[发明专利]基于天牛须搜索算法的认知雷达波形优化方法

权利要求书

1.一种基于天牛须搜索算法的认知雷达波形优化方法，其特征是，利用雷达接收机接收到的波形信息对目标散射系数进行估计，估计的方法采用最大后验概率估计并用卡尔曼滤波进行迭代估计，将估计的目标散射系数与实际的目标散射系数进行比较，计算两者之间的最小均方误差，将发送波形作为变量，最小均方误差作为目标函数，设计优化目标的数学模型，利用天牛须搜索算法进行求解，得出目标函数最小时的发送波形；

天牛须搜索算法计算中，天牛触角中间位置表示所要优化的发送波形信号X,天牛最初的位置是在约束条件下的随机矢量，所以天牛左右两个触角的位置表示为：Xl＝X+d0*di，Xr＝X-d0*dir/2，Xl表示天牛的左触角的位置，Xr表示天牛右触角的位置，d0表示两个触角间的距离，dir表示天牛的方向，食物气味的强度表示所要优化波形的评估函数，即目标函数F，F为最小均方误差函数，天牛通过比较左右两个触角接收到的气味强度更新天牛的下一个位置，比较天牛左右两边目标函数的大小，哪边小天牛就向哪边移动，从而找到目标函数的最小值；

天牛下一步的更新方式是上一步的位置减去它移动步的大小，表达式为：x^t+1＝x^t-step^t*dir*sign(f_left-f_right)，其中x^t表示天牛在t时刻的位置，step表示天牛每走一步的步长，它在每次更新迭代的过程中是不断变小的：step^t+1＝step^t*w其中w是一个小于1的数，sign(·)表示符号函数，当它的自变量小于0的时候函数值为-1，当它的变量等于0的时候函数值为0，当它的变量大于0的时候函数值为1，f_left和f_right分别表示左右两个触角的食物强度，就这样天牛不断的向气味最强烈的方向也就是目标函数值最小的方向靠近，直到达到迭代次数得出此时天牛的位置就是优化的波形。

2.如权利要求1所述的基于天牛须搜索算法的认知雷达波形优化方法，其特征是，具体步骤如下：

步骤1：给定接收信号的维度D和整个天牛须搜索算法的迭代次数MaxDT，给定迭代权重w,w的值小于1，随机初始化天牛须搜索算法的位置即所要求得的优化波形x、建立目标函数为最小均方误差函数f(x)，初始化全局最优值x_bst，最优函数值f_bst；

步骤2：产生一个随机矢量dir作为触角的方向；

步骤3：根据公式计算两个触角的位置；

步骤4：计算左右两个触角对应的目标函数值并比较大小；

步骤5：更新天牛的下一个位置；

步骤6：将天牛新位置对应的目标函数值和最优函数值进行比较并更新最优函数值；

步骤7：计算天牛的下一个步长；

步骤8：重复步骤3，4，5，6，7直到达到最优解或者满足迭代次数，输出最优解。