论文部分内容阅读
相比传统雷达,MIMO雷达在参数估计、反隐身、抗截获和抗干扰等方面优势明显,但是过高的系统复杂度已成为限制其发展和应用的瓶颈。如何合理优化MIMO雷达收发阵元配置,在保证系统性能的同时尽量减少资源占用和计算开销,具有重要的研究价值。本文针对分布式MIMO雷达系统的阵元优化选取问题,分别针对单一类型任务、多类型任务下同优先级目标跟踪以及多类型任务下多优先级目标跟踪等不同的应用场景,研究相应的阵元选取优化模型的建立及求解方法。主要工作包括:1、在单任务多目标跟踪场景下,针对现有算法复杂度高不利于目标快速跟踪的问题,分别给出基于衰减排序递增(Attenuation Sort Increasing,ASI)和基于衰减排序递减(Attenuation Sort Decreasing,ASD)的多目标有限阵元选取算法。以最小阵元数量为优化目标,以多目标定位精度限制为约束,建立0-1整数规划优化模型。两种算法均根据信号衰减排序准则,ASI算法以最低衰减收发对为基础,依次增加阵元;ASD算法则以全体阵元集为基础,依次减少阵元;直到系统性能刚刚得到满足。仿真结果表明,所提算法均能在保证系统性能的同时有效降低计算量且分别适用于不同的应用场景。在仿真条件下,与对比算法相比,ASI算法和ASD算法在计算量上降幅分别高达79%和57%以上。2、针对同优先级目标跟踪多任务下的阵元选取问题,提出一种基于指标变化率(Indicator Change Rate,ICR)的阵元选取算法。讨论了两种应用场景,一是在给定系统跟踪及检测性能要求下尽量减少阵元的使用量,构建最少阵元优化模型;二是在给定阵元数量的情况下尽量提高系统性能,构建最优性能优化模型。在两种场景的求解中,去除了检测概率和跟踪精度指标间的量纲差异性,以全体阵元为基础,对不同指标的相对变化率进行线性加权,以此来综合衡量阵元对系统性能的贡献大小,依次剔除对系统性能贡献最小的阵元,直到逼近或达到约束条件。仿真结果表明,所提算法能够在保证系统整体性能的同时降低计算量。在仿真条件下,和对比算法相比,降幅能够达到86%以上。3、针对多优先级目标跟踪多任务下的阵元选取问题,分别提出基于改进公平多起点搜索(Modified Fair Multi-start Local Search,MFMLS)的阵元选取算法和基于多任务下改进的贪婪多起点搜索(Modified Greedy Multi-start Local Search of Multitask,MT_MGMLS)的阵元选取算法。以最少阵元数量选取为目标函数建立优化模型。通过参数预处理后,在阵元选取上,MFMLS算法遍历每一个初始阵元集,MT_MGML算法则通过遍历寻找最优初始阵元集,随后均逐次增加最佳阵元以完成阵元选择。仿真结果表明,两种算法均能在保证系统整体性能的同时降低计算量,并分别满足不同的应用需求。