[发明专利]基于天牛须搜索算法的认知雷达波形优化方法

说明书

本发明属于认知雷达领域，为提出一种基于天牛须搜索算法的波形优化方法，与目前存在的方法相比该方法更简单方便且能够得到更好的效果。为此，本发明采用的技术方案是，基于天牛须搜索算法的认知雷达波形优化方法，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。本发明主要应用于认知雷达设计制造场合。

技术领域

本发明属于认知雷达领域，是一种新颖的用来改进认知雷达波形优化的方法。具体涉及到一种天牛须搜索算法，将该算法对认知雷达中自适应波形进行优化,达到提高对环境中目标散射系数估计精确度的目的。

背景技术

认知雷达系统由发射机、接收机和环境组成，是一个闭环系统[1]。接收机的关键功能之一是将接收到的环境信息反馈给发射机，发射机根据反馈信息对传输的波形进行优化，从而不断提高系统的估计和检测性能。在发射机中，传输的波形会根据得到的信息进行改变，以便准确地估计目标。因此，认知雷达最主要的问题是波形优化问题。

一般来说,现有波形优化问题可以概括为以下几个方面:最大化互信息量[2]，最小化克拉美罗界[3]，最小化均方误差mean square error,MSE[4]，最大化信号干扰噪声比[5]和信噪比[6]，优化模糊度函数[7]等等。然而，这些问题一般都是非凸[8]问题，不能直接解决。现有工作一般将这些问题转化为凸优化问题，利用半正定松弛法semi-definiterelaxation(SDR)[9]来解决这些问题。SDR是解决优化问题的一种有效的方法。然而，在用它解决优化问题的时候，一些约束条件往往被舍弃从而降低结果的准确性，因此，我们要寻找其他的方法。

基于自然启发式的优化算法[10]近年来越来越受到人们的关注，因为它们在解决优化问题上具有强大的性能，相比于目前的波形优化方法，自然启发式算法能够得到更精确的优化结果，特别是在解决这些非凸优化问题时。

天牛须搜索Beetle Antennae Search(BAS)算法[11]是受长角天牛搜索食物行为而产生的最新的元启发式算法。该算法模拟天牛依靠触角寻找食物的原理，将食物的气味作为目标函数，天牛的位置作为变量，通过比较左右两个触角接收到的气味的大小不断更改天牛的位置从而找到最优解。本发明基于天牛须搜索算法提出了一种用于解决认知雷达波形优化的方法，得到很好的优化结果。

[1]S.Haykin,“Cognitive radar:a way of the future,”IEEE SignalProcessing Magazine,vol.23,no.1,pp.30–40,Jan.2006.

[2]A.Leshem,O.Naparstek,and A.Nehorai,“Information theoretic adaptiveradar waveform design for multiple extended targets,”IEEE Journal of SelectedTopics in Signal Processing,vol.1,no.1,pp.42–55,Jun.2007.

[3]P.Liu,Y.Liu,and X.Wang,“A cognitive radar approach for extendedtarget ranging,”in2017IEEE Radar Conference(RadarConf),May 2017,pp.0709–0712.