基于相位编码的正交波形研究

发布时间：2017-08-13 08:14

  本文关键词：基于相位编码的正交波形研究

  更多相关文章： MIMO雷达 正交多相码 遗传算法 免疫算法

【摘要】：MIMO (multiple-input-multiple-output)雷达作为近年来雷达体制的重要创新和雷达领域关注的热点,相对于传统的相控阵雷达具有更多的特点和优势,尤其体现在大时宽,抗干扰能力强,抗截获性强等方面。MIMO雷达的这些特点让它成为了研究的热点MIMO雷达从体制上可以分为集中式与分布式MIMO雷达,波形设计是集中式MIMO雷达研究的重要课题。与传统雷达的发射波形不同,MIMO雷达的发射波形是相互正交的信号。在波形设计时,为了区分在同一方向上的多个目标,需要保证发射波形之间良好的自相关性,同时,为了减少不同目标回波的干扰,需要保证发射波形之间的互相关性。本文主要研究了多相编码形式的发射波形。本文针对集中式MIMO雷达的正交波形设计提出了以下创新点：(1)在使用遗传算法生成正交多相码时,针对具体问题,对不同的遗传算法编码方式与算子操作方式进行比较。结果表明,遗传算法采用不同的编码方式和遗传算子对生成多相码的性能影响极大。最终选择了适用于生成正交多相码的最优化遗传算法。(2)提出了一种使用免疫遗传混合算法生成MIMO雷达正交多相码的方法。在遗传算法扎实的理论基础和良好的全局搜索能力的基础上,引入了免疫算法的记忆系统与种群更新功能,这样很好地弥补了遗传算法的局部搜索能力差以及收敛速度慢的缺点,而这两点正是本文的优化问题所需要的。同时,还对所生成的序列就多相码参数与多普勒性能进行了分析。通过与相关文献的对比,表明混合算法能够设计出自相关和互相关性能较好的多相码。综上,论文从理论出发,主要侧重于智能搜索优化算法的设计与选择,对MIMO雷达的正交波形设计过程进行了系统的介绍和一定程度上的优化。本文提出的免疫遗传混合优化算法具有一定的优越性,通过仿真结果也验证了相应结论。
【关键词】：MIMO雷达 正交多相码 遗传算法 免疫算法
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN958
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-15
• 1.1 研究背景和意义10-12
• 1.2 国内外研究现状12-13
• 1.3 本文研究内容与章节安排13-15
• 第二章 MIMO雷达正交波形设计15-31
• 2.1 MIMO雷达15-18
• 2.1.1 MIMO雷达原理15-16
• 2.1.2 MIMO雷达特点16-18
• 2.2 MIMO雷达正交波形18-27
• 2.2.1 MIMO雷达正交波形设计性能要求18-20
• 2.2.2 MIMO雷达正交波形分类20-27
• 2.3 基于相位编码的正交波形设计建模27-30
• 2.4 本章小结30-31
• 第三章 遗传算法仿真与性能分析31-56
• 3.1 智能优化算法概述31-33
• 3.1.1 遗传算法31-32
• 3.1.2 粒子群算法32-33
• 3.1.3 蚁群算法33
• 3.2 遗传算法性能与仿真分析33-40
• 3.2.1 遗传算法原理34-35
• 3.2.2 遗传算法的流程35-37
• 3.2.3 遗传算法性能仿真与分析37-40
• 3.3 遗传算子设计与仿真分析40-53
• 3.3.1 编码设计与仿真分析40-43
• 3.3.2 选择算子的性能仿真分析43-46
• 3.3.3 交叉算子性能仿真分析46-50
• 3.3.4 变异算子性能仿真分析50-53
• 3.4 遗传算法生成的最优序列性能分析53-55
• 3.5 本章总结55-56
• 第四章 基于免疫遗传混合算法的MIMO雷达正交多相码设计56-69
• 4.1 免疫算法原理56-57
• 4.2 混合算法的流程57-63
• 4.3 混合算法的性能仿真分析63-68
• 4.3.1 正交序列参数对性能的影响63-66
• 4.3.2 多相码的多普勒性能分析66-67
• 4.3.3 各算法的性能比较67-68
• 4.4 本章总结68-69
• 第五章 总结与展望69-71
• 致谢71-72
• 参考文献72-74

【相似文献】

中国期刊全文数据库 前10条

1 苑进,孙忠林,刘雪美;改进遗传算法在齿轮减速器优化中的应用[J];山东科技大学学报(自然科学版);2001年04期

2 刘雅琴,迟洪钦;最优合并构成的有序遗传算法[J];上海师范大学学报(自然科学版);2001年04期

3 程锦松;求多项式全部根的遗传算法[J];微机发展;2001年01期

4 程锦松,刘锋;基于分布理论和遗传算法的多项式求根算法[J];微机发展;2001年06期

5 周林,娄寿春,赵杰;基于遗传算法的目标优化分配模型[J];系统仿真学报;2001年03期

6 赵胜利;李书全;刘燕;刘永建;田伟;;用遗传算法确定鲍罗米公式中的系数A、B值[J];河北农业大学学报;2002年03期

7 许世刚,高新陵;分流机制遗传算法研究[J];系统工程与电子技术;2002年07期

8 孙进平 ,吴瑞明 ,翟瑞红 ,刘忠武;基于遗传算法的工艺决策模式的探索[J];现代制造工程;2002年01期

9 胡静,陈恩红,王上飞,王熙法;交互式遗传算法中收敛性及用户评估质量的提高[J];中国科学技术大学学报;2002年02期

10 吴青萍;一种新的优化方法——遗传算法原理及其应用[J];常州信息职业技术学院学报;2002年02期

中国重要会议论文全文数据库 前10条

1 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

2 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

3 林家恒;李国锋;田国会;刘长有;;遗传算法在旋转货架拣选优化中的应用[A];1996中国控制与决策学术年会论文集[C];1996年

4 史骏;裘聿皇;;遗传算法中基因排列方式对运行的影响[A];1996年中国控制会议论文集[C];1996年

5 韩战钢;;遗传算法及在经济中的应用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

6 唐毅;葛运建;王定成;江建举;;遗传算法在运动员技术动作优化中的应用研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

7 文泾;朱玉文;;用遗传算法进行航线规划[A];全国第16届计算机科学与技术应用（CACIS）学术会议论文集[C];2004年

8 于春梅;黄玉清;杨胜波;;遗传算法在参数辨识中的应用进展[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年

9 王志宏;王斌;;基于遗传算法的非确定性目标优化[A];中国自动化学会全国第九届自动化新技术学术交流会论文集[C];2004年

10 王晓东;刘全利;金吉凌;王伟;;基于序次优化策略的改进遗传算法[A];第二十三届中国控制会议论文集（下册）[C];2004年

中国重要报纸全文数据库 前2条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

2 高雪娟;协同设计的平台策略[N];中国计算机报;2006年

中国博士学位论文全文数据库 前10条

1 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

2 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

3 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

4 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

5 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

6 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

7 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年

8 袁丽华;基于物种进化的遗传算法研究[D];南京航空航天大学;2009年

9 李航;遗传算法求解多模态优化问题的研究[D];天津大学;2007年

10 石玉;提高实数遗传算法数值优化效率的研究[D];南京航空航天大学;2002年

中国硕士学位论文全文数据库 前10条

1 谷克;遗传算法在公路路线智能决策系统中的应用研究[D];长安大学;2008年

2 李艳娇;基于改进遗传算法的刚架结构截面力学特性参数优化的研究[D];吉林大学;2009年

3 任巍;求解极小碰集的遗传算法的研究与改进[D];吉林大学;2009年

4 王赫;混沌遗传算法在模式识别中的应用[D];东北电力大学;2009年

5 于蕾蕾;双种群遗传算法的改进及其应用研究[D];合肥工业大学;2009年

6 王婧;遗传算法及其在聚类分析中的应用[D];华中师范大学;2009年

7 胡文斯;基于遗传算法的车间作业调度问题的研究[D];中国海洋大学;2009年

8 吴明华;基于遗传算法的养护机械生产车间作业调度问题的研究[D];长安大学;2007年

9 尉钰;基于改进遗传算法的桥梁模型动力优化[D];长安大学;2007年

10 王银年;遗传算法的研究与应用[D];江南大学;2009年

，

本文编号：666274