认知雷达信号处理中信噪杂比最优波形设计.docxVIP

认知雷达信号处理中信噪杂比最优波形设计 0 基于sinr拉格朗日乘子法的最优波形设计 认知雷达是一种新兴的智能雷达，也是未来雷达发展的主要趋势。 目前, 认知雷达最优波形设计主要有两种方法:一种是基于最大互信息的波形设计方法 笔者针对认知雷达波形设计, 推导出在非点目标背景下基于SINR拉格朗日乘子法的最优波形设计公式, 提出了基于SINR最大能量分配的波形设计方法。该方法提高了计算效率, 减少了计算量, 具有更好的通用性。 1 基于最优发射波形的sinr SINR是反映雷达检测性能的一个重要参数。最大化SINR的波形设计算法是认知雷达信号处理中波形设计的重要方法之一 通常, SINR谱密度公式表示为 其中P 在带宽为w的情况下, SINR表示为 发射能量表示为 将式 (2) 作为需要优化的目标函数, 式 (3) 作为发射能量的约束条件, 利用拉格朗日乘子法, 获取SINR的最优解 若使式 (4) 中的目标函数最大, 可等效为使式 (4) 中的积分式最大, 用U表示积分式, 即 要满足最优发射波形, 需对式 (5) 中关于 其中λ由发射波形的能量决定, 由 解得。 2 在能量分配的最大sinr波形的设计中 2.1 能量约束问题 算法首先将SINR离散化。离散化的SINR为 其中f 将离散的能量简化替代, 得 则式 (9) 写成 所以求取最优发射波形的优化问题可转化为能量约束问题。 对e 在能量分配算法中, 每次分配Δ单位的能量, 直到所有能量都分配完。在每次分配能量时, 对于所有k, 选取Z (e (k) , k) 中最大的Z (e (k 2.2 算法的具体步骤 第k个频段内分配jΔ能量时所对应的SINR用矩阵A中的元素A (k, j) 表示为 算法的具体步骤如下: 1) 求取矩阵A, 并初始化能量矩阵e, e (k) =0, k=1, 2, …, N; 2) 找出A (k, 1) (k=1, 2, …, N) 中最大的A (d, 1) , 并为能量矩阵赋值e (d) =Δ; 3 sinr最优波形的确定 设定M=1 000, 采样点数为512, 信号频率为f=[0, 1], 总能量为1, 噪声的功率谱密度为1。 实验1图1为已知的目标谱和杂波谱, 图2和图3分别为基于能量分配的SINR最优波形和基于拉格朗日乘子法的SINR最优波形。 从实验1可以看到, 两种算法获得的最优波形相近。为得到最大的SINR, 最优波形尽可能地把能量分配给杂波响应较弱、目标响应较强的频段。 实验2在与实验1相同条件下, 改变杂波谱的分布。图4为变化的目标谱和杂波谱, 图5和图6分别为基于能量分配的SINR最优波形和基于拉格朗日乘子法的SINR最优波形。 从实验2可以看出, 当杂波谱发生响应的频移时, 两种算法所获得的最优波形仍然相近。为了得到最大的SINR, 最优波形尽可能地把能量分配给杂波响应较弱、目标响应较强的频段。 实验1和实验2分别给出了基于能量分配算法和拉格朗日乘子算法的SINR最优波形。从两个实验结果可以看出, 两种算法的最优波形的能量谱是相近的。当杂波的功率谱密度在某些频段上较小或为0时, 发射波形将在该频段上分配更多的能量;反之, 在杂波很强或目标相对较弱的频段上, 发射波形的能量谱在该频段上将分配较少的能量。但从总体上看, 最优波形的能量谱与目标谱的变化趋势是一致的。为了补偿杂波, 最优发射波形的幅度与目标谱相比有了变化, 以保证通过最优波形对能量的合理分配获取最大化的SINR。 4 最大能量分配sinr认知雷达最优波形设计 对于拉格朗日乘子法的SINR认知雷达最优波形设计, 由于需要引入拉格朗日乘子, 在求取最优波形时, 需要对乘子进行搜索, 计算量大且繁琐。与拉格朗日乘子法相比, 笔者提出的最大能量分配SINR认知雷达最优波形设计方法, 通过对能量的合理分配设计最优波形, 获取最大化的SINR, 避免了初始值对最优波形的影响。该方法具有计算量小、通用性广泛等优点。 由于 然后将能量约束E离散化。离散后的能量为 3) 更新矩阵A, 令t=A (d, 1) , 对于所有的j, j=1, 2, 3, …, M, 令A (d, j) =A (d, j+1) -t; 4) 若jM, 则跳转至2) , 直到j=M, 即将所有的能量分配完。