认知天波雷达环境感知波形设计算法研究

发布时间：2021-08-22 08:33

　　基于目标和环境先验信息优化设计发射波形可以提高雷达目标回波信干噪比（SINR）。首先给出了认知天波超视距雷达（CSWOTHR）发射波形自适应设计机制,完善了系统架构设计,为减弱同频干扰对目标检测的影响,在基于知识辅助自适应环境感知波形（KB-AESBW）设计算法的基础上,提出了一种改进的基于灰色马尔科夫组合模型的自适应环境感知波形（GM-AESBW）设计算法。通过GM-AESBW算法,CSWOTHR实现了对环境感知一次、预测多次的功能,具有更好的环境匹配能力,且鲁棒性强,降低了系统对外部环境的依赖。理论分析与仿真实验验证了GM-AESBW算法的有效性。 

【文章来源】：雷达科学与技术. 2020,18(03)北大核心

【文章页数】：8 页

【部分图文】：

认知天波超视距雷达发射波形自适应设计方法

图2是CSWOTHR采用基于灰色马尔科夫组合模型的自适应环境感知波形设计算法的工作流程图。发射机在静默期间接收环境数据，记录并保存当前环境杂波、干扰信息。根据所记录频点的干扰信息，建立GM(1,1）模型，利用灰色序列预测每一个干扰频点的未来变化趋势，采用马尔科夫过程对结果修正。依据当前时刻环境信息形成当前时刻的环境协方差矩阵，并依据此信息调整发射波形的参数，如频率、脉宽等。将当前环境协方差矩阵与经过修正的预测信息相结合产生预测环境协方差矩阵，根据自适应环境感知算法调整发射波形。最后经过常规信号处理得到一次相干积累的结果，根据处理结果判断是否需要在下一个相干积累周期再次感知环境以调整发射波形。GM-AESBW算法在KB-AESBW算法上的改进主要是增加了灰色马尔科夫组合预测过程，通过2.1节算法原理易知GM-AESBW算法复杂程度与KB-AESBW基本保持一致。GM-AESBW的算法步骤归纳如下：

在第三次相干处理时，ESBW算法下的发射波形仍然为感知后首次调整的波形，KB-AESBW算法发射波形与GM-AESBW发射波形相似，但是GM-AESBW根据干扰幅值的变化进一步调整发射波形的形状，对比KB-AESBW可以明显看到GM-AESBW具备连续调整发射波形的能力。2）自相关性能比较


本文编号：3357399