基于机器学习和环境感知的认知雷达波形选择技术

发布时间：2020-07-03 18:36

【摘要】：认知雷达概念的提出,为雷达未来的发展提供了新的思路和方向——智能化,雷达根据环境变化,对波形做出调整,让雷达适应环境,对目标进行更加有效、准确的检测。认知雷达的主要研究和核心为对工作环境的感知,和发射波形的优化设计。本文针对雷达跟踪任务,基于认知雷达基本结构,分别采用准则函数、离线学习和在线学习的方法,实现对环境信息的感知和波形优化,对无干扰环境下的一般线性运动的跟踪效果、存在干扰时的目标跟踪效果和获得先验知识条件下的跟踪效果进行分析。首先基于认知雷达基本结构,对认知雷达的组成模块及其实现功能进行分析,引入了神经网络、强化学习,以贝叶斯滤波为核心,分析信号处理过程的具体流程。建立发射波形模型,并分析波形参数对量测的影响,包括对SNR和观测值的影响。建立认知雷达跟踪任务下的功能模型,包括目标的状态空间,以及线性运动下的卡尔曼滤波算法,建立波形库。基于均方误差最小准则,对扩展目标的线性运动进行仿真分析,通过对认知闭环雷达和传统开环雷达的性能,分析波形参数选择对观测精度、跟踪精度的影响。介绍了BP神经网络这一监督学习方法,利用神经网络学习相应的决策规则,建立环境信息与波形参数选择之间的关系,并分析这一监督学习方法与基于准则的波形参数选择方法的不同,以及该方法在有干扰环境下的性能。对强化学习理论进行介绍,并提出两种实现波形选择的算法,近似动态规划Q学习算法和一种引入神经网络学习的与状态无关的认知学习算法,前者为离线学习算法,后者同时采用离线学习方法和在线学习方法。将上述方法与与利用准则函数进行波形选择的方法进行比较。Q学习方法的性能依赖于状态划分,而引入神经网络学习的与状态无关的认知学习算法具有更好的适应性和稳定性。本文基于机器学习方法,实现认知雷达对环境的感知作用,建立跟踪和观测与波形参数之间的关系,实现跟踪精度的提高。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN953;TP181
【图文】：

量测kz 的角度，在杂波环境下，针对目标跟踪问题，波门准则门的大小，提高跟踪效果，表示为： 1 1det 1Tk kkg HP k k H R 1 1T HP k k H R，则最优波形参数表示为：argmindet 1 kkS k 准则函数解决在密集杂波背景下的目标跟踪问题，较小的波门波点数，提高跟踪精度。真实验及结果分析真背景 3-4 所示为所研究的线性运动模型，考虑目标为扩展目标，目径向速度和径向距离。图 3-5 所示为基于均方误差准则函数的程。

- 22 -波形参数的选择，是基于均方误差准则。仿真中一次代价函数-6 所示，基于上一时刻信噪比和跟踪精度对下一时刻所选参数，黄色圆圈中红色点所示为选择代价最小的边波形参数组合。a) 三维示意图 b)二维示意图图 3-6 基于均方误差准则的波形选择示意图

【参考文献】

相关期刊论文 前10条

1 江涛;王盛利;;认知雷达系统概念和体系架构研究[J];航天电子对抗;2014年02期

2 金林;;智能化认知雷达综述[J];现代雷达;2013年11期

3 崔琛;张鑫;;多目标环境中的认知雷达跟踪方法[J];信号处理;2013年01期

4 黎湘;范梅梅;;认知雷达及其关键技术研究进展[J];电子学报;2012年09期

5 夏双志;刘宏伟;纠博;;贝叶斯检测跟踪联合处理的检测阈值设置方法[J];系统工程与电子技术;2012年07期

6 王勇;刘宏伟;纠博;杨晓超;;MIMO雷达稳健的发射波束形成算法[J];电子与信息学报;2012年02期

7 范梅梅;廖东平;丁小峰;黎湘;;基于WLS-TIR的多目标识别认知雷达波形自适应方法[J];电子学报;2012年01期

8 王宏强;夏洪恩;程永强;王璐璐;;基于MPDA的波形自适应目标跟踪[J];系统工程与电子技术;2011年11期

9 王彬;汪晋宽;宋昕;韩英华;;认知雷达中基于Q学习的自适应波形选择算法[J];系统工程与电子技术;2011年05期

10 纠博;刘宏伟;胡利平;吴顺君;;针对目标识别的波形优化设计方法[J];电子与信息学报;2009年11期

相关博士学位论文 前1条

1 王彬;认知雷达波形优化设计研究[D];东北大学;2011年

相关硕士学位论文 前1条

1 徐明珠;基于模糊函数和最大互信息的认知雷达自适应波形设计[D];哈尔滨工业大学;2015年

本文编号：2740025