[1]张羽鑫,刁鸣.基于粒子群算法的波形自适应设计技术[J].应用科技,2019,46(05):39-44.[doi:10.11991/yykj.201812027]
 ZHANG Yuxin,DIAO Ming.Waveform adaptive design technology based on particle swarm optimization[J].Applied science and technology,2019,46(05):39-44.[doi:10.11991/yykj.201812027]
点击复制

基于粒子群算法的波形自适应设计技术(/HTML)
分享到:

《应用科技》[ISSN:1009-671X/CN:23-1191/U]

卷:
第46卷
期数:
2019年05期
页码:
39-44
栏目:
现代电子技术
出版日期:
2019-09-05

文章信息/Info

Title:
Waveform adaptive design technology based on particle swarm optimization
作者:
张羽鑫 刁鸣
哈尔滨工程大学 信息与通信工程学院, 黑龙江 哈尔滨 150001
Author(s):
ZHANG Yuxin DIAO Ming
College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China
关键词:
认知雷达波形自适应设计序列二次规划算法粒子群算法信杂比互信息波形
Keywords:
cognitive radarwaveform adaptive designsequential quadratic programming algorithmparticle swarm optimization algorithmSNRmutual informationwaveform
分类号:
TN974
DOI:
10.11991/yykj.201812027
文献标志码:
A
摘要:
针对于序列二次规划算法在求解信杂比限定下的最大互信息雷达波形设计模型时,在计算时受寻优初始值的影响较大,并且极易陷入局部最优的问题,提出了一种基于粒子群序列二次规划算法的波形自适应设计技术。该算法将粒子群算法作为全局搜索算法,序列二次规划算法作为局部搜索算法,将粒子群算法的全局性和序列二次算法的精确性二者有效结合起来,实现对目标模型的求解。通过MATLAB仿真实验的结果可以看出,该算法能够有效对目标设计模型进行求解,且得到的结果能够有效提升序列二次规划算法的求解精度及收敛速度。
Abstract:
When solving the maximum mutual information radar waveform design model under the constraint of signal-to-noise ratio (SNR), the sequential quadratic programming (SQP) algorithm is greatly influenced by the initial value of optimization, and is easily trapped in the local optimum. In order to solve this problem, this paper proposes an adaptive waveform design technique based on the particle swarm optimization (PSO)-SQP algorithm. It takes PSO as the global search algorithm, and SQP as the local search algorithm, and effectively combines the overall importance of PSO and the accuracy of SQP to solve the target model. From the results of MATLAB simulation experiment, the algorithm can effectively solve the target design model, and the results obtained can effectively improve the accuracy and convergence rate of the SQP algorithm.

参考文献/References:

[1] 徐艳国, 李国刚, 倪国新. 雷达系统未来发展趋势探析[J]. 中国电子科学研究院学报, 2013, 8(5):474-480
[2] HAYKIN S. Cognitive radar:a way of the future[J]. IEEE signal processing magazine, 2006, 23(1):30-40.
[3] 王彬. 认知雷达波形优化设计研究[D]. 沈阳:东北大学, 2011.
[4] GUI R R H, WANG Wenqin. Constant modulus waveforms with restraining spectral interferences for cognitive MIMO radar[C]//Proceedings of 2017 IEEE Radar Conference (RadarConf). Seattle, USA:IEEE, 2017:335-339.
[5] WANG Li, ZHANG Yunlei, LIAO Qingmin, et al. Robust waveform design for multi-target detection in cognitive MIMO radar[C]//Proceedings of 2018 IEEE Radar Conference (RadarConf18). Oklahoma City, USA:IEEE, 2018:116-120.
[6] 曹伟. 认知雷达的波形设计算法研究[D]. 成都:电子科技大学, 2011.
[7] 牛建栋. MIMO认知雷达波形设计与实现[D]. 西安:西安电子科技大学, 2013.
[8] 鞠默然, 李新波, 石要武. 基于信噪杂比最大能量分配认知雷达波形设计[J]. 吉林大学学报(信息科学版), 2015, 33(3):230-234
[9] 李慧. 基于LFM信号的MIMO雷达发射波形设计方法研究[D]. 西安:西安电子科技大学, 2017.
[10] 石国春. 关于序列二次规划(SQP)算法求解非线性规划问题的研究[D]. 兰州:兰州大学, 2009.
[11] 张开伟. 基于改进粒子群优化算法的船舶推力分配研究[D]. 哈尔滨:哈尔滨工程大学, 2014.

备注/Memo

备注/Memo:
收稿日期:2018-12-31。
基金项目:国家自然科学基金项目(KY10800150057)
作者简介:张羽鑫,男,硕士研究生;刁鸣,男,教授
通讯作者:张羽鑫,E-mail:41280051@qq.com
更新日期/Last Update: 2019-08-29