遺傳算法搜索雷達(dá)脈沖重復(fù)周期

華　瑤，孫曉聞

(南京電子技術(shù)研究所,　南京 210039)

?

·總體工程·

遺傳算法搜索雷達(dá)脈沖重復(fù)周期

華瑤，孫曉聞

(南京電子技術(shù)研究所,南京 210039)

采用脈沖多普勒體制的雷達(dá)需發(fā)射多個(gè)不同重復(fù)周期(PRI)的脈沖組對(duì)目標(biāo)進(jìn)行探測(cè)。在雷達(dá)工程中一般采用窮舉搜索的方法來優(yōu)選PRI，計(jì)算量巨大。文中研究了遺傳算法(GA)搜索雷達(dá)PRI方法，針對(duì)機(jī)載雷達(dá)探測(cè)空中目標(biāo)的特點(diǎn)，以速度盲區(qū)和距離盲區(qū)聯(lián)合最小作為適應(yīng)度評(píng)價(jià)函數(shù)，搜索結(jié)果具備良好的探測(cè)清晰區(qū)。通過仿真示例說明了遺傳算法搜索PRI的有效性，并對(duì)遺傳算法的計(jì)算量進(jìn)行了分析。與窮舉搜索法相比，遺傳算法大大減少搜索數(shù)目，可以快速搜索出滿足工程要求的PRI組合，具備良好的工程適用性。

遺傳算法; 脈沖重復(fù)周期; 盲區(qū)

0　引　言

機(jī)載雷達(dá)為了有效抑制雜波，提高檢測(cè)能力，一般采用脈沖多普勒處理(PD)[1-2]技術(shù)。PD采用多組不同的脈沖重復(fù)周期(PRI)，根據(jù)一定的準(zhǔn)則進(jìn)行檢測(cè)，常用的如：2/4、3/8準(zhǔn)則[3-4]等。PRI組合的選擇一般采用搜索的方法，但是PRI組合數(shù)目很大，如果采用窮舉法搜索速度很慢。遺傳算法(GA)[5-6]能夠減小搜索的組合數(shù)目，大大加快搜索速度，可以快速搜索出滿足工程要求的結(jié)果。

1　遺傳算法搜索PRI

下面對(duì)遺傳算法搜索PRI的詳細(xì)過程進(jìn)行介紹。

1.1編碼

遺傳算法最基本的編碼方案是采用二進(jìn)制編碼，但二進(jìn)制編碼對(duì)于PRI的搜索來說有一定的局限性：(1) 不直觀，需要經(jīng)過編碼與解碼的過程，不能直接與解完間一一對(duì)應(yīng)；(2) 個(gè)體中每個(gè)染色體取值范圍的限定較麻煩；(3) 精度不好控制，小數(shù)點(diǎn)后的所需位數(shù)不好限定。而采用十進(jìn)制編碼可以有效地解決上述三個(gè)問題，因而本文采用的是十進(jìn)制編碼，直接利用PRI值作為個(gè)體的基因。

1.2個(gè)體取值范圍的限定

一組較好的PRI，在整個(gè)要求的可選范圍內(nèi)分布均勻，如果產(chǎn)生初始種群時(shí)不加以控制，會(huì)產(chǎn)生某兩個(gè)或幾個(gè)PRI的值很接近的個(gè)體，這樣的個(gè)體是不好的。因此，在產(chǎn)生初始種群時(shí)可以限定每個(gè)PRI的選取范圍，這樣就可以使每個(gè)個(gè)體的分布在整個(gè)PRI取值范圍內(nèi)分布得更加平均一些。本文對(duì)個(gè)體取值范圍的限定方法如下：

假設(shè)要搜索的PRI的范圍為[Tr min，Tr max]，Tr min為最小PRI，Tr max為最大PRI，要搜索的一組PRI為N個(gè)，分別為Tr1,Tr2,…,TrN，則兩個(gè)PRI的平均間距ΔT為

(1)

假設(shè)第一個(gè)PRI與最后一個(gè)PRI的變化范圍為C1·ΔT，C1為取值范圍的限定系數(shù)，Tr1與TrN的取值范圍為

Tr1=[Tr min,Tr min+C1·ΔT]

(2)

TrN=[Tr max-C1·ΔT，Tr max]

(3)

假設(shè)Tri,i=2,3,…,N-1的變化范圍為C2·ΔT，其取值范圍為

Tri=[Tr min+(Ni-1)·ΔT-C2·ΔT·Tr min+

(Ni-1)·ΔT+C2·ΔT]

(4)

這樣，通過改變C1與C2的值就可以控制每個(gè)Tri的取值范圍。通過圖1可以直觀地看出每個(gè)Tri的取值范圍。

圖1　個(gè)體取值范圍的限定

1.3適應(yīng)度評(píng)價(jià)

如何評(píng)價(jià)個(gè)體的適應(yīng)度是遺傳算法搜索PRI的一個(gè)關(guān)鍵問題[7]，適應(yīng)度評(píng)價(jià)的合適與否直接關(guān)系到最終能否搜索出符合要求的結(jié)果。本文以速度清晰區(qū)為適應(yīng)度函數(shù)，以速度清晰區(qū)最大為準(zhǔn)則。選擇速度清晰為適應(yīng)度函數(shù)的原因如下：

(1)在工程中，速度上沒有盲區(qū)是最重要的，因?yàn)榫嚯x始終都在變化，即使距離上存在一定的盲區(qū)，只要不大，經(jīng)很短的時(shí)間目標(biāo)就可跨越盲區(qū)，所以對(duì)檢測(cè)影響不大。

(2)距離-速度二維清晰區(qū)最大是一種更好的搜索準(zhǔn)則，但是二維清晰區(qū)的計(jì)算量很大，會(huì)極大減慢搜索速度，而且即使二維清晰區(qū)最大也不能保證速度清晰區(qū)最大。

(3)用清晰區(qū)最大可以直接作為遺傳算法搜索的適應(yīng)度函數(shù)，不需轉(zhuǎn)換。如果用盲區(qū)最小還要經(jīng)過一次轉(zhuǎn)換才可作為適應(yīng)度函數(shù)。

適應(yīng)度函數(shù)計(jì)算過程如下：

(1)確定搜索速度范圍與主雜波寬度；

(2)計(jì)算每個(gè)PRI下全部速度范圍所在頻率門；

(3)按照要求的M/N準(zhǔn)則，判斷某一速度是否位于速度清晰區(qū)；

(4)計(jì)算所有速度范圍落入清晰區(qū)的總數(shù)。

經(jīng)過上面四個(gè)步驟所得結(jié)果就為適應(yīng)度函數(shù)。

1.4選擇運(yùn)算

選擇運(yùn)算是從當(dāng)前代群體中選擇出一些比較優(yōu)良的個(gè)體，并按某種規(guī)則或模型遺傳到下一代群體中，一般要求適應(yīng)度較高的個(gè)體有更多的機(jī)會(huì)遺傳到下一代群體中。本文采用的是比例選擇算子，也稱為賭盤選擇。比例運(yùn)算執(zhí)行的過程如下：

(1)計(jì)算出群體中所有個(gè)體的適應(yīng)度總和；

(2)計(jì)算每個(gè)個(gè)體的相對(duì)適應(yīng)度大小，即各個(gè)個(gè)體被遺傳到下一代群體中的概率；

(3)使用模擬賭盤[8]操作確定個(gè)體被選中的次數(shù)。

1.5交叉運(yùn)算

交叉運(yùn)算是產(chǎn)生新個(gè)體的主要操作過程，它以某一概率相互交換某兩個(gè)個(gè)體之間的部分染色體。本文采用的是單點(diǎn)交叉的方法，其執(zhí)行的過程如下：

(1)對(duì)群體中的個(gè)體進(jìn)行兩兩隨機(jī)配對(duì)；

(2)對(duì)每一相互配對(duì)的個(gè)體，隨機(jī)設(shè)置某一基因之后的位置為交叉點(diǎn)；

(3)對(duì)每一對(duì)相互配對(duì)的個(gè)體，依設(shè)定的交叉概率pc在其交叉點(diǎn)處相互交換兩個(gè)個(gè)體的部分染色體，從而產(chǎn)生出兩個(gè)新的個(gè)體。

1.6變異運(yùn)算

變異運(yùn)算是將個(gè)體的某一個(gè)或某一些基因按一個(gè)較小的概率進(jìn)行改變，它也是產(chǎn)生新個(gè)體的一種方法。

1.7最終結(jié)果的選取

經(jīng)遺傳搜索后可以得到很多結(jié)果，為了確定這么多結(jié)果中哪個(gè)或哪幾個(gè)是最優(yōu)的，還要進(jìn)行進(jìn)一步的篩選。篩選過程如下：

(1) 將最后一代種群中所有個(gè)體按適應(yīng)度大小排序，即按照速度清晰區(qū)大小排序；

(2) 選出速度清晰區(qū)最大的所有個(gè)體；

(3) 計(jì)算(2)中選出的所有個(gè)體的距離清晰區(qū)；

(4) 將個(gè)體按距離清晰區(qū)從大到小排序，選擇距離清晰區(qū)最大的個(gè)體。

經(jīng)過上面的四個(gè)過程，最終得到的個(gè)體速度清晰區(qū)最大，同時(shí)，距離清晰區(qū)也是最大的。最終得到的結(jié)果可能不是一個(gè)，再結(jié)合工程的具體要求加以判斷就可以選擇出合適的PRI組合。

2　仿真結(jié)果

2.1仿真結(jié)果

假設(shè)載機(jī)的飛行速度v0為800 km/h，雷達(dá)發(fā)射頻率f0為3 GHz，占空比為0.1，檢測(cè)準(zhǔn)則為2/4。假設(shè)要求雷達(dá)的重復(fù)頻率范圍為8 kHz～12 kHz,進(jìn)行PD處理時(shí)的FFT脈沖數(shù)為64個(gè)，則每個(gè)頻率門寬度為125.0Hz～187.5Hz。若最小可檢測(cè)目標(biāo)速度vmin為40 m/s，則其對(duì)應(yīng)的多普勒頻率fmin為800 Hz，對(duì)應(yīng)的多普勒頻率門為6.40～4.27，取以0號(hào)頻率門為中心的共七個(gè)多普勒頻率門為扣除的頻率門，則利用遺傳算法得到的一組PRI搜索結(jié)果為：[84.0 μs、95.4 μs、106.4 μs、124.4 μs]。其對(duì)應(yīng)的距離盲區(qū)見圖2，速度盲區(qū)見圖3，距離-速度二維盲區(qū)見圖4。仿真時(shí)種群中個(gè)體數(shù)目為500個(gè)，交叉概率Pc=0.6，變異概率Pm=0.01，進(jìn)化數(shù)為30代。

圖3　速度盲區(qū)圖

圖4　距離-速度二維盲區(qū)圖

可以看出：遺傳算法搜索結(jié)果在單獨(dú)的距離或速度上均可以滿足至少兩幀清晰的要求，達(dá)到工程要求。

2.2計(jì)算量分析

3　結(jié)束語

遺傳算法是一種高效的次最優(yōu)搜索算法，可有效解決工程優(yōu)化問題，其最重要的就是適應(yīng)度評(píng)價(jià)函數(shù)的設(shè)計(jì)。機(jī)載雷達(dá)探測(cè)目標(biāo)時(shí)，探測(cè)到的目標(biāo)多普勒速度在一段時(shí)間內(nèi)幾乎是不變的。如果此時(shí)正好落在速度盲區(qū)，會(huì)導(dǎo)致目標(biāo)無法檢測(cè)。而目標(biāo)的距離始終都在快速變化，即使在某些距離區(qū)上存在一定的盲區(qū)，經(jīng)很短時(shí)間即可跨越盲區(qū)，對(duì)目標(biāo)檢測(cè)影響不大。本文正是針對(duì)機(jī)載雷達(dá)的這一特點(diǎn)，設(shè)計(jì)了適應(yīng)度評(píng)價(jià)函數(shù)。仿真表明：本文采用的方法可以快速、有效搜索出滿足機(jī)載雷達(dá)探測(cè)要求的PRI組合。

[1]賁德．機(jī)載脈沖多普勒雷達(dá)[M]． 北京: 電子工業(yè)出版社， 2006．

BEN De．Airborne pulse Doppler radar[M]． Beijing: Publishing House of Electronics Industry，2006．

[2]酈能敬. 預(yù)警機(jī)系統(tǒng)導(dǎo)論[M]. 北京: 國防工業(yè)出版社, 1998.

LI Nengjing. Introduction of airborne early warning system[M]. Beijing: National Defense Industry Press, 1998.

[3]SKOLNIK M I．Radar Handbook[M]．2nd ed. NewYork： McGraw-Hill，1990.

[4]田黎育, 高梅國. 距離-速度二維波形分析跟蹤[J]. 現(xiàn)代雷達(dá), 2002, 24(6): 39-42.

TIAN liyu，GAO meiguo. A method for digital moving target tracking based on distance-speed two dimensions waveform analysis[J]. Modern Radar, 2002, 24(6)：39-42.

[5]周明，孫樹棟． 遺傳算法原理及應(yīng)用[M]． 北京: 國防工業(yè)出版社， 2000．

ZHOU Ming，SUN Shudong．Genetic algorithms: theory and applicaitons [M]．Beijing: National Defense Industry Press，2000．

[6]GAAFAR L K, MASOUD S A. Genetic algorithms and simulated annealing for scheduling in agile manufacturing[J]. International Journal of Production Research, 2005, 43(14): 189-216.

[7]HOLLAND J H. Adaptation in natural and artificial systems[M]. Cambridge, MA: MIT Press, 1975.

[8]GOLDBERG D E. Genetic algorithms in search, optimization and machine learning, reading[M]. MA: Addison-Wesley, 1989.

華瑤女，1965年，高級(jí)工程師。研究方向?yàn)闄C(jī)載火控雷達(dá)系統(tǒng)技術(shù)。

Pulse Repetition Interval of Searching Radar under Genetic Algorithm

HUA Yao，SUN Xiaowen

(Nanjing Research Institute of Electronics Technology, Nangjing 210039, China)

Radars referred to as pulse-Doppler are systems that transmit several pulse trains of different pulse repetition interval(PRI) for target detection. The brute force is one of the conventional methods for the selection ofPRIin engineering, and it is computationally intensive. Aiming to characteristic of the target in the air, the genetic algorithm (GA) based on the fitness evaluation function which combines the blind velocity and blind range is presented to improve the efficiency ofPRIsearch in the paper. Simulation results demonstrate the perfect performance of the proposed method and the detailed analysis of computationally cost based on GA method is made. Compared with the brute force, the GA method reduces the computation cost evidently and is suited for the rapid optimal search of radarPRIcombination in engineering, and the results show the method's engineering applicability.

genetic algorithm; pulse repetition interval; blind zone

10.16592/ j.cnki.1004-7859.2016.08.004

華瑤Email：njsss102@163.com

2016-04-29

2016-07-01

TN957.51

A

1004-7859(2016)08-0017-03