基于模糊相關機會規劃的機會陣雷達方向圖綜合

龔樹鳳龍偉軍，2潘明海賁 德，2

基于模糊相關機會規劃的機會陣雷達方向圖綜合

龔樹鳳1龍偉軍1，2潘明海1賁 德1，2

（1.南京航空航天大學雷達成像與微波光子技術教育部重點實驗室，江蘇南京210016；2.南京電子技術研究所，江蘇南京210038）

研究了機會陣雷達的方向圖綜合問題，提出了一種基于模糊相關機會規劃的方向圖綜合算法.該算法基于可信性理論，綜合考慮天線單元分布的隨機性以及工作狀態的不確定性，以模糊變量來刻畫天線單元參與方向圖綜合時的復雜不確定環境，建立方向圖綜合的規劃模型.并結合模糊模擬算法和遺傳算法設計了一種混合智能優化算法，用于求解該模型，仿真實驗驗證了所設計算法的有效性和穩定性.

機會陣雷達；方向圖綜合；可信性理論；相關機會規劃；模糊模擬；遺傳算法

引 言

機會陣雷達［1－3］是國外學者近年來針對新一代海軍隱身驅逐艦DD（X）提出的一種新概念雷達，該雷達以平臺隱身性為設計核心，以數字陣列雷達為基礎，單元與數字收發組件可被任意布置于艦船的各個開放空間.機會陣雷達“機會性”地選擇工作單元、工作方式及戰術功能等.考慮到大量天線單元的任意隨機分布，機會陣雷達方向圖的綜合與優化一直是國內外學者關注的重要課題［1－6］.在機會陣雷達的方向圖綜合中，如何合理地打開單元激勵，盡量用最少的單元數目綜合出滿足條件的方向圖，是一個十分重要的決策問題，屬于組合優化中的NP－hard問題，可借助運籌學的目標優化理論求解.但現實世界中絕大多數優化問題或多或少含有不確定因素，在機會陣雷達的方向圖綜合中，工作單元的激勵隨機打開與關閉，最終能夠合成所需方向圖的天線單元數目是不確定的；即使天線數目確定，由于單元分布的隨機性，最終綜合出的方向圖也會有所不同.因此，機會陣雷達的方向圖綜合是一個在不確定環境下的組合優化問題.目前，大量的文獻對確定條件下的天線方向圖綜合算法進行了研究，歸納起來主要有以下幾種算法：智能優化算法［7－9］、自適應算法［1011］和多次規劃算法［12－13］等，但對含有不確定因素的方向圖綜合的研究還需進一步加強.

在含有不確定因素的組合優化中，不確定性不能簡單地用隨機性來刻畫.事實上，很多情況下隨機變量的概率密度函數是未知的，需要多次重復實驗進行估計，但有些時候，無法進行這樣的重復實驗，在這種情況下，模糊變量不失為一個更好的選擇.Zadeh［14］首先引入了模糊集的概念并用隸屬度函數來刻畫模糊現象.Zadeh為了測量一個模糊事件的需要提出了可能性測度的概念［15］.Liu等［16］提出了一種新的帶有自對偶性的可信性的測度，簡稱為可信度.在2004年，Liu更是給出了可信性理論的公理化體系［17］.并結合此前的模糊規劃［18］提出了模糊環境下的期望值模型、機會約束規劃和相關機會規劃模型［19－20］.近年來大量的研究已經表明，在模糊理論的研究領域中，可信性無論在理論上還是在應用上都起著重要的作用［21－23］.因此，本文將在可信性理論的基礎上，運用模糊相關機會規劃來實現機會陣雷達的方向圖綜合.文中以總數目一定且任意隨機分布的陣列單元為環境，將整個陣列劃分為多個區域，將方向圖綜合時每個區域內參與工作的單元數目均看作模糊變量，提出帶有模糊參數的模糊相關機會規劃模型；并結合模糊模擬算法和遺傳算法設計了一種智能優化算法進行求解；最后通過具體的數值例子來驗證算法的可行性和有效性.

1 模糊相關機會規劃模型的建立

1.1基本概念

1965年，美國控制論學家Zadeh通過隸屬函數首次提出了模糊集的概念.后來為了測量一個模糊事件的大小，Zadeh于1978年又提出了可能性測度的概念.在過去的幾十年里，經過許多學者的共同努力，在模糊決策領域中可能性理論已經得到了廣泛的發展和應用，但是后來人們卻發現可能性測度不具備自對偶性.由于自對偶性在理論和應用中都扮演著重要的角色，Liu等提出了一個具備自對偶性的集函數，即可信度的測度概念.基于可信度，近幾年來可信性理論得到了迅速的發展和廣泛的研究.下面，先介紹可信性理論及其相關的一些基本概念.

定義1［16］設Θ是一個非空集合，P是Θ的冪集.如果集函數Cr滿足下面條件：

（1）Cr｛Θ｝＝1；

（2）如果A?B，則Cr｛A｝≤Cr｛B｝；

（3）對于任意A∈P，有Cr｛A｝＋Cr｛AC｝＝1；

（4）對于P中的任意集族｛Ai｝，如果

則稱Cr為可信度，此時，稱三元組（Θ，P，Cr）為一個可信性空間.

定義2［17］模糊變量ξ是一個從可信性空間（Θ，P，Cr）到實數集R的函數.

定義3［17］如果ξ是定義在可信性空間（Θ，P，Cr）上的模糊變量，則它的隸屬函數定義為

定理1［17］設ξ是一個模糊變量，其隸屬函數為μ.對于任意Borel集合B，有

1.2問題的描述和模型的建立

在機會陣雷達方向圖綜合中，陣列單元隨機任意分布，且工作狀態的選擇具有隨機性.假設由N個各向同性輻射單元組成的隨機分布陣列，陣元的空間位置為（xxi，yyi，zzi），i＝1，2，…，N，信號波長為λ，俯仰角為θ，方位角為φ，則陣列方向圖為

式中：xi為陣元i的激勵狀態，1表示打開，0表示關閉；Ii為陣元i激勵電流的幅度，默認為1；ψi為陣元i激勵電流的相位，默認為0；τi（θ，φ）為陣元i相對參考點的時延，τi（θ，φ）＝（xxisinθcosφ＋yyisin θsinφ＋zzicosθ）／c，c為光速.

假設在陣元分布及總數目N確定的條件下進行方向圖綜合，優化的目標是極小化副瓣電平.由于陣元工作狀態的隨機性，最終參與方向圖合成的單元數目是不確定的，隨機抽取的單元數目小于N時就有可能綜合出滿足條件的方向圖，所有陣元都工作時反而帶來資源的浪費.在此用xi表示陣元i的工作狀態，值為1表示激勵打開，即陣元參與方向圖綜合；值為0表示激勵關閉，陣元不參與方向圖綜合，因此有決策向量x＝［x1，x2，…，xN］，xi＝0或1.同時受陣元分布隨機性的影響，同樣數目的天線單元有多種分布狀態，有多種組合形式，無法大量重復實驗來取得其隨機分布函數，此時，采用模糊變量來描述參與方向圖綜合的單元數目，同時將陣元分區進行分區處理.受模糊性的影響，認為在方向圖綜合時，參與的單元數目總和在一定程度上滿足約束就可以了，綜合的結果有些時候不能完全達到優化目標.在這種情況下，比較現實的辦法是盡可能地達到優化目標，即最大化達成滿足副瓣電平的機會.

本文以非均勻面陣為例，將其分為四個區域，每個區域內天線單元激勵打開的數目分別為ξ1，ξ2，ξ3，ξ4，均為模糊變量.假設波束綜合時天線單元激勵打開的數目最大值為ˉN，則有約束條件：

用f（x）表示方向圖歸一化后的最大副瓣電平，f（x）＝max（Lsbj），其中：Lsbj為第j個旁瓣電平，j＝1，2，…，J，J為旁瓣電平的數目.可以得到機會陣雷達方向圖綜合的模糊相關機會約束規劃模型為

式中：Cr｛·｝表示事件｛·｝的可信度；x是決策向量；f0為預先給定的參考電平.那么模型的含義是在機會約束條件下，目標函數機會最大化.

2 模型求解算法

2.1模糊模擬

如何使用模糊模擬技術計算給定事件的機會函數.設E是模糊決策系統中的一個事件，又假設在點x處事件E的誘導約束為

y由點x導出，則事件E的機會函數為

若x?E，可以立即得到l（x）＝0.對每一個固定的決策x∈E，首先置l（x）＝0，然后由模糊向量ξ隨機生成一個清晰向量ξ0.實際上，對可能性較低的決策向量不感興趣，所以，可以實現置一水平α0，然后從模糊向量ξ的α0水平截集中隨機產生清晰向量ξ0.如果模糊向量ξ的α0水平截集過于復雜難于處理，可以從包含模糊向量ξ的α0水平截集的超幾何體W中抽取向量，接受與否依賴于Cr｛ξ0｝＞α0是否成立.如果gj（y，ξ）≤0，j＝1，2，…，p及l（x）＜Cr｛ξ0｝，則置l（x）＝Cr｛ξ0｝，重復以上過程N次，則值l（x）可以作為它的估計值.具體步驟可以寫為：

1）置l（x）＝0；

2）從模糊向量ξ的α0水平截集中隨機產生清晰向量ξ0；

3）若gj（y，ξ）≤0，j＝1，2，…，p及l（x）≤Cr｛ξ0｝成立，則置l（x）＝Cr｛ξ0｝；

4）重復步驟2和3共N次；

5）返回l（x）.

在本文的方向圖綜合規劃模型中，僅有一個事件f（x）≤f0，它的誘導約束為

2.2混合智能優化算法

為了找到模糊相關機會約束規劃模型的最優解，需要設計求解最優解的啟發式優化算法.作為應用范圍相當廣泛的一種算法，遺傳算法很適合作為求解工具［24－25］.將上一節設計的模糊模擬的方法嵌入到遺傳算法中得到用來求解機會最大化模型的混合智能優化算法.算法的過程概括如下：

1）初始化輸入參數：種群個數psize，交叉和變異概率pc，pm等，并產生psize個染色體，根據約束條件檢驗染色體的可行性；

2）通過交叉和變異操作更新染色體，并檢驗可行性；

3）使用模糊模擬計算所有染色體的目標值；

4）根據目標值使用基于序的評價函數計算每個染色體的適應度；

5）旋轉賭輪盤選擇染色體；

6）重復步驟2到步驟5直到給定的次數完成為止；

7）將最優染色體作為模型的最優解.

因此，本文事件的機會函數可以表示為

3 仿真實例

現假設一非均勻面陣，陣元隨機分布在長寬均為10λ內的平面上，陣元總數目110，隨機生成的陣元間距最小為0.05λ.按照天線單元的位置，將面陣劃分為四個區域，與坐標平面內的象限區域劃分一致，四個區域內的天線單元數目分別為44，15，18，33，如圖1所示.

圖1 天線單元優化前分布

假設波束綜合時每個區域激勵打開的天線單元數目均為梯形模糊變量，用ξ1，ξ2，ξ3，ξ4表示，其中：

ξ1（26，32，35，39），ξ2（4，8，11，14），

ξ3（7，10，13，17），ξ4（15，21，25，28）.

假設已知最大副瓣參考電平f0取值為－13.6 dB，綜合時單元激勵允許打開的最大數目ˉN為85，基于此，模型（1）可以改寫為

仿真時，程序中參數種群規模psize，交叉概率pc和變異概率pm等預先給定.通過賦予這些參數不同的數值，可以得到多組最優解和最優值.

天線單元分布圖如圖1所示時，共有110只天線單元.假設所有天線的激勵幅度均為1，相位為0，則可以得到優化前的波束綜合圖，如圖2所示，用G表示歸一化方向圖，最大副瓣電平－13.54dB，方向圖圖形表達中用U，V空間代替角度θ，φ，其中θ表示俯仰角，φ表示方位角，它們之間的關系為

U＝sinθcosφ，V＝sinθsinφ.

圖2 優化前110只天線波束綜合圖

在程序中參數設置種群規模psize＝40，交叉概率pc＝0.8，變異概率pm＝0.1，迭代50次后，最大副瓣電平小于－13.6dB的機會為0.708，得到其中的一組最優解是優化后有71只天線單元工作，四個分區工作的單元數目為［29，6，13，23］，分布情況如圖3所示.圖3中的“＊”表示天線激勵打開，“o”表示天線激勵關閉.圖4為優化后71只天線激勵打開時的波束綜合圖，最大副瓣電平－14.06dB，比優化前有所提高，且工作天線單元數目變少節省了雷達資源.

改變程序中參數的設置，種群規模不變，交叉概率pc＝0.7，變異概率pm＝0.2，迭代50次后，仿真結果最大副瓣電平小于－13.6dB的機會為0.712，得到其中的一組最優解是優化后有78只天線單元工作，四個分區工作的單元數目為［32，12，13，21］，分布情況如圖5所示.圖5中的“＊”表示天線激勵打開，“o”表示天線激勵關閉.圖6為優化后78只天線激勵打開時的波束綜合圖，最大副瓣電平－14.6 dB，比優化前提高了1dB，且工作天線單元數目節省了32只.

圖3 優化后71只天線單元分布

圖4 優化后71只天線波束綜合圖

圖5 優化后78只天線單元分布

圖6 優化后78只天線單元波束綜合圖

表1給出了不同參數設置下的機會最大化模型結果比較.由表中數據可以看出，不同參數設置下，最終得到的可信度均在0.7左右，說明算法是穩定和有效的.

表1 機會最大化模型結果比較

4 結 論

本文針對不確定環境下的機會陣波束綜合問題進行了研究.機會陣陣元任意分布，波束綜合時工作狀態不確定，同時為節省天線資源，對最終參與工作的天線單元數目進行約束，提出了一種基于模糊相關機會規劃的方向圖綜合算法.在綜合時，給定約束條件，將隨機參與方向圖綜合的天線單元數目看作模糊變量建立相關機會規劃模型，并結合模糊模擬技術和遺傳算法設計了一種新的混合智能優化算法對其進行優化求解.最后，仿真結果表明了在不確定環境條件的約束下，最大副瓣電平滿足條件的機會為0.7左右，且不同參數的結果表明算法是穩定和有效的.本文方法也可用于任意陣陣元的布局，對工程實踐有一定的指導意義.

［1］ JON A B.Genetic Algorithms As A Tool For Opportunistic Phased Array Radar Design［D］.Monterey：Naval Postgraduate School，2002.

［2］ LANCE C E.Genetic Algorithm Design and Testing of A Random Element 3－D 2.4GHz Phased Array Transmit Antenna Constructed of Commercial RF Microchips［D］.Monterey：Naval Postgraduate School，2003.

［3］ IBRAHIM K.Distributed Beam Forming in A Swarm UAV Network［D］.Monterey：Naval Postgraduate School，2008.

［4］ LONG W J，BEN D，PAN M H.Pattern synthesis for OAR using LSFE－GA method［J］.International Journal of RF and Microwave Computer－aided Engineering，2011，21（5）：584－588.

［5］ 龍偉軍，賁 德，BAKHSHI A D，等.三維機會陣雷達波束綜合優化［J］.電波科學學報，2010，25（1）：93－98.

LONG Weijun，BEN De，BAKHSHI A D，et al.Pattern synthesis optimization of 3－D oppportunistic array radar［J］.Chinese Journal of Radio Science，2010，25（1）：93－98.（in Chinese）

［6］ 龔樹鳳，賁 德，潘明海，等.一種考慮互耦的機會陣雷達波束綜合方法［J］.電波科學學報，2014，29（1）：12－18.

GONG Shufeng，BEN De，PAN Minghai，et al.A novel method for pattern synthesis of opportunistic array radar with mutual coupling［J］.Chinese Journal of Radio Science，2014，29（1）：12－18.（in Chinese）

［7］ LING C，ZHU L Y，WEE S.Linear aperiodic array synthesis using an improved genetic algorithm［J］.IEEE Transactions on Antennas and Propagation，2012，60（2）：895－892.

［8］ WANG W B，FENG Q Y，LIU D.Application of chaotic particle swarm optimization algorithm to pattern synthesis of antenna arrays［J］.Progress in Electromagnetics Research，2011，115：173－189.

［9］ RANDY L P.Thinned arrays using genetic algorithms［J］.IEEE Transactions on Antennas and Propagation，1994，42（7）：993－999.

［10］ OLEN C A，COMPTON R T.A numerical pattern synthesis algorithm for arrays［J］.IEEE Transaction on Antenna and Propagation，1990，38（10）：1666－1676.

［11］ ZHOU P Y，INGRAM M A.Pattern synthesis for arbitrary arrays using an adaptive array method［J］.IEEE Transaction on Antenna and Propagation，1998，46（11）：1759－1760.

［12］ ZHAN S，ZHENGHE F.A new array pattern synthesis algorithm using the two－step least－squares method［J］.IEEE Signal Processing Letters，2005，12（3）：250－253.

［13］ YAN S F，MA Y L，SUN C.Optimal beamforming for arbitrary arrays using second－order cone programming［J］.Chinese Journal of Acoustics，2005，24（1）：1－9.

［14］ ZADEH L A.Fuzzy sets［J］.Information and Control，1965，8：338－353.

［15］ ZADEH L A.Fuzzy sets as a basis for a theory of possibility［J］.Fuzzy Sets and Systems，1999，100（S1）：9－34.

［16］ LIU B D，LIU Y K.Expected value of fuzzy variable and fuzzy expected value models［J］.IEEE Transaction on Fuzzy Systems，2002，10：445－450.

［17］ LIU B D.Uncertainty Theory：An Introduction to Its Axiomatic Foundations［M］.Berlin：Spring－Verlag，2004：109－128.

［18］ 劉寶碇，趙瑞清.隨機規劃與模糊規劃［M］.北京：清華大學出版社，1998：164－183.

［19］ LIU B D.Fuzzy random chance－constrained programming［J］.IEEE Transaction on Fuzzy Systems，2001，9（5）：713－720.

［20］ LIU B D.Fuzzy random depent－chance programming［J］.IEEE Transaction on Fuzzy Systems，2001，9（5）：721－726.

［21］ 陳根宗，劉湘偉，雄 杰.模糊機會約束規劃在雷達干擾資優化分配中的應用［J］.現代防御技術，2010，38（6）：128－133.

CHEN Gengzong，LIU Xiangwei，XIONG Jie.Application of fuzzy chance constrained programming in optimal distribution of radar jamming resource［J］.Modern Defence Technology，2010，38（6）：128－133.

［22］ 吳杰康，唐 力.基于模糊機會約束規劃的水火電力系統多目標隨機調度模型［J］.中國電機工程學報，2011，31（25）：26－34.

WU Jiekang，TANG Li.Multi－objective stochastic scheduling models for hydrothermal plants on fuzzy chance constrained programming［J］.Proceedings of the CSEE，2011，31（25）：26－34.（in Chinese）

［23］ ZHAO T，WANG X.A fuzzy chance－constrained programming model for liquid chlorine downstream products selection problem in environmental services［C］／／2011Annual SRII Global Conference.San Jose，2011：630－635.

［24］ 王麗娜，王 兵，周賢偉.一種新的智能天線波束形成算法［J］.電波科學學報，2007，22（2）：351－354.

WANG Lina，WANG Bing，ZHOU Xianwei.A novel beamforming algorithm of smart antenna［J］.Chinese Journal of Radio Sciencs，2007，22（2）：351－354.（in Chinese）

［25］ 趙福玲，王永軍，何少林，等.遺傳算法綜合智能天線的賦形波束［J］.電波科學學報，2011，26（3）：593－597.

ZHAO Fuling，WANG Yongjun，HE Shaolin，et al.Shape beam of smart antenna synthesized by genetic algorithm［J］.Chinese Journal of Radio Sciencs，2011，26（3）：593－597.（in Chinese）

Pattern synthesis for opportunistic array radar based on fuzzy dependent－chance programming

GONG Shufeng1LONG Weijun1，2PAN Minghai1BEN De1，2
（1.Key Laboratory of Radar Imaging and Microwave Photonics，Nanjing Univ Aeronaut Astronaut，Ministry of Education，Nanjing University of Aeronautics and Astronautics，Nanjing Jiangsu 210016，China；2.Nanjing Research Institute of Electronics Technology，Nanjing Jiangsu 210038，China）

In this paper，the problem of pattern synthesis for opportunistic array radar is studied，and a new pattern synthesis algorithm based on fuzzy dependent－chance programming is proposed.The algorithm based on credibility theory，considers antenna elements with random distribution and excited state of uncertainty，uses fuzzy variables to characterize the complex and uncertain environment of antenna elements，and creates the programming model for pattern synthesis.A searching method integrating the technique of fuzzy simulation and genetic algorithm is designed to search the quasi－optimal schedule under some decision－making criterion.Simulation examples are given to demonstrate the feasibility of the searching method for solving the proposed model.

opportunistic array radar；pattern synthesis；credibility theory；dependentchance programming；fuzzy simulation；genetic algorithms

TN911.7

A

1005－0388（2015）02－0201－07

龔樹鳳（1985－），女，河北人，南京航空航天大學電子信息工程學院在讀博士研究生，主要研究方向為新體制雷達、雷達信號處理等.

龍偉軍（1978－），男，云南人，博士，目前就職于南京電子技術研究所，研究方向為新體制雷達、陣列波束綜合、雷達信息處理和信號傳輸.

潘明海（1962－），男，河北人，南京航空航天大學電子信息工程學院教授，博士生導師，主要研究方向為新體制雷達、射頻仿真以及雷達信號處理.

賁 德（1938－），男，吉林人，中國工程院院士，南京航空航天大學電子信息工程學院院長，教授，博士生導師，就職于南京電子技術研究所，主要研究方向為新體制雷達、雷達信號處理等.

龔樹鳳，龍偉軍，潘明海，等.基于模糊相關機會規劃的機會陣雷達方向圖綜合［J］.電波科學學報，2015，30（2）：201－207.

10.13443／j.cjors.2014051901

GONG Shufeng，LONG Weijun，PAN Minghai，et al.Pattern synthesis for opportunistic array radar based on fuzzy dependent－chance programming［J］.Chinese Journal of Radio Science，2015，30（2）：201－207.（in Chinese）.doi：10.13443／j.cjors.2014051901

2014－05－19

國家自然科學基金（No.61071164、61271327）；江蘇高校優勢學科建設工程項目

聯系人：龔樹鳳E－mail：suffy＿nuaa＠163.com