[发明专利]一种基于模因算法的离散正交多相码集优化方法

说明书

本发明提供一种基于模因算法的离散正交多相码集优化方法，在模因算法(Memetic Algorithm,MA)的基础上，融合了针对每个个体的局部搜索优化，局部搜索采用贪婪搜索算法(Greedy Code Search,GCS)，能够降低算法复杂度，并提升所设计码集的性能；同时，本发明采用了部分重启的方法，将随机生成的码集个体引入到当前种群中，能够有效提高群体的遗传多样性，进一步提高优化码集的性能。

技术领域

本发明属于雷达波形设计技术领域，尤其涉及一种基于模因算法的离散正交多相码集优化方法。

背景技术

多输入多输出(Multiple Input Multiple Output,MIMO)雷达因其具有较高的设计自由度和良好的性能而受到广泛关注，MIMO雷达通过发射性能优秀的离散正交多相码集(Orthogonal Polyphase Code Sets,OPPCS)，可以在改善雷达低截获性能的同时，提高杂波背景下目标的检测能力。

性能优秀的离散正交多相码集，表现为码集中每个多相码序列的自相关旁瓣较低，且两两之间的互相关水平也较低，常用的码集设计方法为进化算法，而码集设计的复杂度随着每个多相码序列的长度N和码集中多相码序列个数L的增大而呈指数增长，因此需要寻找加速算法，降低算法复杂度，并提升所设计码集的性能。

发明内容

为解决上述问题，本发明提供一种基于模因算法的离散正交多相码集优化方法，能够降低算法复杂度，提升所设计码集的性能。

一种基于模因算法的离散正交多相码集优化方法，包括以下步骤：

S1：随机生成三个以上的码集；

S2：基于GCS的局部搜索算法对每个码集进行局部搜索优化，得到优化后的码集以及优化后的各个码集对应的代价函数，同时，选取代价函数最小的N_par个优化后的码集作为父辈个体加入父辈种群；

S3：判断当前迭代次数是否达到设定的部分重启最大迭代次数，若已达到，则将当前得到的父辈种群执行步骤S4；若未达到，则重新随机生成N_rs个码集再次进行局部搜索优化，并将再次优化得到的码集作为新的父辈个体加入父辈种群，然后执行步骤S4；

S4：对当前的父辈种群进行N_os次随机抽取，且每次抽取一个，得到N_os个个体形成的子种群，N_osN_par；同时，从子种群对应的码集中随机选取N_mut个码元进行变异，再对变异后的子种群中包含的码集进行局部搜索优化，得到优化后的子种群以及优化后的子种群中各个码集对应的代价函数；

S5：在优化后的子种群中选取代价函数最小的N_par个码集对应的个体加入下一次迭代的父辈种群；同时，将所述下一次迭代的父辈种群重复步骤S3～S5，直到当前迭代次数达到预先设定的最大迭代次数或者当前代优化后的子种群中至少存在一个代价函数小于设定阈值的码集，最后将当前代价函数最小的码集作为最终优化得到的码集。

进一步地，所述码集为由L个长度为N的码元序列构成，且码元的相位值种类数为M，所述基于GCS的局部搜索算法对每个码集进行局部搜索优化具体为：

依次将各码集中的每个码元作为当前码元执行以下步骤，得到码元优化后的码集：

依次采用其余M-1种相位值替代当前码元的相位值，并计算相位值替代后的码集对应的代价函数，其中，每进行一次相位值替代，判断一次相位值替代后的码集对应的代价函数是否小于当前码元为原始相位值时的码集对应的代价函数，若小于，则将当前进行替代的相位值作为当前码元的相位值，且当前码元不再进行后续种类的相位值替代；若不小于，则保持当前码元的原始相位值不变。

进一步地，码集对应的代价函数E(S)的计算方法为：