基于非监督贝叶斯学习雷达性能指标动态评估

作     者：杨磊 毛欣瑶 杨晓炜 张海 杨菲 孙麟 YANG Lei;MAO Xinyao;YANG Xiaowei;ZHANG Hai;YANG Fei;SUN Lin

作者机构：中国民航大学天津市智能信号与图像处理重点实验室天津300300 中国工程物理研究院电子工程研究所四川绵阳621999 

出 版 物：《系统工程与电子技术》 (Systems Engineering and Electronics)

年 卷 期：2021年第43卷第1期

页      面：74-82页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(61601470) 天津市自然科学基金(16JCYBJC41200)资助课题 

主　　题：非监督学习 贝叶斯学习 动态评估 雷达性能指标 

摘      要：针对传统雷达性能指标评估方法相对“机械、缺乏理论约束,需要多次重复实验,导致评估效率较低,评估成本较高等问题,提出基于非监督贝叶斯学习方法的雷达性能指标动态评估算法,在一定雷达探测目标先验假设下,结合典型回波观测数据模型,建立雷达性能指标后验概率模型。考虑到先验知识与观测数据可能存在的非共轭特性,针对先验概率模型建立分层贝叶斯模型,从而保证雷达性能指标后验概率密度函数的可解性。此外,为了保证后验概率密度函数的闭合解析解,应用变分贝叶斯期望最大化(variational Bayesian expectation maximization,VB-EM)方法,基于高斯赛德尔迭代策略分别计算性能指标及其超参数的后验概率密度函数。最终,利用后验概率密度函数计算结果,可获得相应性能指标解析估计值及其置信区间和置信度,从而实现对指标动态变化的解析指示。相比传统蒙特卡罗评估方法,所提方法仅需一次实验数据便可获得定量的、解析的指标评估结果,可以大大缩减评估成本,提升评估效率,同时可对指标动态变化给出定量指示。应用仿真数据对雷达定位、测高精度以及目标检测概率指标进行了验证,相比传统方法,评估处理增益获得了有效提升。