本技術(shù)涉及雷達(dá)信號(hào)波形設(shè)計(jì),特別涉及一種基于粒子群算法的低旁瓣非線性調(diào)頻波形設(shè)計(jì)方法及裝置。
背景技術(shù):
1、脈沖壓縮(脈壓)作為現(xiàn)代雷達(dá)系統(tǒng)的一個(gè)重要處理技術(shù),能夠增強(qiáng)目標(biāo)信號(hào)信噪比。但是,通過(guò)傳統(tǒng)脈壓技術(shù)處理的雷達(dá)信號(hào)通常具有較高的旁瓣,存在弱目標(biāo)被強(qiáng)目標(biāo)旁瓣遮蔽的現(xiàn)象。低脈壓旁瓣技術(shù)能夠減少弱目標(biāo)被強(qiáng)目標(biāo)旁瓣遮蔽現(xiàn)象,提高雷達(dá)弱目標(biāo)檢測(cè)性能。
2、連續(xù)非線性調(diào)頻(nlfm)波形設(shè)計(jì)方法是一類低旁瓣脈壓技術(shù),通過(guò)改進(jìn)波形的調(diào)頻函數(shù)實(shí)現(xiàn)脈沖壓縮過(guò)程中的旁瓣能量相消,繼而完成低旁瓣脈壓處理。在文獻(xiàn)“一種改進(jìn)的非線性調(diào)頻信號(hào)設(shè)計(jì),電子學(xué)報(bào),37卷,8期,2009年8月,1784-1788頁(yè)”中,何學(xué)輝和陶海紅等人在窗函數(shù)法的基礎(chǔ)上提出一種改進(jìn)的非線性調(diào)頻信號(hào)方法,通過(guò)多次迭代獲取低旁瓣的脈壓結(jié)果;該方法在脈沖壓縮過(guò)程中需要迭代,在工程實(shí)踐中實(shí)時(shí)性較差。在文獻(xiàn):改進(jìn)的超低距離旁瓣脈沖壓縮波形設(shè)計(jì)“improved?ultra-low?range?sidelobe?pulsecompression?waveform?design,iet?electronics?letters,vol.40,no.22,october,2004,pp.1448-1449”中,e.de?witte和h.d.griffiths提出了一種連續(xù)nlfm信號(hào)波形設(shè)計(jì)算法,該算法基于分段nlfm波形設(shè)計(jì)算法改進(jìn)調(diào)頻函數(shù)得到,算法設(shè)計(jì)的波形具有更優(yōu)越的旁瓣抑制能力。但是,傳統(tǒng)連續(xù)nlfm波形設(shè)計(jì)方法需要在多參數(shù)空間內(nèi),通過(guò)全局搜索的方式尋找符合設(shè)計(jì)要求的參數(shù)組合,繼而實(shí)現(xiàn)波形設(shè)計(jì)。然而,參數(shù)空間全局搜索的計(jì)算開銷較大,因此,如何降低連續(xù)nlfm波形設(shè)計(jì)的計(jì)算開銷是一個(gè)需要解決的問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、本技術(shù)提供了一種基于粒子群算法的低旁瓣非線性調(diào)頻波形設(shè)計(jì)方法及裝置,可用于解決現(xiàn)有技術(shù)中多參數(shù)空間內(nèi)全局搜索參數(shù)組合造成計(jì)算開銷大的技術(shù)問(wèn)題。
2、本技術(shù)提供一種基于粒子群算法的低旁瓣非線性調(diào)頻波形設(shè)計(jì)方法,方法包括:
3、步驟1:根據(jù)雷達(dá)系統(tǒng)的要求設(shè)定系統(tǒng)參數(shù),并根據(jù)系統(tǒng)參數(shù)設(shè)定粒子群,設(shè)定粒子群參數(shù);系統(tǒng)參數(shù)包含信號(hào)的采樣率、脈沖寬度和帶寬;
4、步驟2:根據(jù)當(dāng)前粒子群位置映射的連續(xù)nlfm信號(hào)參數(shù)c、τ和χ,完成連續(xù)nlfm信號(hào)的脈沖壓縮,并根據(jù)脈壓壓縮結(jié)果最高旁瓣的數(shù)值作為當(dāng)前粒子適應(yīng)值;
5、步驟3:將第i個(gè)粒子的當(dāng)前適應(yīng)值與粒子位置向量pb,i對(duì)應(yīng)位置的粒子適應(yīng)值進(jìn)行比較,采用適應(yīng)值較小的粒子位置更新pb中第i個(gè)粒子的粒子位置向量pb,i;
6、步驟4:根據(jù)粒子最佳位置矩陣pb對(duì)應(yīng)的粒子位置,并基于粒子位置和粒子群3維參數(shù)空間獲取的連續(xù)nlfm信號(hào)參數(shù)c、τ和χ,生成連續(xù)nlfm信號(hào)、完成脈沖壓縮、獲取脈壓最高旁瓣的數(shù)值,并將基于每個(gè)粒子位置得到脈壓最高旁瓣的數(shù)值作為每個(gè)粒子的適應(yīng)值,選擇適應(yīng)值最小的粒子位置作為粒子群最佳位置向量gb;
7、步驟5:根據(jù)粒子群學(xué)習(xí)因子、隨機(jī)數(shù)、pb、gb和當(dāng)前粒子群速度更新粒子群的速度和當(dāng)前粒子群位置;
8、步驟6:查看迭代次數(shù)是否達(dá)到最大值,如果迭代次數(shù)沒(méi)有達(dá)到最大值,則執(zhí)行步驟2;如果迭代達(dá)到最大值,則執(zhí)行步驟7;
9、步驟7:輸出粒子群最佳位置向量gb,并根據(jù)粒子群最佳位置向量和粒子群3維參數(shù)空間獲取對(duì)應(yīng)的連續(xù)nlfm信號(hào)波形設(shè)計(jì)參數(shù)c、τ和χ,得到最終的低旁瓣連續(xù)nlfm波形。
10、進(jìn)一步地,根據(jù)雷達(dá)系統(tǒng)的要求設(shè)定系統(tǒng)參數(shù),并根據(jù)系統(tǒng)參數(shù)設(shè)定粒子群,設(shè)定粒子群參數(shù);包括:
11、設(shè)定連續(xù)非線性調(diào)頻nlfm信號(hào)的三個(gè)波形參數(shù)瞬時(shí)頻率上界c、頻率調(diào)控參數(shù)τ和時(shí)間調(diào)控參數(shù)χ的取值范圍和步長(zhǎng);根據(jù)c、τ和χ的取值范圍和步長(zhǎng)構(gòu)建粒子群3維參數(shù)空間,基于參數(shù)空間對(duì)于粒子群中各個(gè)粒子的位置和速度向量進(jìn)行編碼;對(duì)于粒子群參數(shù)進(jìn)行初始化,設(shè)置粒子群體規(guī)模m,粒子群規(guī)模通常≥10;設(shè)置兩個(gè)學(xué)習(xí)因子c1和c2,學(xué)習(xí)因子通常取值區(qū)間為閉區(qū)間[1,2];設(shè)置算法最大迭代次數(shù);設(shè)置第i個(gè)粒子的初始速度和初始位置1≤i≤m,初始速度和初始速度均受到粒子群3維參數(shù)空間約束;設(shè)置隨機(jī)數(shù)。
12、進(jìn)一步地,脈沖壓縮方法如下:
13、
14、t′=t/2-δ?(2)
15、
16、g(t)=s(t)*[sh(t)h(t)]?(6)
17、根據(jù)表達(dá)式(1)產(chǎn)生連續(xù)nlfm信號(hào)的頻率調(diào)制函數(shù)f,表達(dá)式(1)中的參數(shù)線性頻率分量時(shí)間邊界t′、非線性頻率分量時(shí)間參數(shù)δ和非線性頻率分量頻率參數(shù)分別通過(guò)表達(dá)式(2)-(4)獲得,kr是調(diào)頻斜率;
18、表達(dá)式(2)-(4)中,t是脈沖寬度,b表示信號(hào)帶寬,τ、χ和c分別是頻率調(diào)控參數(shù)、時(shí)間調(diào)控參數(shù)和瞬時(shí)頻率上界;在獲取f之后,發(fā)射信號(hào)s(t)通過(guò)表達(dá)式(5)獲得;式(5)中w(t)為信號(hào)幅度包絡(luò)函數(shù),為矩形窗函數(shù);雷達(dá)信號(hào)s(t)的脈沖壓縮處理過(guò)程如表達(dá)式(6)所示,其中*表示卷積,h(t)是窗函數(shù),上標(biāo)h代表復(fù)共軛操作,g(t)表示脈沖壓縮結(jié)果。
19、進(jìn)一步地,第i個(gè)粒子在第k次迭代中的速度以及第i個(gè)粒子在第k次迭代中的位置通過(guò)以下方法獲得:
20、
21、其中,為第i個(gè)粒子在第k次迭代中的速度;為第i個(gè)粒子在第k次迭代中的位置;為i個(gè)粒子在第k-1次迭代中的速度;為第i個(gè)粒子在第k-1次迭代中的位置。
22、進(jìn)一步地,隨機(jī)數(shù)的取值范圍為閉區(qū)間[0,1]。
23、本技術(shù)還提供一種基于粒子群算法的低旁瓣非線性調(diào)頻波形設(shè)計(jì)裝置,裝置包括:
24、參數(shù)確定模塊,言語(yǔ)根據(jù)雷達(dá)系統(tǒng)的要求設(shè)定系統(tǒng)參數(shù),并根據(jù)系統(tǒng)參數(shù)設(shè)定粒子群,設(shè)定粒子群參數(shù);系統(tǒng)參數(shù)包含信號(hào)的采樣率、脈沖寬度和帶寬;
25、脈沖壓縮模塊,用于根據(jù)當(dāng)前粒子群位置映射的連續(xù)nlfm信號(hào)參數(shù)c、τ和χ,完成連續(xù)nlfm信號(hào)的脈沖壓縮,并根據(jù)脈壓壓縮結(jié)果最高旁瓣的數(shù)值作為當(dāng)前粒子適應(yīng)值;
26、比較模塊,用于將第i個(gè)粒子的當(dāng)前適應(yīng)值與粒子位置向量pb,i對(duì)應(yīng)位置的粒子適應(yīng)值進(jìn)行比較,采用適應(yīng)值較小的粒子位置更新pb中第i個(gè)粒子的粒子位置向量pb,i;
27、選擇模塊,用于根據(jù)粒子最佳位置矩陣pb對(duì)應(yīng)的粒子位置,并基于粒子位置和粒子群3維參數(shù)空間獲取的連續(xù)nlfm信號(hào)參數(shù)c、τ和χ,生成連續(xù)nlfm信號(hào)、完成脈沖壓縮、獲取脈壓最高旁瓣的數(shù)值,并將基于每個(gè)粒子位置得到脈壓最高旁瓣的數(shù)值作為每個(gè)粒子的適應(yīng)值,選擇適應(yīng)值最小的粒子位置作為粒子群最佳位置向量gb;
28、更新模塊,用于根據(jù)粒子群學(xué)習(xí)因子、隨機(jī)數(shù)、pb、gb和當(dāng)前粒子群速度更新粒子群的速度和當(dāng)前粒子群位置;
29、判斷模塊,用于查看迭代次數(shù)是否達(dá)到最大值,如果迭代次數(shù)沒(méi)有達(dá)到最大值,則執(zhí)行繼續(xù)迭代;如果迭代達(dá)到最大值,則進(jìn)入輸出模塊;
30、輸出模塊,用于輸出粒子群最佳位置向量gb,并根據(jù)粒子群最佳位置向量和粒子群3維參數(shù)空間獲取對(duì)應(yīng)的連續(xù)nlfm信號(hào)波形設(shè)計(jì)參數(shù)c、τ和χ,得到最終的低旁瓣連續(xù)nlfm波形。
31、進(jìn)一步地,參數(shù)確定模塊具體用于:
32、設(shè)定連續(xù)非線性調(diào)頻nlfm信號(hào)的三個(gè)波形參數(shù)瞬時(shí)頻率上界c、頻率調(diào)控參數(shù)τ和時(shí)間調(diào)控參數(shù)χ的取值范圍和步長(zhǎng);根據(jù)c、τ和χ的取值范圍和步長(zhǎng)構(gòu)建粒子群3維參數(shù)空間,基于參數(shù)空間對(duì)于粒子群中各個(gè)粒子的位置和速度向量進(jìn)行編碼;對(duì)于粒子群參數(shù)進(jìn)行初始化,設(shè)置粒子群體規(guī)模m,粒子群規(guī)模通常≥10;設(shè)置兩個(gè)學(xué)習(xí)因子c1和c2,學(xué)習(xí)因子通常取值區(qū)間為閉區(qū)間[1,2];設(shè)置算法最大迭代次數(shù);設(shè)置第i個(gè)粒子的初始速度和初始位置1≤i≤m,初始速度和初始速度均受到粒子群3維參數(shù)空間約束;設(shè)置隨機(jī)數(shù)。
33、進(jìn)一步地,脈沖壓縮模塊具體用于:
34、
35、t′=t/2-δ?(2)
36、
37、g(t)=s(t)*[sh(t)h(t)]?(6)
38、根據(jù)表達(dá)式(1)產(chǎn)生連續(xù)nlfm信號(hào)的頻率調(diào)制函數(shù)f,表達(dá)式(1)中的參數(shù)線性頻率分量時(shí)間邊界t′、非線性頻率分量時(shí)間參數(shù)δ和非線性頻率分量頻率參數(shù)分別通過(guò)表達(dá)式(2)-(4)獲得,kr是調(diào)頻斜率;
39、表達(dá)式(2)-(4)中,t是脈沖寬度,b表示信號(hào)帶寬,τ、χ和c分別是頻率調(diào)控參數(shù)、時(shí)間調(diào)控參數(shù)和瞬時(shí)頻率上界;在獲取f之后,發(fā)射信號(hào)s(t)通過(guò)表達(dá)式(5)獲得;式(5)中w(t)為信號(hào)幅度包絡(luò)函數(shù),為矩形窗函數(shù);雷達(dá)信號(hào)s(t)的脈沖壓縮處理過(guò)程如表達(dá)式(6)所示,其中*表示卷積,h(t)是窗函數(shù),上標(biāo)h代表復(fù)共軛操作,g(t)表示脈沖壓縮結(jié)果。
40、進(jìn)一步地,第i個(gè)粒子在第k次迭代中的速度以及第i個(gè)粒子在第k次迭代中的位置通過(guò)以下方法獲得:
41、
42、其中,為第i個(gè)粒子在第k次迭代中的速度;為第i個(gè)粒子在第k次迭代中的位置;為i個(gè)粒子在第k-1次迭代中的速度;為第i個(gè)粒子在第k-1次迭代中的位置。
43、進(jìn)一步地,隨機(jī)數(shù)的取值范圍為閉區(qū)間[0,1]。
44、本技術(shù)針對(duì)傳統(tǒng)連續(xù)nlfm波形設(shè)計(jì)中全局搜索造成的大量計(jì)算開銷,通過(guò)采用粒子群算法優(yōu)化參數(shù)搜索過(guò)程,減少參數(shù)搜索次數(shù),從而降低波形設(shè)計(jì)的計(jì)算開銷。本技術(shù)提供的方法結(jié)合粒子群算法和連續(xù)非線性調(diào)頻信號(hào)波形設(shè)計(jì)算法,利用粒子群算法優(yōu)化連續(xù)非線性調(diào)頻信號(hào)波形設(shè)計(jì)的參數(shù)選取過(guò)程,從而減少波形設(shè)計(jì)涉及的參數(shù)搜索次數(shù),繼而明顯減小連續(xù)非線性調(diào)頻波形設(shè)計(jì)的計(jì)算開銷。