速收敛于全局最优解,获得雷达利用效率与抗同型干扰性能之间的最佳折衷。     

A non‐cooperative game model for reliability‐based task scheduling in cloud computing

Cloud computing is a newly emerging distributed system. Task scheduling is the core research of cloud computing which studies how to allocate the tasks among the physical nodes, so that the tasks can get a balanced allocation or each task's execution cost decreases to the minimum, or the overall system performance is optimal. Unlike task scheduling based on time or cost before, aiming at the special reliability requirements in cloud computing, we propose a non‐cooperative game model for reliability‐based task scheduling approach. This model takes the steady‐state availability that computing nodes provide as the target, takes the task slicing strategy of the schedulers as the game strategy, then finds the Nash equilibrium solution. We also design a task scheduling algorithm based on this model. It can be seen from the experiments that our task scheduling algorithm is better than the so‐called balanced scheduling algorithm.