论文部分内容阅读
在复杂战场环境中,现代雷达为了更加精确地检测目标,需要清楚掌握战场中辐射源的频率和位置,而且,利用多架无人机协同代替单架有人机工作是重要的发展趋势,因此,有必要针对机载雷达开展更加精确的DOA估计算法研究和多机协同战场监视方法研究。为获得更加有效的DOA估计算法,本文对压缩感知和稀疏信号重构理论进行研究,并将其用于DOA估计,提出两种改进算法,分别使算法精度和算法应对单快拍数据、信源相干等非理想环境的性能得到改善。针对多机载雷达协同进行战场监视的问题,本文借鉴蚁群优化算法的思想,以实现实时最大化覆盖任务区域为目标,提出两种多机协同战场监视航路规划方法,使得机载雷达可以彼此协同,动态地实现较好的区域覆盖。本文的研究成果主要包括:1.针对如何提高DOA估计算法精度的问题,对比了稀疏信号重构的典型算法在不同信噪比下的算法精度,提出了一种新的EOLS算法,该算法将ESPRIT算法嵌入到OLS算法中,在不同信噪比下,其性能均可超过OLS算法和ESPRIT算法性能的上限,仿真结果验证了新方法的有效性。2.针对在单快拍数据和信源相干等非理想环境下传统DOA估计算法估计性能不佳甚至失效的问题,本文提出一种改进的最大似然稀疏参数估计算法,该算法利用最小化最大方法的基本原理,采用二阶锥规划进行求解。仿真实验表明,该算法在单快拍数据和信源相干的情况下能够获得更高的估计精度。3.针对多机载雷达战场监视的协同问题,本文提出一种多机协同战场监视单步航路规划方法,该方法借鉴蚁群优化算法的思想,较好地实现了对任务区域的动态覆盖。接着,针对单步优化方法在少数情况下可能出现飞机飞出任务区域边界和绕圈飞行导致覆盖率不稳定的问题,本文进一步优化算法中的适应度函数,增加边界惩罚和速度偏转角约束,同时提出了一种多步的多机协同战场监视航路规划方法,该方法解决了上述问题,并获得了更好的覆盖率曲线。