一种宽频带雷达脉间相位编码波形优化设计方法

1.本发明涉及宽频带雷达技术领域，特别涉及一种宽频带雷达脉间相位编码波形优化设计方法。


背景技术：

2.现有雷达普遍存在分辨率不高、抗干扰能力不强等缺点，而宽频带雷达由于其高分辨能力与抗干扰能力吸引了广大学者的研究。现阶段宽频带雷达主要基于mimo(multiple input multiple output，多输入多输出)体制实现。mimo雷达需要阵元天线之间发射相互正交的信号波形，从而在接收端根据回波正交性分离出各通道信号，为后续高精度参数估计提供基础。实现波形正交主要有时间分集、频率分集、编码分集等多种方法，不同正交波形占用系统资源不同，实现难易程度也不同。
3.车载宽频带mimo雷达是目前的研究热点。对于车载雷达，需要综合考虑低复杂度、低成本、波形正交性等需求，选择合适的正交方式设计波形。相比于时间分集、频率分集等正交波形，脉间相位编码正交波形无需额外的发射时间或发射带宽，能够充分利用系统资源；相比于极化分集、调频分集等正交波形，相位编码正交波形生成更简单。因而相位编码正交波形更适合应用于车载雷达。
4.针对相位编码正交波形优化设计方法，常见的优化算法有启发式算法和精确算法。精确算法包括线性规划、动态规划等；启发式算法主要包括遗传算法、粒子群算法、模拟退火算法等。本专利所提方法主要是基于遗传算法改进实现。
5.遗传算法主要包括适应度计算、选择、交叉和变异四个部分。首先生成合适的种群个体数目。然后计算每个个体的适应度函数，根据适应度计算个体被选入下一次迭代的概率，并通过轮盘赌来选择进入下一代的个体。选择后通过交叉和变异生成下一代，从而避免优化过程陷入局部最优。其中交叉是通过交换个体之间的一部分片段，重新组成个体并进入下一代；变异则是按照一定概率改变个体内部的片段，重新生成个体并进入下一代。以上过程即为遗传算法迭代一次的全流程。每次迭代后重新计算最优适应值，直到当前适应值满足要求或者已经达到最大迭代次数后停止优化，输出优化后结果。
6.近些年，由于车载雷达角度分辨率的不断提高，雷达内收发阵元数变多，导致需要设计的相位编码正交波形个数成倍增加；并且，随着越来越多的车辆加装毫米波雷达，车载雷达不仅需要考虑自身单元雷达内发射波形的正交，还要实现不同雷达之间波形的正交。然而，传统遗传算法在大规模相位编码正交波形设计需求下，搜索空间会显著增大、搜索性能急剧恶化。因此，亟需提出一种新方法实现大规模相位编码正交波形的设计。


技术实现要素：

7.本发明克服了现有技术的不足之一，提供了一种宽频带雷达脉间相位编码波形优化设计方法，利用混沌映射生成大规模不相关序列的初始值，进而缩减遗传算法搜索空间、改善遗传算法全局搜索能力，从而实现大规模正交相位编码波形快速稳健设计。
8.根据本公开的一方面，本发明提供一种宽频带雷达脉间相位编码波形优化设计方法，所述方法包括：
9.利用混沌映射将m个不同的初始值生成多组相位编码序列，m为正整数；
10.采用遗传算法优化所述多组相位编码序列，得到最优的编码序列组。
11.在一种可能的实现方式中，所述利用混沌映射将m个不同的初始值生成多组相位编码序列，包括：
12.针对每个初始值，利用混沌映射生成初始值序列；针对每个所述初始值序列，截取m组长度为n的初始值序列；
13.利用所述m组长度为n的初始值序列生成s个长度为l的相位编码序列，进而得到m组s*l的相位编码序列矩阵x，其中，n，s，l为正整数；
14.对所述m组s*l的相位编码序列矩阵x量化为m组s*l的离散相位编码序列矩阵y；
15.对所述离散相位编码序列矩阵y构建发射信号模型，利用所述发射信号模型构建所述离散相位编码序列矩阵的每个相位编码序列的发射信号；
16.对每个所述相位编码序列的发射信号进行傅里叶变换得到每个所述相位编码序列的频域信号；
17.对所述相位编码序列的频域信号进行积分旁瓣比计算，选择积分旁瓣比最小的s个离散相位编码序列作为优选多组相位编码序列。
18.在一种可能的实现方式中，所述采用遗传算法优化所述多组相位编码序列，得到最优的编码序列组，包括：
19.从所述s个离散相位编码序列组中选择n组离散相位编码序列作为遗传算法的n个个体；
20.根据适应度函数计算所述每个个体的适应度值；
21.根据所述适应值计算所述每个个体进入下一代的选择概率；
22.将进入下一代的所述个体进行交叉和变异遗传操作；
23.重复上述操作，直至循环迭代次数为最大迭代次数时，停止遗传算法，得到最优的编码序列组。
24.在一种可能的实现方式中，所述离散相位编码序列矩阵y为：
[0025][0026]
式中，x为相位编码序列矩阵x，y为量化后的离散相位编码序列，c表示c相编码。
[0027]
在一种可能的实现方式中，所述对每个所述相位编码序列的发射信号进行傅里叶变换得到每个所述相位编码序列的频域信号，包括：
[0028][0029]
其中，k＝0，1，
…
，l-1，表示长度为l的编码序列的第k个值；表示离散傅里叶变换的变换因子，j为复数，sig
s,m
为编码序列构建信号，
[0030]
本发明的一种宽频带雷达脉间相位编码波形优化设计方法，利用混沌映射将m个
不同的初始值生成多组相位编码序列，m为正整数；采用遗传算法优化所述多组相位编码序列，得到最优的编码序列组。利用混沌映射生成大规模不相关序列的初始值，进而缩减遗传算法搜索空间、改善遗传算法全局搜索能力，从而实现大规模正交相位编码波形快速稳健设计，生产大规模正交性能强的相位编码序列。
附图说明
[0031]
附图用来提供对本技术的技术方案或现有技术的进一步理解，并且构成说明书的一部分。其中，表达本技术实施例的附图与本技术的实施例一起用于解释本技术的技术方案，但并不构成对本技术技术方案的限制。
[0032]
图1示出了根据本公开一实施例的一种宽频带雷达脉间相位编码波形优化设计方法流程图；
[0033]
图2示出了根据本公开另一实施例的一种宽频带雷达脉间相位编码波形优化设计方法流程图；
[0034]
图3示出了传统算法在最差序列组合时信号解调频谱示意图；
[0035]
图4示出了根据本公开一实施例的改进算法在最差序列组合时信号解调频谱示意图；
[0036]
图5示出了传统算法在最优序列组合时信号解调频谱示意图；
[0037]
图6示出了根据本公开一实施例的改进算法在最优序列组合时信号解调频谱示意图。
具体实施方式
[0038]
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本技术实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本发明的保护范围之内。
[0039]
另外，附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0040]
本公开的一种宽频带雷达脉间相位编码波形优化设计方法的主要思想为：
[0041]
一、确定性系统(bernoulli映射)在不同初值情况下生成大规模连续编码序列，再对上述序列进行量化及预选；即根据编码序列量化后形成的时域信号进行傅里叶变换得到信号频谱，选择islr较小的序列。
[0042]
二、对筛选后的编码序列进一步采用遗传算法进行优化处理。由混沌序列选择后的编码序列生成初始化种群，计算种群个体适应值，然后通过选择、交叉、变异来比较最优适应值，并通过多次迭代，当达到最大迭代次数时，算法停止迭代。下面介绍具体的方法流程：
[0043]
图1示出了根据本公开一实施例的一种宽频带雷达脉间相位编码波形优化设计方法流程图。如图1所示该方法可以包括：
[0044]
步骤s1：利用混沌映射将m个不同的初始值生成多组相位编码序列，m为正整数。
[0045]
在一示例中，该步骤可以具体包括：
[0046]
步骤s11：针对每个初始值，利用混沌映射生成初始值序列；针对每个初始值序列，截取m组长度为n的初始值序列。
[0047]
步骤s12：利用m组长度为n的初始值序列生成s个长度为l的相位编码序列，进而得到m组s*l的相位编码序列矩阵x。
[0048]
例如，首先选择m个不同的初始值，通过bernoulli映射(即式(1))生成初始值序列，并对每个初始值生成的序列中截取一段用于生成s个长度为l的相位编码序列。其中bernoulli映射为：
[0049][0050]
式中初值x(0)的取值范围是[-0.5,0.5]，其映射空间也是[-0.5,0.5]，u＝2-ε表示bernoulli映射的控制参数，其中ε趋近于0，n表示映射迭代次数，x(n)表示混沌映射第n次迭代后生成的值。
[0051]
m组s*l的相位编码序列矩阵x为：
[0052][0053]
其中，x表示混沌序列生成的值，m表示相位编码序列数，l表示一段序列的编码长度，s表示通过混沌映射预先选取的序列组数目。且存在如下关系：
[0054]
x＝[x
1 x2ꢀ…ꢀ
xs]
ꢀꢀꢀ
式(3)，
[0055]
其中，xs可表示一个编码序列组，可以用矩阵表示：
[0056][0057]
其中，x表示混沌序列生成的值，m表示相位编码序列数，l表示一段序列的编码长度，s表示第s个序列组，且满足1≤s≤s。
[0058]
步骤s13：对m组s*l的相位编码序列矩阵x量化为m组s*l的离散相位编码序列矩阵y，其中，n，s，l为正整数。
[0059]
因混沌映射生成的序列是连续的，但是雷达信号采用的是离散方式进行相位编码，因此要对生成的连续序列进行量化。以c相编码为例，相位只存在{0,2π/c,2*2π/c,3*2π/c,
…
,(c-1)*2π/c}，连续编码的量化可由如下公式得到：
[0060][0061]
其中，y表示混沌序列映射产生的连续值x量化后的结果；c表示c相编码；表示向下取整符号。
[0062]
整个编码序列组可用如下公式表示:
[0063][0064]
其中，x为混沌映射生成的连续编码矩阵，y为量化后的离散编码矩阵，且有
[0065]
y＝[y1,y2,
…ys
]
ꢀꢀꢀ
式(7)，
[0066]
其中，ys为离散相位编码序列矩阵，可表示为：
[0067][0068]
其中，y表示混沌序列映射产生的连续值x量化后的结果；s表示第s个序列组，且满足1≤s≤s；l表示一段序列的编码长度。
[0069]
步骤s14：对离散相位编码序列矩阵y构建发射信号模型，利用发射信号模型构建离散相位编码序列矩阵的每个相位编码序列的发射信号。
[0070]
步骤s15：对每个相位编码序列的发射信号进行傅里叶变换得到每个相位编码序列的频域信号。
[0071]
步骤s16：对所述相位编码序列的频域信号进行积分旁瓣比(integrated side lobe ratio，islr)计算，选择积分旁瓣比最小的s个离散相位编码序列作为优选多组相位编码序列。
[0072]
例如，对量化后的编码序列y构建发射信号模型：
[0073][0074]
其中，ys表示第s个编码序列组，一个编码序列构建信号可表示如下：
[0075][0076]
其中j表示复数，y
s,m
表示第s个序列组中第m个相位编码序列，l为编码序列长度。
[0077]
对信号进行傅里叶变换得到频域信号，变换公式如下：
[0078][0079]
其中，k＝0，1，
…
，l-1表示长度为l的编码序列的第k个值；表示离散傅里叶变换的变换因子，j为复数，sig
s,m
为编码序列构建信号，sig
s,m
为变换后的频域信号。
[0080]
对所得频域信号计算islr，计算公式如下：
[0081]
islr＝10lg[(p
total-p
main
)/p
main
]
ꢀꢀꢀ
式(12)，
[0082]
其中，p
total
表示总能量，p
main
表示主瓣能量。
[0083]
选择islr较小的编码序列，使得编码序列的频谱比较平稳，从而获得随机性更好的序列。
[0084]
步骤s2：采用遗传算法优化所述多组相位编码序列，得到最优的编码序列组。其
中，该步骤可以包括：从s个离散相位编码序列组中选择n组离散相位编码序列作为遗传算法的n个个体；根据适应度函数计算所述每个个体的适应度值；根据所述适应值计算所述每个个体进入下一代的选择概率；将进入下一代的所述个体进行交叉和变异遗传操作；重复上述操作，直至循环迭代次数为最大迭代次数时，停止遗传算法，得到最优的编码序列组。
[0085]
举例来说，从s个离散序列组中筛选出n组序列作为遗传算法的n个个体，每个个体中包含m个序列，每个序列码长为l。可用矩阵表示为：
[0086][0087]
其中，遗传算法的第n个个体可以用如下矩阵ψn表示：
[0088][0089]
其中，l为编码序列长度，n表示种群中第n个个体，且满足1≤n≤n，则有
[0090]
ψ＝[ψ
1 ψ2ꢀ…ꢀ
ψn]
ꢀꢀꢀ
式(15)，
[0091]
但是，如果一个个体包含m个编码序列，可表示为：
[0092]
ψn＝[c
n1
,c
n2
,
…
,c
nm
,
…
,c
nm
]
t
ꢀꢀꢀ
式(16)，
[0093]
其中，t表示矩阵的转置，c
nm
表示第n个个体中第m个编码序列，且满足1≤m≤m，c
nm
可表示为：
[0094]cnm
＝[ym((n-1)*l+1),ym((n-1)*l+2),
…
,ym(n*l)]
ꢀꢀꢀ
式(17)，
[0095]
计算遗传算法中每个个体内m个相位编码序列的适应度函数。在第rm2个接收通道接收到的第tm1个发射信号经解调后可表示为：
[0096]
sa
tm1,rm2
＝[y
tm1
((n-1)*l+1)，
…
，y
tm1
(n*l)]./[y
rm2
((n-1)*l+1)，
…
，y
rm2
(n*l)] 式(18)，
[0097]
其中，tm1和rm2表示第m1个发射通道和m2个接收通道，且m1与m2满足m1≠m2，1≤m1≤m，1≤m2≤m，m表示发射或接收通道总数，即为发射的m个相位编码序列。
[0098]
对该信号进行傅里叶变换得到频域信号，并求取对应的islr
tm1,rm2
。m个序列之间两两解调共有a
m2
种组合。对所有接收通道的islr求取平均值，并加上最小的islr与权重系数w的乘积。
[0099]
根据适应度函数求出种群中n个个体的适应值：
[0100][0101]
式中，n＝1，2，
…
，n表示个体序号，a
m2
＝m*(m-1)/2，m表示发射或接收通道总数，w表示权重系数。
[0102]
根据适应值计算个体进入下一代迭代的概率，由适应度表达式可知，适应值越大，被选中的概率越大。可用如下方式计算选择概率：
[0103][0104]
式中，αn表示第n个个体的适应值，max[
·
]表示取最大值。
[0105]
求得每个个体的概率后，采用轮盘赌方式选择进入下一代的个体。其中，轮盘赌方法又称比例选择方法，其基本思想是各个个体被选中的概率与其适应度大小成正比。
[0106]
选择个体之后进行种群个体交叉和变异遗传操作。其中，交叉是指在一定交叉概率下一个个体的其中一个序列与另一个个体的对应序列交换位置，具体表现为c
n1 m
与c
n2 m
交换。其中n1与n2表示第n1与n2个个体。变异是指个体的其中一个编码序列在一定变异概率下改变成为另一个序列。其中，每个个体的适应度计算、选择、交叉和变异为迭代一次全流程，循环迭代至最大迭代次数后，算法停止迭代，得到最优编码序列组。
[0107]
应用示例
[0108]
图2示出了根据本公开另一实施例的一种宽频带雷达脉间相位编码波形优化设计方法流程图。
[0109]
如图2所示，首先通过混沌映射产生大量的相位编码序列，再对编码序列进行傅里叶变换并计算频谱islr，从而筛选出频谱起伏较为平稳的序列，形成遗传算法的初始个体。基于此，进一步利用遗传算法，计算每个个体之间的适应度函数(评价个体内编码序列间正交性能)，经过选择、交叉和变异进行多次迭代，从而得到具有最优适应值的大规模编码序列集合。
[0110]
下面结合仿真测试实例，对本发明的应用效果进行说明。本次仿真中参数设置如下表所示：
[0111]
表1仿真实验参数表
[0112]
[0113][0114]
其中，本发明中改进算法以单个编码序列为个体进行优化处理，而传统遗传算法则需要对序列内的每个编码值进行优化。因此，本发明可有效减少优化变量，缩小搜索空间，快速迭代生成所需正交编码序列。
[0115]
分别采用传统遗传算法与本发明方法，生成大规模编码序列组后，对编码序列正交性进行分析。例如，仿真实验从产生的30个编码序列中分别抽取2、3、4个序列进行排列组合，并对所有序列组合的信号解调，然后比较频谱峰值旁瓣比与积分旁瓣比的均值、最小值和起伏情况，结果如下表2与表3所示。
[0116]
表2传统算法与改进算法峰值旁瓣比
[0117]
[0118][0119]
由表2可知，从30个序列中分别抽取2、3、4个序列时，采用本发明的改进算法的峰值旁瓣比最小值分别提升了0.39db、0.79db和0.80db，且最大值与最小值的起伏差值减小了0.87db、0.82db和0.71db。
[0120]
表3传统算法与改进算法的积分旁瓣比
[0121][0122]
由表3可知，从30个序列中分别抽取2、3、4个序列时，改进算法的积分旁瓣比最小值分别提升了0.04db、0.41db和0.31db，且最大值与最小值的起伏差值减小了0.03db、0.03db和0.16db。
[0123]
图3示出了传统算法在最差序列组合时信号解调频谱示意图；图4示出了根据本公开一实施例的改进算法在最差序列组合时信号解调频谱示意图。
[0124]
以30个序列中抽取3个序列为例进一步对比传统算法和本发明改进算法生成序列的正交性。由图3可知，传统遗传算法峰值旁瓣比为8.11db，积分旁瓣比为16.77db；由图4可知，，改进算法峰值旁瓣比为8.90db，积分旁瓣比为16.90db。即采用本方法峰值旁瓣比可提升0.79db，积分旁瓣比可提升0.13db，即本方法在最差序列组合条件下正交性能明显优于传统算法。
[0125]
图5示出了传统算法在最优序列组合时信号解调频谱示意图；图6示出了根据本公开一实施例的改进算法在最优序列组合时信号解调频谱示意图。
[0126]
由图5可以看出，传统遗传算法峰值旁瓣比为16.31db，积分旁瓣比为19.51db；由图6可以看出，改进算法峰值旁瓣比为16.28db，积分旁瓣比为20.27db。即采用本方法峰值旁瓣比保持一致，积分旁瓣比可提升0.76db，在最优序列组合条件下正交性能同样优于传统算法。
[0127]
本发明的一种宽频带雷达脉间相位编码波形优化设计方法，能够生成的大规模相位编码波形，在不同序列组合下信号峰值旁瓣比与积分旁瓣比的起伏更小，且正交性能也明显优于传统遗传算法，可以提升雷达各通道信号正交性。对比已有技术，本发明还具有如下优点：
[0128]
1.获得大规模相位编码正交序列。在正交波形数量需求增多时，遗传算法搜索空间将十分庞大，搜索过程计算量剧增，难以有效得到正交性优良的个体。而混沌序列在初始值不同的情况下经过多次迭代后生成的序列不相关。可利用该特点生成大规模不相关序列。
[0129]
2.缩短生成序列的时间。在生成大规模编码序列时，单独使用遗传算法进行全局搜索会消耗大量时间，而通过混沌映射后改进的遗传算法减小了搜索空间，缩短了生成序列的时间。因此，本发明的提出和工程实现在雷达波形设计领域具有很高的推广应用价值。
[0130]
虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。