申请/专利权人：电子科技大学

申请日：2020-01-14

公开（公告）日：2020-05-22

公开（公告）号：CN111190176A

主分类号：G01S13/87(20060101)

分类号：G01S13/87(20060101);G01S13/66(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.05.05#授权;2020.06.16#实质审查的生效;2020.05.22#公开

摘要：本发明提供了一种共址MIMO雷达组网系统的自适应资源管理方法。该方法通过目标成功照射限制和目标有效检测概率限制选择可行系统子阵划分个数集、采样间隔、变量χiq和系统波束指向集参数组合，然后根据目标函数最小化原则来选则最优系统子阵划分个数集、采样间隔、变量χiq和系统波束指向集参数组合，其中目标函数综合考虑目标跟踪精度与系统资源消耗能量和采样周期，实现在保证一定跟踪精度的情况下，极小化系统资源。

主权项：1.共址MIMO雷达组网系统的自适应资源管理方法，具体技术方案为：设总的雷达数为N,各雷达分别被标记为1,2,…,N，各雷达之间同步；总的目标数是D，各目标分别被标记为1,2,…,D，当前时刻为tk-1，tk-1之前所有目标的状态为其中tk-1q为第q个目标的更新时刻，且tk-1q≤tk-1；为第q个目标在tk-1q的状态向量，Pqtk-1q为第q个目标的在tk-1q时刻的状态误差协方差矩阵；本发明主要实现满足期望跟踪精度时最佳分配系统资源达到节约系统资源的目的，包括：1参与探测的传感器组合以及与目标之间的对应关系；2系统探测时刻，即系统探测时间间隔；3各个共址MIMO雷达的子阵划分个数；4各个共址MIMO雷达的波束指向；对于各个自适应参数的选取范围，本发明在以下集合中进行选取：1对于参与探测的传感器组合以及与目标之间的对应关系，这里通过引入变量来表示雷达与目标之间的对应关系，表示第i个雷达跟踪目标q，则表示第i个雷达没有跟踪目标q；2系统探测时间间隔T从预设的采样间隔集合中选取，其中T＝tk-tk-1；3设每个共址MIMO雷达总的阵元数为M，其可能划分的子阵个数为Kj＝2j-1，j＝1,2,…,log2M+1，则每个雷达子阵选择集为4每个共址MIMO雷达的波束指向用μi表示；各个自适应参数的可选集可根据实际情况进行不同设计；基于以上阐述，本发明主要实现共址MIMO雷达组网系统子阵划分个数K、系统采样间隔T、变量χi和波束指向u的自适应选择,K和u分别表示组网系统的子阵划分个数和波束指向,其向量形式分别为K＝K1,K2,…,Ki,…,KN，u＝u1,u2,…,ui,…,uN；步骤1：在每个可能的采样间隔下，由于每个雷达对各目标均可能存在探测和不探测两种可能，因此可以给出各雷达所有可能的目标探测模式，其中各模式可以采用来表示,共有2Q种探测模式。对于每个雷达的各种探测模式，决定波束指向集；将的目标的预测位置组成一个集合upre，波束指向位置应该在集合[minupre,maxupre]中进行选择；该集合以Δu的步长进行离散得到最终的波束指向集如下： 其中表示第i个雷达针对于模式o的波束指向集；步骤2：联合子阵划分个数，对于每个可能的共址MIMO雷达组网系统子阵划分个数、系统采样间隔、变量和波束指向参数组合K,Tl,χ1,χ2,…,χi，…,χN,u；保存满足目标成功照射条件的参数对，建立可行的组网系统子阵划分个数、系统采样间隔、变量和波束指向参数库目标成功照射条件： 其中ui为第i个雷达波束指向，uq为目标q的方向，φKi为第i个雷达发射波束宽度，计算如下： 步骤3：选择最终可行的共址MIMO雷达组网系统子阵划分个数、系统采样间隔、变量和波束指向参数组合；步骤3.1：基于步骤2所得的组网系统子阵划分个数、系统采样间隔、变量和波束指向参数组合计算雷达i针对于目标q的检测概率 其中雷达i针对于目标q的预测回波信噪比为： 其中，Bw为波束指向位置处方位的双程波束宽度，Bw＝1.76M，为预测方位角误差方差，为雷达i针对于目标q波束指向方向的预测信噪比： 其中，M为雷达阵元数，e为发射波形能量，ηA为天线有效面积占空比，为雷达i针对于目标q的平均RCS估计值，λ为波长，为雷达i针对于目标q的径向距离，N0为噪声功率谱密度，N0＝vT0F0，v为波尔兹曼常数，T0为雷达接收机温度，F0为雷达接收机噪声系数,Ki为雷达i子阵划分个数；步骤3.2：保存满足有效目标检测条件的参数对，建立最终可行的组网系统子阵划分个数、系统采样间隔、变量和波束指向参数库有效目标检测限制： 步骤4：针对每一组可行的组网系统子阵划分个数、系统采样间隔、变量和波束指向参数库计算目标实际跟踪精度与期望跟踪精度之间的差异度： 其中，表示第q个目标的预测估计误差协方差，表示第q个目标期望的误差协方差，函数fA,B可以根据需要选取多种不同的具体表现形式；的计算有两种情况：情况1：如果为通过分布式有反馈融合算法获得的预测估计误差协方差： 其中表示选择跟踪目标q的雷达个数；为雷达i针对于目标q的预测估计误差协方差，在IMM算法中，按下式计算： 其中，R表示IMM算法总的模型个数，为模型r在tk时刻的预测模型概率 和为雷达i针对于目标q模型r通过卡尔曼滤波的目标预测状态和预测的估计误差协方差矩阵，计算如下： 其中为雷达i针对于目标q的检测概率，计算见式4，I是单位矩阵，H为量测矩阵，是经过交互后的模型r滤波器的输入，是雷达i针对于目标q模型r的预测误差协方差： 其中和是模型r的转换矩阵和噪声输入矩阵，是过程噪声的协方差矩阵，是经过交互后的模型r滤波器的输入；式16中是雷达i针对于目标q模型r的卡尔曼增益： 其中为雷达i针对于目标q的量测误差协方差矩阵，可由下式计算得到： 上式中为雷达i针对于目标q的径向距离量测的标准差，为雷达i针对于目标q的方位角量测的标准差，二者的计算表达式如下所示： 其中，表示距离分辨力，Bw表示双程波束宽度，Bw＝1.76M，为回波信噪比，计算见式20，c为常数，J为雅克比坐标转换矩阵，如下所示： 式22中表示融合中心系统针对于目标q预测误差协方差： 其中表示融合中心针对于目标q模型r的预测误差协方差，计算与式25一样，与等价；情况2：如果为式26所示的预测误差协方差；步骤5：针对每一组可行的组网系统子阵划分个数、系统采样周期、变量和波束指向参数库计算目标函数： 上式中ψ{x}＝xmaxx表示归一化函数，系数α，β和γ分别表示系统对跟踪精度，能量资源以及时间资源消耗的加权系数，且满足0≤α≤1，0≤β≤1，0≤γ≤1,α+β+γ＝1。特别地，能量的归一化函数为： 其中表示雷达i是否被选择，ei表示雷达i的能量。则最优的组网系统子阵划分个数集、系统采样周期、变量和系统波束指向集所构成的参数组合K,T,χ1,χ2,…,χi，…,χN,uopt表示为： 步骤6：利用当前时刻所选参数组合K,T,χ1,χ2,…,χi，…,χN,uopt作为tk时刻的跟踪任务参数，进行目标探测并获得当前量测；步骤7：利用步骤6获得的量测进行交互多模型IMM算法滤波，然后返回步骤1重复以上步骤1-6，直至达到跟踪时间为止。

全文数据：

权利要求：

百度查询： 电子科技大学 共址MIMO雷达组网系统的自适应资源管理方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD