[发明专利]基于增广拉格朗日遗传算法的NFLM信号优化方法及装置

权利要求书

1.一种基于增广拉格朗日遗传算法的非线性调频NLFM信号优化方法，其特征在于，所述方法包括：

基于贝塞尔曲线建立NLFM信号的时域函数；

根据所述NLFM信号的时域函数确定所述NLFM信号的自相关函数性能中的主瓣宽度MW和峰值旁瓣比PSLR，基于所述MW和所述PSLR建立优化数学模型；其中，根据不等式约束的非线性规划模型，在满足不展宽主瓣的情况下降低旁瓣的条件时，将PLSR(p)作为优化数学模型的目标函数，将MW(p)作为约束函数，建立所述优化数学模型，或，在满足不升高旁瓣的情况下降低主瓣的条件时，将MW(p)作为优化数学模型的目标函数，将PLSR(p)作为约束函数，建立所述优化数学模型；其中，在时频坐标关系平面内给定n+1个控制点，由n+1个控制点构成所述NLFM信号的第一向量P，第二向量p为第一向量P的n+1个控制点中的前个控制点在频率轴上的向量，所述PSLR(p)为根据第二向量p求得的NLFM信号的所述PSLR，MW(p)为根据第二向量p求得的NLFM信号的MW；

基于所述优化数学模型确定增广拉格朗日遗传算法的算法模型；

基于初始化函数初始化NLFM信号集合中各NLFM信号，得到相应的初始NLFM信号；

利用所述算法模型，对设定的初始迭代参数和所述初始NLFM信号进行持续迭代，直到所述增广拉格朗日遗传算法收敛；

所述基于所述优化数学模型确定增广拉格朗日遗传算法的算法模型包括：

基于所述优化数学模型，利用增广拉格朗日算法确定目标函数：

Θ(p,λ,s)＝g(p)-λslog(s-c(p))；

其中，λ为拉格朗日算子，s为偏移量，λ、s均为非负数；g(p)为第二向量p对应的PSLR或MW，c(p)为第二向量对应的MW或PSLR；

利用增广拉格朗日算法确定参数函数：

μ_k+1＝μ_k，s_k+1＝μ_k+1λ_k+1；

其中，μ为保证s-c(p)大于0的数值；

根据所述目标函数计算当前NLFM信号集合中各NLFM信号的适应度；根据各NLFM信号的适应度从NLFM信号集合中选择父体NLFM信号；对所述父体NLFM信号进行交叉处理、变异处理，得到下一次迭代的NLFM信号；

根据所述参数函数计算当前拉格朗日算子和偏移量对应的下一次迭代的拉格朗日算子和偏移量。

2.根据权利要求1所述的方法，其特征在于，所述基于贝塞尔曲线建立NLFM信号的时域函数包括：

基于贝塞尔曲线建立NLFM信号的时频关系，根据所述NLFM信号的时频关系确定NLFM信号的相位函数，根据所述NLFM信号的相位函数确定所述NLFM信号的时域函数。

3.根据权利要求2所述的方法，其特征在于，所述基于贝塞尔曲线建立NLFM信号的时频关系，根据所述NLFM信号的时频关系确定NLFM信号的相位函数，根据所述NLFM信号的相位函数确定所述NLFM信号的时域函数，包括：

所述第一向量P＝{(x_i,y_i)|i＝0,1...,n}，x_i和y_i分别是第i个控制点P_i的横坐标和纵坐标，各控制点的横坐标x_i在时间轴上是均匀分布的，为已知量；

采用贝塞尔曲线建立所述NLFM信号的时频关系为：

其中，是一个二次项的系数，T_r为所述NLFM信号的脉冲宽度，x(t)为控制点在时间轴上的向量，f(t)为控制点在频率轴的向量，

根据所述时频关系确定所述NLFM信号的相位函数θ(t)为：

θ(t)＝2π·∫f(t)·x'(t)dt；

根据所述相位函数确定幅度为A的NLFM信号的时域函数为：

s(t)＝Aexp{-jθ(t)}。