本發(fā)明屬于雷達(dá)波形設(shè)計(jì)，具體涉及一種基于迭代貪婪碼搜索模因算法的離散正交序列優(yōu)化方法。

背景技術(shù)：

1、多輸入多輸出(multiple?input?multiple?output，mimo)雷達(dá)一經(jīng)提出，就成為國內(nèi)外雷達(dá)界的一個(gè)研究熱點(diǎn)。目前常用的mimo雷達(dá)波形，它們分為四類:(1)時(shí)分復(fù)用(time?division?multiplexing,tdm)mimo波形，(2)頻分復(fù)用(frequency?divisionmultiplexing,fdm)mimo波形，(3)多普勒分復(fù)用(doppler?division?multiplexing，ddm)mimo波形和(4)碼分復(fù)用(code?division?multiplexing，cdm)mimo波形。

2、這四種mimo雷達(dá)波形中，tdm-mimo波形因?yàn)槔速M(fèi)了多通道的發(fā)射能力，不利于提高雷達(dá)探測距離；fdm-mimo波形經(jīng)過旁瓣抑制后能獲得良好的主副比，但系統(tǒng)實(shí)現(xiàn)結(jié)構(gòu)復(fù)雜并且其在當(dāng)前的毫米波雷達(dá)芯片上無法實(shí)現(xiàn)；ddm-mimo波形存在著多普勒不模糊范圍受限的問題，其最大不模糊速度大大降低，所以其適用于速度不高的應(yīng)用場景，如用于短程雷達(dá)(srr)應(yīng)用中。

3、cdm-mimo波形包括快時(shí)間cdm-mimo波形和慢時(shí)間cdm-mimo波形。其中快時(shí)間cdm-mimo波形需要在單個(gè)脈沖內(nèi)進(jìn)行相位調(diào)制，在當(dāng)前市場上的主流毫米波雷達(dá)芯片上也無法實(shí)現(xiàn)。慢時(shí)間cdm-mimo波形在慢時(shí)間維對每個(gè)脈沖進(jìn)行相位調(diào)制獲得正交性，前面提到的ddm-mimo波形是慢時(shí)間cdm-mimo波形的一個(gè)特例。慢時(shí)間cdm-mimo波形有著以下優(yōu)點(diǎn)：距離旁瓣低、沒有發(fā)射能力的損失、在當(dāng)前市場上的主流毫米波雷達(dá)芯片上可以實(shí)現(xiàn)、不存在多普勒不模糊范圍受限的問題以及適用于所有應(yīng)用場景。但其也存在著缺點(diǎn)：慢時(shí)間cdm-mimo波形的速度旁瓣會受離散正交碼序列集的正交性影響。而現(xiàn)有的離散正交碼序列集的非循環(huán)自相關(guān)和互相關(guān)函數(shù)與相關(guān)函數(shù)峰值旁瓣下界(如welch非循環(huán)相關(guān)函數(shù)峰值旁瓣下界)的差值較大，如何獲得正交性更好的離散正交碼序列集和優(yōu)化效果更好的碼序列優(yōu)化方法仍是一個(gè)值得研究的開放問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是，現(xiàn)有碼序列優(yōu)化方法所設(shè)計(jì)出的碼序列集，其自相關(guān)和互相關(guān)性能與已有下界的差值仍然較大。為解決該問題，本發(fā)明提供一種基于迭代貪婪碼搜索模因算法的離散正交碼序列優(yōu)化方法，該方法能夠進(jìn)一步提升碼序列性能，提高搜索效率。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于迭代貪婪碼搜索模因算法的離散正交碼序列優(yōu)化方法，具體步驟如下：

3、步驟1：初始化最大迭代次數(shù)tmax、親本數(shù)量nump、子代數(shù)量numo、碼序列集中序列個(gè)數(shù)l、碼長n、碼序列的可選相位數(shù)量m、權(quán)重系數(shù)w；

4、步驟2：根據(jù)序列個(gè)數(shù)l、碼長n、可選相位數(shù)量m生成nump個(gè)初始個(gè)體；

5、步驟3：計(jì)算生成的nump個(gè)初始個(gè)體的目標(biāo)函數(shù)，并將初始個(gè)體按目標(biāo)函數(shù)升序排列，這nump個(gè)初始個(gè)體構(gòu)成最初的親本；

6、步驟4：判斷當(dāng)前迭代次數(shù)是否達(dá)到最大迭代次數(shù)tmax或滿足算法終止條件，若已達(dá)到最大迭代次數(shù)tmax或已滿足算法終止條件，則終止算法并返回目標(biāo)函數(shù)最低的碼序列集；否則，繼續(xù)下一次迭代；

7、步驟5：通過變異和交叉共生成numo個(gè)子代個(gè)體；

8、其中numo/2個(gè)子代個(gè)體通過交叉產(chǎn)生，從nump個(gè)親本中依次選擇一個(gè)親本作為目標(biāo)個(gè)體，再從nump個(gè)親本中隨機(jī)選擇一個(gè)親本作為基個(gè)體，通過交叉函數(shù)將目標(biāo)個(gè)體和基個(gè)體進(jìn)行交叉操作，最終在目標(biāo)個(gè)體的基礎(chǔ)上產(chǎn)生新的子代個(gè)體；剩余numo/2個(gè)子代個(gè)體通過變異產(chǎn)生，每次從nump個(gè)親本中依次選擇一個(gè)親本作為目標(biāo)個(gè)體，通過變異函數(shù)對目標(biāo)個(gè)體執(zhí)行變異操作，生成新的子代個(gè)體；

9、步驟6：計(jì)算新生成的numo個(gè)子代個(gè)體的目標(biāo)函數(shù)，將新生成的每個(gè)子代個(gè)體進(jìn)行迭代貪婪碼搜索，得到經(jīng)過搜索優(yōu)化后的新個(gè)體及其對應(yīng)的目標(biāo)函數(shù)；

10、步驟7：將步驟6經(jīng)迭代貪婪碼搜索后得到的所有新個(gè)體和親本進(jìn)行合并，對合并后的種群按目標(biāo)函數(shù)升序排列，在升序排列后的種群中，刪除重復(fù)個(gè)體，得到?jīng)]有重復(fù)個(gè)體的新種群；

11、步驟8：對步驟7得到的種群，利用選擇函數(shù)選取目標(biāo)函數(shù)最小的nump個(gè)個(gè)體作為下一次迭代的親本；

12、步驟9：對步驟8得到的親本重復(fù)步驟4～步驟9，直至當(dāng)前迭代次數(shù)達(dá)到最大迭代次數(shù)tmax或滿足算法終止條件，并輸出目標(biāo)函數(shù)最小的個(gè)體，該個(gè)體即為最終優(yōu)化后的正交性能最好的離散正交碼序列集。

13、進(jìn)一步地，上述步驟2中的初始個(gè)體通過隨機(jī)函數(shù)生成，通過隨機(jī)函數(shù)每次從碼序列可選相位中隨機(jī)選取一種相位；

14、碼序列可選相位如下式所示：

15、δl(n)∈{0,2π/m,…,(m-1)*2π/m}

16、最終生成的初始個(gè)體用l×n矩陣表示：

17、

18、其中δl(n)表示第l個(gè)信號的第n個(gè)子脈沖的相位。

19、進(jìn)一步的，所述步驟3中以自相關(guān)峰值旁瓣和互相關(guān)峰值同時(shí)最小化作為目標(biāo)函數(shù)。

20、進(jìn)一步的，所述步驟6的具體流程如下：

21、對新生成的每個(gè)子代個(gè)體進(jìn)行貪婪碼搜索，第一次貪婪碼搜索結(jié)束后，判斷搜索后個(gè)體的目標(biāo)函數(shù)是否降低；若沒有降低，則直接輸出搜索后個(gè)體；若降低，則對搜索后個(gè)體再進(jìn)行貪婪碼搜索，再一次判斷搜索后個(gè)體的目標(biāo)函數(shù)是否降低；重復(fù)前面操作，直到搜索后的個(gè)體目標(biāo)函數(shù)不再降低，并輸出最終搜索優(yōu)化后的個(gè)體及其目標(biāo)函數(shù)。

22、進(jìn)一步的，所述步驟7中，使用一種處理進(jìn)化停滯的方法，具體流程如下：

23、將步驟7中合并后且升序排列的種群，進(jìn)行一個(gè)判斷是否相同的操作；從種群中第一個(gè)個(gè)體開始，將其與剩下的第2，…，第numo+nump-1個(gè)個(gè)體進(jìn)行比較；如果兩個(gè)個(gè)體相同，則刪去被比較的重復(fù)個(gè)體，不同則保留；刪除重復(fù)個(gè)體或保留個(gè)體后繼續(xù)下一個(gè)個(gè)體的比較；第一個(gè)個(gè)體搜索結(jié)束后，可能存在幾種情況：第一種，只剩下第一個(gè)個(gè)體；第二種，只剩下兩個(gè)個(gè)體；第三種，剩下n個(gè)個(gè)體n>3；顯然，前兩種情況不用再進(jìn)行對比，因?yàn)樗鼈円呀?jīng)對比過了；如果是第三種情況，則從第2個(gè)個(gè)體開始，依次對比第3，…,n個(gè)個(gè)體；直到所有個(gè)體都對比結(jié)束，最終得到?jīng)]有重復(fù)個(gè)體的新種群。

24、進(jìn)一步的，所述目標(biāo)函數(shù)e具體為：

25、

26、其中w是自相關(guān)峰值旁瓣和互相關(guān)峰值之間的權(quán)重系數(shù)，取值范圍為0到1；w越高表明優(yōu)化方法更關(guān)注碼序列的自相關(guān)峰值旁瓣，反之，優(yōu)化方法更關(guān)注碼序列的互相關(guān)峰值；當(dāng)目標(biāo)函數(shù)e越小時(shí)，表明離散碼序列集的正交性越好；

27、

28、其中，k為離散時(shí)間指數(shù)，上標(biāo)*表示取共軛；a(sp,k)表示離散正交碼序列集中第p個(gè)信號的非周期自相關(guān)函數(shù)，c(sp,sq,k)表示離散正交碼序列集中第p個(gè)信號和第q個(gè)信號之間的非周期互相關(guān)函數(shù)；δp(n)表示離散正交碼序列集中第p個(gè)信號的第n個(gè)元素，δp(n+k)表示離散正交碼序列集中第p個(gè)信號的第n+k個(gè)元素；中n表示碼長，代表的是對非周期自相關(guān)函數(shù)和非周期互相關(guān)函數(shù)進(jìn)行歸一化，歸一化后非周期自相關(guān)函數(shù)在k＝0時(shí)的值，也就是非周期自相關(guān)函數(shù)峰值變?yōu)?，在k≠0時(shí)，非周期自相關(guān)函數(shù)的值變?yōu)閇-1,1]的數(shù)；歸一化后非周期互相關(guān)函數(shù)的值也變?yōu)閇-1,1]的數(shù)。

29、本發(fā)明的有益效果是：

30、1、本發(fā)明提供一種基于迭代貪婪碼搜索模因算法的離散正交碼序列優(yōu)化方法，該方法在文化基因算法(memetic?algorithm,ma)框架下，采用本發(fā)明所提出的迭代貪婪碼搜索策略(iterative?greedy?code?search，igcs)；因此本發(fā)明所提出方法的性能優(yōu)于目前現(xiàn)有的方法，且用本發(fā)明所提方法優(yōu)化后的離散正交碼序列集，其自相關(guān)和互相關(guān)性能進(jìn)一步接近已有下界，縮小了與已有下界的差值。

31、2、本發(fā)明提供一種迭代貪婪碼搜索策略，優(yōu)化原有貪婪碼搜索方法存在的易陷入局部最優(yōu)的缺點(diǎn)。相比于貪婪碼搜索方法，本發(fā)明提出的迭代貪婪碼搜索策略，局部搜索能力更強(qiáng)、優(yōu)化效果更好并且搜索效率更高。

32、3、本發(fā)明提供一種處理進(jìn)化停滯的方法，通過刪除種群中的重復(fù)個(gè)體，保證種群多樣性，從而確保算法能夠持續(xù)探索更優(yōu)解；且該方法能夠在不增加算法運(yùn)行時(shí)間的情況下，提升算法最終的搜索優(yōu)化結(jié)果。

33、4、本發(fā)明采用一種新的遺傳策略，在每次迭代中通過交叉和變異分別產(chǎn)生numo/2個(gè)子代。通過在每次迭代中同時(shí)采用交叉和變異算子，增加算法的搜索多樣性，擴(kuò)大算法的搜索空間，從而有更大的可能獲得正交性更好的離散正交碼序列集。