高级搜索

基于服务质量的相控阵雷达网目标分配方法

杨善超 田康生 吴长飞

引用本文: 杨善超, 田康生, 吴长飞. 基于服务质量的相控阵雷达网目标分配方法[J]. 电子与信息学报, doi: 10.11999/JEIT181133 shu
Citation:  Shanchao YANG, Kangsheng TIAN, Changfei WU. Target Assignment Method for Phased Array Radar Network Based on Quality of Service[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT181133 shu

基于服务质量的相控阵雷达网目标分配方法

    作者简介: 杨善超: 男,1992年生,博士研究生,研究方向为相控阵雷达资源管理、预警情报组网;
    田康生: 男,1963年生,教授,博士生导师,研究方向为相控阵雷达资源管理、预警情报组网;
    吴长飞: 男,1981年生,讲师,硕士,研究方向为预警情报处理、预警情报信息系统;
    通讯作者: 杨善超, y_qinglinshuo@163.com
  • 基金项目: 国家自然科学基金(61601510)

摘要: 针对目前相控阵雷达网目标分配模型中约束条件构建不合理以及求解算法性能不高的问题,该文构建了基于服务质量(Quality of Service, QoS)的雷达网目标分配模型,并提出基于强凹曲线逼近的模型求解算法。通过QoS模型中资源空间、环境空间的建立准确描述雷达的资源限制以及雷达与目标的可见性约束;通过库恩-塔克条件推导出QoS模型最优解存在的充分条件,利用2维快速遍历方法逼近得到强凹函数曲线,最后对每个目标强凹曲线中的操作设定点进行逐步迭代得出优化分配方案。仿真结果表明:模型能够有效完成雷达网任务分配,且所提模型求解算法相比典型的智能搜索算法有更好的性能。

English

    1. [1]

      BIL R and HOLPP W. Modern phased array radar systems in Germany[C]. Proceedings of IEEE International Symposium on Phased Array Systems and Technology, Waltham, USA, 2016: 11–17.

    2. [2]

      MALLICK M, KRISHNAMURTHY V, and VO B N. Sensor management for large-scale multisensor -multitarget tracking[M]. MALLICK M, KRISHNAMURTHY V, and VO B N. Integrated Tracking, Classification, and Sensor Management: Theory and Applications. Hoboken, USA: John Wiley & Sons, Inc., 2014: 447–520.

    3. [3]

      MOO P W and DING Zhen. Coordinated radar resource management for networked phased array radars[J]. IET Radar, Sonar & Navigation, 2015, 9(8): 1009–1020. doi: 10.1049/iet-rsn.2013.0368

    4. [4]

      KALANDROS M. Covariance control for sensor management in cluttered tracking environments[J]. Journal of Guidance, Control, and Dynamics, 2004, 27(3): 493–496. doi: 10.2514/1.10339

    5. [5]

      AUGHENBAUGH J M and LA COUR B R. Metric selection for information theoretic sensor management[C]. Proceedings of the 200811th International Conference on Information Fusion, Cologne, Germany, 2008: 1–8.

    6. [6]

      周林. 基于信息论的传感器管理算法研究[D]. [硕士论文], 河南大学, 2005: 34–42.
      ZHOU Lin. The algorithm of sensor management based on information theory[D]. [Master dissertation], Henan University, 2005: 34–42.

    7. [7]

      WANG Xiaoying, HOSEINNEZHAD R, GOSTAR A K, et al. Multi-sensor control for multi-object bayes filters[J]. Signal Processing, 2018, 142: 260–270. doi: 10.1016/j.sigpro.2017.07.031

    8. [8]

      SEOK J, ZHAO Jinxin, SELVAKUMAR J, et al. Radar resource management: Dynamic programming and dynamic finite state machines[C]. Proceedings of 2013 European Control Conference, Zurich, Switzerland, 2013: 4100–4105.

    9. [9]

      DELIGIANNIS A and LAMBOTHARAN S. A Bayesian game theoretic framework for resource allocation in multistatic radar networks[C]. Proceedings of 2017 IEEE Radar Conference, Seattle, USA, 2017: 546–551. doi: 10.1109/RADAR.2017.7944263.

    10. [10]

      方德亮, 冉晓旻, 李鸥. 一种能量有效的分布式传感器管理算法[J]. 西安电子科技大学学报: 自然科学版, 2017, 44(2): 171–177. doi: 10.3969/j.issn.1001-2400.2017.02.029

    11. [11]

      FANG Deliang, RAN Xiaomin, and LI Ou. Energy efficient distributed sensor management algorithm[J]. Journal of Xidian University: , 2017, 44(2): 171–177.(本条文献为第10条文献的英文信息, 请核对 doi: 10.3969/j.issn.1001-2400.2017.02.029

    12. [12]

      RUSU C, THOMPSON J, and ROBERTSON N M. Sensor scheduling with time, energy, and communication constraints[J]. IEEE Transactions on Signal Processing, 2018, 66(2): 528–539. doi: 10.1109/TSP.2017.2773429

    13. [13]

      JAIN N K, NANGIA U and JAIN J. A Review of particle swarm optimization[J]. Journal of the Institution of Engineers (India) : Series B, 2018, 99(4): 407–411. doi: 10.1007/s40031-018-0323-y

    14. [14]

      郭广颂, 文振华, 郝国生. 基于群体决策的多用户协同交互式遗传算法[J]. 电子与信息学报, 2018, 40(9): 2165–2172. doi: 10.11999/JEIT171234
      GUO Guangsong, WEN Zhenhua, and HAO Guosheng. Interactive genetic algorithm based on collective decision making with multi-user collaboration[J]. Journal of Electronics &Information Technology, 2018, 40(9): 2165–2172. doi: 10.11999/JEIT171234

    15. [15]

      NADJIASNGAR R and CHARLISH A. A performance model for target tracking with a radar network[C]. Proceedings of IEEE Radar Conference, Johannesburg, South Africa, 2015: 117–123. doi: 10.1109/RadarConf.2015.7411887.

    16. [16]

      HANSEN J, RAJKUMAR R, LEHOCZKY J, et al. Resource management for radar tracking[C]. Proceedings of 2006 IEEE Conference on Radar, Verona, USA, 2006: 358–363. doi: 10.1109/RADAR.2006.1631788

    17. [17]

      BOYD S and VANDENBERGHE L. Convex Optimization[M]. London, England: Cambridge University Press, 2004: 99–103.

    18. [18]

      FRANCU M, KERMAN R and SINNAMON G. A new algorithm for approximating the least concave majorant[J]. Czechoslovak Mathematical Journal, 2017, 67(4): 1071–1093. doi: 10.21136/CMJ.2017.0408-16

    1. [1]

      魏嘉琪张磊刘宏伟盛佳恋. 曲线交叠外推的微动多目标宽带分辨算法. 电子与信息学报, doi: 10.11999/JEIT190033

    2. [2]

      贺丰收何友刘准钆徐从安. 卷积神经网络在雷达自动目标识别中的研究进展. 电子与信息学报, doi: 10.11999/JEIT180899

    3. [3]

      王逸林马世龙邹男梁国龙. 时空域联合的水下未知线谱目标检测方法. 电子与信息学报, doi: 10.11999/JEIT180796

    4. [4]

      王汝言李宏娟吴大鹏李红霞. 基于半马尔科夫决策过程的虚拟传感网络资源分配策略. 电子与信息学报, doi: 10.11999/JEIT190016

    5. [5]

      谷允捷胡宇翔谢记超. 基于重叠网络结构的服务功能链时空优化编排策略. 电子与信息学报, doi: 10.11999/JEIT190145

    6. [6]

      唐伦马润琳杨恒陈前斌. 基于非正交多址接入的网络切片联合用户关联和功率分配算法. 电子与信息学报, doi: 10.11999/JEIT180770

    7. [7]

      谢显中黎佳黄倩陈杰. 机器类通信中基于NOMA短编码块传输的高可靠低迟延无线资源分配优化方案. 电子与信息学报, doi: 10.11999/JEIT190128

    8. [8]

      周牧王烟濛袁慧田增山. 基于Mann-Whitney秩和检验的无线局域网室内映射与定位方法. 电子与信息学报, doi: 10.11999/JEIT180392

    9. [9]

      苏楠戴奉周刘宏伟. 基于HRRP序列的钝头倒角锥目标微动特性分析及参数估计. 电子与信息学报, doi: 10.11999/JEIT180520

    10. [10]

      陈树新洪磊吴昊刘卓崴岳龙华. 学生 t 混合势均衡多目标多伯努利滤波器. 电子与信息学报, doi: 10.11999/JEIT181121

    11. [11]

      臧鸿雁黄慧芳柴宏玉. 一类2次多项式混沌系统的均匀化方法研究. 电子与信息学报, doi: 10.11999/JEIT180735

    12. [12]

      陈光武程鉴皓杨菊花刘昊张琳婧. 基于改进神经网络增强自适应UKF的组合导航系统. 电子与信息学报, doi: 10.11999/JEIT181171

    13. [13]

      路新华MANCHÓNCarles Navarro王忠勇张传宗. 大规模MIMO系统上行链路时间-空间结构信道估计算法. 电子与信息学报, doi: 10.11999/JEIT180676

    14. [14]

      唐伦魏延南马润琳贺小雨陈前斌. 虚拟化云无线接入网络下基于在线学习的网络切片虚拟资源分配算法. 电子与信息学报, doi: 10.11999/JEIT180771

    15. [15]

      田子建贺方圆. 一种基于分布式压缩感知的矿井目标指纹数据库建立方法. 电子与信息学报, doi: 10.11999/JEIT180857

    16. [16]

      陶成陈贵潮刘凯周涛. 基于混合精度模数转换器的大规模MIMO-OFDM系统性能分析. 电子与信息学报, doi: 10.11999/JEIT181136

    17. [17]

      张杰鑫庞建民张铮邰铭刘浩. 基于非相似余度架构的网络空间安全系统异构性量化方法. 电子与信息学报, doi: 10.11999/JEIT180764

    18. [18]

      涂开辉黄志洪侯峥嵘杨海钢. 基于配置模式匹配和层次化映射结构的高效FPGA码流生成系统研究. 电子与信息学报, doi: 10.11999/JEIT190143

    19. [19]

      张顺外魏琪. 多信源多中继编码协作系统准循环LDPC码的联合设计与性能分析. 电子与信息学报, doi: 10.11999/JEIT190069

    20. [20]

      徐保庆赵永波庞晓娇. 基于实值处理的联合波束域双基地MIMO雷达测角算法. 电子与信息学报, doi: 10.11999/JEIT180766

  • 图 1  雷达驻留模型

    图 2  强凹函数曲线

    图 3  TDFT方法流程图

    图 4  仿真背景

    图 5  目标跟踪位置误差

    图 6  雷达网目标分配情况

    图 7  算法运行时间对比

    图 8  系统平均效用值对比

    表 1  各对象坐标设置

    对象坐标
    导弹M1(33.720, 131.528)
    M2(31.864, 131.156)
    M3(28.932, 130.508)
    M4(27.630, 130.175)
    战略目标O(30.546, 114.241)
    雷达R1(32.933, 118.119)
    R1(30.646, 118.176)
    R1(28.657, 118.467)
    下载: 导出CSV

    表 2  模型相关参数设置

    空间相关参数取值
    资源维最大时间资源占用率70%
    信号重复周期20 ms
    脉宽500 μs
    雷达最大平均功率60 kw
    雷达峰值功率250 kw
    最大能量资源占用率70%
    波束驻留次数3
    环境维目标类型导弹、$\beta {\rm{}} = 300$
    目标速度7~12 Ma
    目标加速度0.4~3.5 g
    目标射程2000 km
    雷达与目标可见性全程可见
    下载: 导出CSV

    表 3  算法参数设置

    算法参数取值
    粒子群算法种群规模20
    最大循环代数200
    惯性常量0.8
    学习因子C1=C2=2
    遗传算法种群规模20
    交叉概率0.8
    变异概率0.2
    下载: 导出CSV
  • 加载中
图(8)表(3)
计量
  • PDF下载量:  7
  • 文章访问数:  56
  • HTML全文浏览量:  47
  • 引证文献数: 0
文章相关
  • 通讯作者:  杨善超, y_qinglinshuo@163.com
  • 收稿日期:  2018-12-07
  • 录用日期:  2019-06-18
  • 网络出版日期:  2019-07-04
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章