[发明专利]基于IGA-NP算法的认知雷达最大MI波形优化方法

摘要

本发明公开了一种基于IGA‑NP算法的认知雷达最大MI波形优化方法，其主要思路为：确定认知雷达，该认知雷达的检测范围内存在目标信号，并分别计算得到目标信号谱方差、杂波谱方差、噪声功率谱，然后设定待优化波形功率谱；确定待优化波形的能量约束条件，并进行问题建模；设置迭代次数，以及进行非线性规划寻优的整数代数；分别设置染色体个数、交叉概率、变异概率；计算初始种群Code；初始化：令h表示第h次迭代，h∈{1,2,…,G},G表示设定的最大进化代数，计算第h次迭代后的k‑opt搜索种群以及第h次迭代后的最优染色体；直到h＝G，则结束迭代,并将迭代停止时对应的最优染色体，作为全局最优染色体；所述全局最优染色体为待优化波形功率谱。

主权项

一种基于IGA‑NP算法的认知雷达最大MI波形优化方法，其特征在于，包括以下步骤：步骤1，确定认知雷达，该认知雷达的检测范围内存在目标信号，所述认知雷达向其检测范围内的目标信号发射信号并接收认知雷达回波数据，并根据认知雷达回波数据分别计算得到目标信号谱方差、杂波谱方差、噪声功率谱，然后设定待优化波形功率谱；步骤2，根据目标信号谱方差、杂波谱方差、噪声功率谱，得到认知雷达回波数据与目标信号的互信息，确定待优化波形功率谱的能量约束条件，并进行问题建模；步骤3，根据问题建模设置迭代次数，以及进行非线性规划寻优的整数代数N；分别设置染色体个数、交叉概率、变异概率；N为大于0的正整数；步骤4，计算得到初始种群Code；初始化：令h表示第h次迭代，h∈{1,2,…,G},G表示设定的最大进化代数，且G为大于0的正整数；步骤5，计算得到第h次迭代后的k‑opt搜索种群步骤6，判断迭代次数h是否是N的倍数，如果是，执行步骤7；如果不是，转至步骤8；步骤7，对第h次迭代后的k‑opt搜索种群中的每个染色体进行一次局部寻优，得到第h次迭代后包含sp个局部最优染色体的种群然后转至步骤8；步骤8，根据第h次迭代后的k‑opt搜索种群或第h次迭代后包含sp个局部最优染色体的种群得到第h次迭代后的最优染色体；步骤9，如果h<G，令h加1，返回步骤5；如果h＝G，则结束迭代,并将迭代停止时对应的最优染色体，作为全局最优染色体；所述全局最优染色体为待优化波形功率谱。