针对目标识别的波形优化设计方法

针对宽带雷达多类目标识别波形优化中的方位敏感性、距离敏感性和初相不确定性问题,该文在高斯色噪声背景下提出一种基于遗传算法和最大滑动相关分类器的波形优化方法,简称为GASC方法。该方法定义目标回波和同类模板之间的匹配系数与该目标回波和异类模板之间匹配系数的差为匹配距离,以最大化各类目标之间的匹配距离的最小值作为优化准则,并约束发射信号幅度是恒定的,然后通过遗传算法进行求解,得到优化波形信号。仿真结果表明,与现有方法相比,该方法能更好地增加各类目标之间的可分性,进而提高目标的识别性能。     

天基TDM-MIMO雷达系统抗干扰波形设计方法

针对天基MIMO脉冲雷达探测体制的发射波形设计问题,考虑到天基雷达的发射波形等相关参数极易被敌方侦察设备侦收到,提出了一种新的抗干扰天基TDM-MIMO雷达波形设计方法。结合雷达系统的信号处理流程,建立了基于复合模糊函数的波形设计参数化模型,以表征雷达探测性能的发射信号集复合模糊函数和表征抗欺骗干扰的正交性来优化设计雷达波形,在保证了雷达探测性能的前提下,兼顾了抗干扰性能。该优化波形同时具有一定范围的多普勒不敏感的特性。天基TDM-MIMO雷达系统各发射阵元依次发射或跳变发射正交波形,所有接收阵元接收回波信号,回波信号经过信号处理流程之后实现了目标的检测。仿真试验验证了优化波形的有效性和可行性,适用于天基TDM-MIMO雷达探测高速空间目标的实际工程应用。     

峰均功率比约束下扩展目标波形优化

针对包络约束条件下扩展目标最优检测波形设计,提出了峰均功率比约束条件下最优检测波形优化方法。首先,建立了扩展目标信号模型;然后,通过将恒定包括约束转换成峰均功率比约束,推导出该约束下扩展目标最优检测波形优化模型;并将该非凸模型转换成易于求解的凸优化模型,由此获得了恒定包络和低起伏包络条件下的最优检测波形;最后,以某典型扩展目标为例,仿真对比了不同约束参数下波形的检测性能,验证了优化所得恒定包络、低起伏包络波形相比于传统Barker 码波形具有更好的检测性能。     

基于感知矩阵统计相关系数最小化的压缩感知雷达波形优化设计

为了改善压缩感知雷达(Compressive Sensing Radar, CSR)目标参数提取的性能,该文提出一种最小化感知矩阵统计相关系数的CSR波形优化设计方法。文中首先建立了通用的CSR系统模型,推导了最小化感知矩阵统计相关系数的波形优化目标函数,其次以多相编码信号作为优化码型并采用遗传算法对目标函数进行优化求解。优化设计的波形使得感知矩阵子矩阵近似正交程度达到最优,与传统波形相比,能够有效降低目标参数估计误差,提高可检测目标个数的上限,改善了CSR目标参数提取的准确性和鲁棒性。计算机仿真验证了该方法的有效性。     

多特征子空间波形优化设计方法

针对宽带雷达方位不确定的目标识别波形优化设计问题,该文在色噪声背景下提出一种多特征子空间方法,简称为MES方法。它通过各类目标在各个方位下的回波的可分性进行分析,选择多个可以较好体现各类目标回波差异的特征向量,张成多个特征子空间,然后将期望信号投影到这些子空间上形成优化波形。仿真表明,相对于已有方法,该优化方法能更加平衡地增大每一个方位下目标的可分性,从而有效地提高了目标的识别率。     

面向多目标多用户的雷达通信一体化恒模波形设计

双功能雷达通信一体化系统可以使硬件和频谱资源得到有效利用,是解决当前无线频谱资源紧张问题的一种有效途径。该文针对同时多目标探测与多用户通信场景,以雷达接收回波的信干噪比(SINR)为指标保障雷达的探测性能,采用通信多用户干扰(MUI)作为通信指标保证通信传输性能。与此同时,为保证发射端功率放大器工作在饱和区域,增加了波形恒模的约束条件。该文通过对波形以及滤波器的联合优化,提出了一种在满足通信MUI功率一定的情况下,最大化雷达多目标探测回波最小信干噪比(SINR)的波形设计优化模型。针对此优化问题,采用了交替迭代优化的方法来求解此问题。仿真结果表明,所设计的波形在多目标探测以及多用户通信场景下,通过调整通信MUI功率门限,可以在保证通信MUI功率性能前提下,实现对多目标回波最小SINR的优化。     

非准确先验知识下认知雷达低峰均比稳健波形设计

针对目标和杂波先验知识不准确时认知雷达的检测波形设计问题,同时兼顾功率放大器对低峰均比(PAR)波形的需求,该文提出一种信号相关杂波背景下认知雷达低PAR稳健波形设计方法。首先,在目标和杂波不确定集范围内,基于极大极小化准则构造关于输出信干噪比(SINR)的优化模型;然后将不确定性参数代入该模型,给出最差SINR下对应杂波协方差矩阵和目标Toeplitz矩阵的取值;在此基础上,利用半正定松弛,将非凸的优化模型转化为关于发射波形半正定矩阵的凸问题进行求解;最后,通过秩1近似法结合最近邻方法,进一步从波形的最优矩阵解中提取出最优向量解。分析表明,在稳健性能相同的情况下,与现有方法相比该算法具有更低的运算量,仿真结果验证了所提方法的有效性和稳健性。     

杂波条件下稳健的MIMO雷达发射波形和接收滤波器联合优化设计

现有MIMO雷达发射波形和接收滤波器联合优化方法均未考虑阵元功率放大器非线性以及算法的稳健性。针对上述问题,该文以MIMO雷达各阵元发射功率和每个阵元发射波形的峰均比(PAR)为约束条件,提出一种杂波条件下稳健的MIMO雷达发射波形和接收滤波器联合优化设计方法。该方法利用Max-Min构造目标导向矢量不确定集范围内关于雷达输出信干噪比(SINR)的优化模型,通过半正定松弛(SDR)、Charnes-Cooper转换、序列优化和Lagrange对偶方法,将非凸的联合优化模型转化为两个分别关于发射波形和接收滤波器空时序列协方差矩阵的凸的半正定规划问题(SDP)进行求解,最后利用随机向量合成方法得到具体的发射波形和接收滤波器。实验仿真验证了所提方法的有效性和稳健性。     

基于智能反射面辅助雷达的恒模多相波形-反射面联合优化算法

该文通过联合优化雷达发射波形,接收滤波器以及部署在场景中的智能反射面(RIS),来增强雷达系统在杂波环境下的目标检测性能。在雷达波形和RIS相移矢量离散相位约束的前提下,该文采用系统输出信干噪比(SINR)为优化目标来建立RIS辅助下的雷达目标检测性能增强问题。为求解所形成的联合非凸优化问题,该文提出了一种交替优化求解策略,在每一轮迭代中基于优化子最大化的思想次序的两个关于波形和RIS相移矢量的优化子问题。仿真实验证明所提优化算法能够在满足恒模多相约束的情况下,提供高质量的RIS相移矢量-雷达收发波形,使得RIS辅助下的雷达系统目标检测性能得到明显的增强。     

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。     

MIMO Radar Waveform Optimization With Prior Information of the Extended Target and Clutter

The concept of multiple-input multiple-output (MIMO) radar allows each transmitting antenna element to transmit an arbitrary waveform. This provides extra degrees of freedom compared to the traditional transmit beamforming approach. It has been shown in the recent literature that MIMO radar systems have many advantages. In this paper, we consider the joint optimization of waveforms and receiving filters in the MIMO radar for the case of extended target in clutter. A novel iterative algorithm is proposed to optimize the waveforms and receiving filters such that the detection performance can be maximized. The corresponding iterative algorithms are also developed for the case where only the statistics or the uncertainty set of the target impulse response is available. These algorithms guarantee that the SINR performance improves in each iteration step. Numerical results show that the proposed methods have better SINR performance than existing design methods.      

基于可行点追踪的机载MIMO雷达收发联合设计方法

针对目标先验信息不准确条件下机载多输入多输出(multiple-input multiple-output,MIMO)雷达运动目标检测性能下降的问题,提出了一种基于可行点追踪连续凸近似(feasible point pursuit successive convex approximation,FPP-SCA)的机载MIMO雷达发射波形和接收滤波器组联合设计方法。在角度-多普勒平面上目标可能出现的区域设计一组接收滤波器,以最大化最差情形输出信杂噪比作为联合设计的优化准则;考虑波形的恒模和相似性约束建立极大化极小的联合设计问题,以提高目标参数不准确条件下对目标的稳健性检测;基于FPP-SCA算法框架,将联合设计问题的非凸约束条件进行凸近似处理,解决了极大化极小联合设计问题。仿真实验验证了所提方法能在目标参数不准确时保持较优的目标检测性能,且运算量低于对比方法。     

MIMO雷达正交混沌调频波形集设计

正交波形设计是实现MIMO雷达的关键技术之一,目前正交波形设计方法主要多采用统计优化算法,如模拟退火、遗传算法等,此类方法主要缺点是算法耗时长、效率低,且所设计的波形集性能随着波形个数的增加而下降,针对此问题,提出一种基于混沌调频的MIMO雷达正交波形集设计方法,采用混沌调频信号作为MIMO雷达的发射波形,利用混沌序列良好的统计特性,无需寻优处理即可得到性能优越的正交波形集,且理论上可以得到任意数目的波形而不损失波形集性能,因此,该方法在算法效率和波形多样性方面具有优势,计算机仿真实验验证了设计方法的有效性。      

最大互信息准则下的认知MIMO雷达波形设计

针对杂波背景下对认知多输入多输出(MIMO)雷达波形设计研究较少的问题,提出了一种基于最大互信息准则的波形设计方法。该方法结合一般认知雷达波形设计模型,以雷达发射功率作为约束条件,以最大化目标与接收回波间的互信息为目标,对认知MIMO雷达的波形设计问题进行建模,并采用卡尔曼滤波一步预测的方法对快速运动扩展目标的冲激响应进行预测,实现对目标的精准估计;同时,基于上述分析采用最大能量分配的方法进行波形设计。仿真实验表明,与传统的线性调频信号(LFM)相比,文中所提方法可以获得更多的信息量。     

基于知识辅助的MIMO雷达波形设计方法

该文针对雷达系统受到天线主瓣和副瓣杂波以及强干扰影响时性能下降问题,提出基于距离扩展目标和杂波先验信息的MIMO雷达波形设计方法。首先建立了目标函数,综合考虑了波束主瓣增益、旁瓣杂波抑制能力以及目标输出SCNR的改善性能;然后在优化问题求解中对约束条件进行松弛,使得波形矩阵空域和时域2维解耦合,从而实现空域波束形成和时域波形设计独立优化求解;其次利用L-BFGS算法设计恒模的发射波形矩阵,形成低副瓣的波束方向图和较深的强杂波抑制凹口,并基于目标输出SCNR最大化准则,利用迭代算法分步求解优化的主瓣发射波形和接收滤波器;最后通过电磁仿真的距离扩展目标数据验证所提算法的有效性。     

检测性能约束下目标估计的波形优化设计

为了提高杂波背景下检测性能约束的扩展目标估计性能,提出一种基于凸优化和随机化方法的波形优化设计算法。文中考虑了实际雷达系统应用对目标检测性能的要求,定义了随机目标场景下的信杂噪比,并将之作为约束条件,以最大化接收回波与目标随机冲激响应之间的互信息作为优化准则,利用凸优化和随机化方法进行恒包络相位编码信号的设计。仿真实验结果表明,该算法获得的发射信号能够满足系统最低检测信杂噪比的要求,最大化互信息,提高了目标的估计性能,将扩展目标估计性能和检测性能有效统一起来。     

干扰环境下MIMO雷达波形与接收滤波联合优化算法

传统雷达一般采用固定的发射波形,在干扰环境下很难获得最优的目标检测性能。针对这一问题,利用集中式多输入多输出(MIMO)雷达波形分集的优势,提出了一种干扰环境下的MIMO雷达波形与接收滤波联合优化算法。以最大化输出信干噪比为准则,使发射波形满足恒模条件,同时施加波形与具备较好脉压特性雷达波形之间的相似性约束,建立了有限相位发射波形与接收滤波权值的优化模型。然后,在循环迭代的算法框架下,将优化问题分解为2个子优化问题,并分别采用拉格朗日乘子法、半正定松弛技术对子优化问题求解,得到发射波形与接收滤波权值的联合优化结果。仿真结果表明,所提算法较现有方法相比有更高的输出信干噪比,使干扰信号的抑制性能得到改善,同时可兼顾发射波形的脉冲压缩特性。     

基于凸优化的宽带雷达波形优化方法

针对宽带雷达目标识别波形优化中多类目标方位和初相不确定问题,在高斯色噪声背景下提出一种基于凸优化的波形优化方法。该算法通过半正定松弛方法对目标识剐波形优化这个非凸问题进行近似求解,较好地解决了多类目标方位和初相不确定情况下的波形优化问题。仿真结果表明：该方法可以有效增加各类目标之间的可分性,从而提高目标识别性能。     

基于量子遗传算法的MIMO雷达正交信号波形设计

正交信号波形设计是MIMO雷达领域的研究热点,随着技术的发展,MIMO雷达对正交信号波形的性能要求越来越高。针对现有MIMO雷达正交信号波形互相关峰值较高且算法收敛速度慢的问题,为了提高码长较长的正交信号波形的性能,本文使用量子遗传算法,将量子计算与遗传算法相结合,进一步降低了波形的互相关峰值,一方面降低了不同目标回波之间的相互干扰,提高了雷达系统的检测性能,另一方面使雷达系统更难被敌方定位,提高了雷达的战场生存能力。仿真试验的结果表明,该方法能有效提高波形的正交性能,并加快了优化的速度。