基于參數(shù)可變遺傳算法的多普勒雷達(dá)目標(biāo)識別方法

摘 要: 目標(biāo)識別是防空信息處理中的一個重要環(huán)節(jié)，而對空中目標(biāo)類型的識別還沒有成熟的理論。通過對高分辨雷達(dá)回波信號的分析，在遺傳算法的基礎(chǔ)上，提出了一種高分辨雷達(dá)目標(biāo)識別方法，由此進(jìn)行目標(biāo)識別。仿真實驗結(jié)果表明，該方法具有高的識別率和強的抗干擾能力。

關(guān)鍵詞: 多普勒雷達(dá); 相關(guān)系數(shù); 參數(shù)可變遺傳算法; 交叉概率; 變異概率

A Recognition Method of Doppler Radar Target

based on Alterable Parameter Genetic Algorithm

Pan Wei， Wang Yunfeng， Diao Huazong

Electric Detection Department， Shenyang Artillery Academy， Shenyang 110867， China.

Abstract: Target recognition is an important link in the chain of information processingfor air-defense. There is not any ripe theory for air target type recognition. Through an analysis of the echo data of high- resolution radar target and on the foundation of genetic algorithm， a recognition method of radar target is presented in this paper. The experiments of recognition using the data of three kinds of aircraft models were performed and demonstrated this method has high recognition rate and low sensitivity to noise.

Key Words: Doppler radar; correlation coefficient; alterable parameter genetic algorithm; crossover probability; mutation probability

1．引言#61472;

遺傳算法(GA)是模仿自然生物進(jìn)化的隨機(jī)全局搜索和優(yōu)化方法。遺傳算法操作使用適者生存的原則，在潛在的解決方案種群中逐次產(chǎn)生一個近似最優(yōu)的方案。在GA的每一代，根據(jù)個體在問題域中的適應(yīng)度值和從自然遺傳學(xué)中借鑒來的再造方法進(jìn)行個體選擇產(chǎn)生一個新的近似集。這個過程導(dǎo)致進(jìn)化的個體比創(chuàng)造它們的個體能更好地適應(yīng)它們的環(huán)境，就象自然適應(yīng)一樣。通過對生物遺傳和進(jìn)化過程中選擇、交叉和變異機(jī)制的模仿，來完成對問題最優(yōu)解的自適應(yīng)搜索過程。

對于高分辨雷達(dá)來說，目標(biāo)不再被看成點目標(biāo)，其回波表現(xiàn)為一維距離像，即目標(biāo)變成了擴(kuò)展的面目標(biāo)，所以，不能直接使用常規(guī)的點目標(biāo)檢測方法。多普勒雷達(dá)目標(biāo)的后向散射回波含有目標(biāo)的精細(xì)的物理結(jié)構(gòu)特征信息，可視為有限個散射中心及其散射中心相互作用產(chǎn)生的合成信號。其散射中心一般位于目標(biāo)的邊緣、拐點和連接處。回波信號中的這些精細(xì)結(jié)構(gòu)信息反映了目標(biāo)的本質(zhì)特征。這些目標(biāo)特征表現(xiàn)為散射中心在目標(biāo)上的空間分布。當(dāng)空中目標(biāo)的位置發(fā)生變化時，目標(biāo)的強散射點相對于雷達(dá)視角發(fā)生了變化，因而，由回波信號所得到的目標(biāo)散射中心的位置也發(fā)生了變化。所以，在高分辨雷達(dá)目標(biāo)識別中，需要考慮雷達(dá)視角的變化這一因素。但如果考慮雷達(dá)視角因素，則需要處理的數(shù)據(jù)量成倍增加，所以常規(guī)的識別方法就不能滿足需要。本文利用遺傳算法對高分辨雷達(dá)目標(biāo)進(jìn)行識別取得了較好的效果。

2. 實數(shù)自適應(yīng)遺傳操作

復(fù)雜目標(biāo)的高分辨雷達(dá)回波信號在時域上出現(xiàn)多個峰值，這些峰值對應(yīng)目標(biāo)徑向上的多個強散射中心。但是，當(dāng)空中目標(biāo)的位置發(fā)生變化時，目標(biāo)的強散射點相對于雷達(dá)視角發(fā)生變化，因此，從數(shù)據(jù)庫中尋找與待識別目標(biāo)模式相匹配的模式的工作量很大，傳統(tǒng)的匹配方法已不能滿足需要。

遺傳算法中的編碼策略和遺傳操作對算法起到至關(guān)重要的作用，也是實數(shù)遺傳算法與二進(jìn)制遺傳算法區(qū)別最大的地方。下面就對編碼策略和遺傳操作進(jìn)行詳細(xì)說明。

2.1 編碼策略

實數(shù)編碼與二進(jìn)制編碼的方法是相似的[9]，只是每個基因有10種可能取值：0～9。若每個變量用L位十進(jìn)制數(shù)表示，變量個數(shù)為m，則染色體長度為m*L。實值編碼策略不對變量進(jìn)行編碼，而將每個變量當(dāng)作一位基因直接處理。

2.2 遺傳操作

1．選擇：排序選擇＋最佳個體保存法

選擇是從群體中選擇優(yōu)勝個體，淘汰劣質(zhì)個體的操作，目的是把優(yōu)化的個體遺傳到下一代。

排序選擇法是指在計算每個個體的適應(yīng)度后，根據(jù)適應(yīng)度大小順序?qū)θ后w中個體排序，然后把事先設(shè)計好的概率表按序分配給個體，作為各自的選擇概率。這樣，個體的適應(yīng)度不直接影響后代的選擇，保持了一定的選擇壓力，從而在一定程度上抑制了標(biāo)準(zhǔn)遺傳算法基于適應(yīng)度比例的選擇算子所帶來的早熟和局部收斂。

最佳個體保存法是把群體中適應(yīng)度最高的個體不進(jìn)行遺傳操作而直接復(fù)制到下一代中。此方法可以保證某一代的最優(yōu)解不被破壞。

2．交叉：非一致交叉

設(shè)進(jìn)行交叉的兩父代個體為 和 ，交叉后得到的子代個體 和 為：

(1)

其中 ，可取定值也可以變化。

當(dāng)r取固定值時為一致交叉，兩對相同的交叉父代只能得到相同的兩對新個體，不利于增加群體多樣性，并且r 的不同取值對交叉算子有著直接影響。當(dāng)r取[0，1]中的隨機(jī)值時為非一致交叉，它有利于將一致交叉中r取不同值產(chǎn)生的效果平均，改善搜索特性。

3．變異：實值變異

變異的本質(zhì)是挖掘群體中個體的多樣性，同時提高算法的局部隨機(jī)搜索能力。

變異步長的選擇比較困難，最優(yōu)的步長視具體情況而定。本文變異步長則在優(yōu)化過程中根據(jù)群體的進(jìn)化進(jìn)程自動改變。變異步長

(2)

其中，X和X′分別為變異前和變異后的個體； 以 的概率取值1，以 的概率取值0，本文設(shè)m=20；L為各代群體中的個體最大值與最小值之差。

2.3 適應(yīng)度確定

個體適應(yīng)度的檢測評估:設(shè)X(i， j)為第i種目標(biāo)在第j個雷達(dá)視角的高分辨雷達(dá)目標(biāo)回波信號序列，對應(yīng)的個體為Ik。待識別目標(biāo)的高分辨雷達(dá)目標(biāo)回波信號序列為X。個體Ik的適應(yīng)度可定義為f(Ik):

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文