检索结果-南通市图书馆

检索条件"主题词=波形参数选择"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

智能化雷达波形参数选择算法研究

智能化雷达波形参数选择算法研究

引用

作者：罗子涵电子科技大学

学位级别：硕士

雷达（Radio Detection and Ranging,Radar）作为一种远距离目标的探测手段,在军事领域有着极其重要的地位。为了提高雷达系统在复杂时变环境下的自适应能力,智能化雷达通过构建接收机到发射机的信息反馈机制,结合知识与数据联合驱动的... 详细信息

雷达（Radio Detection and Ranging,Radar）作为一种远距离目标的探测手段,在军事领域有着极其重要的地位。为了提高雷达系统在复杂时变环境下的自适应能力,智能化雷达通过构建接收机到发射机的信息反馈机制,结合知识与数据联合驱动的人工智能技术,有效提高了雷达对新环境、新目标和新任务的自适应能力,智能化雷达的发展已然成为下一代雷达的研究热点。本文旨在研究智能化雷达在目标跟踪场景下的波形参数选择问题,具体工作如下:1.论述了传统雷达在复杂作战环境中的性能瓶颈,给出了目标跟踪场景下的智能化雷达原理框架并构建了相应数学模型。通过建立智能化雷达信号模型,分析了发射波形参数对贝叶斯滤波器中量测噪声协方差的影响,并在此基础上探讨了三种智能化雷达波形参数选择准则函数,作为后续研究的基础。2.针对目标跟踪场景下单部雷达的波形参数选择问题,本文提出了一种基于IMM的波形参数选择算法。该算法将IMM模型中各子滤波器的预测状态估计协方差进行加权融合,结合准则函数实现了波形参数的智能化选择。仿真结果表明,相较于传统雷达,该算法在二维和三维空间中,均能提高正确运动模型的有效概率,进而改善跟踪性能。除此之外,还对比了三种不同准则函数下的IMM波形参数选择算法的跟踪性能,结果表明最小均方误差准则性能最佳。3.针对目标跟踪场景下雷达组网的波形参数选择问题,本文提出了一种基于强化学习的联合波形参数选择算法。该算法充分利用了信息融合的优势,在融合中心从雷达组网的角度对所有节点波形参数进行联合选择。同时为了解决波形参数寻优的计算耗时问题,借助强化学习构建了波形参数决策器。结果表明,相较于传统雷达,该算法能够以较低的计算代价有效提高雷达组网对目标的跟踪性能。4.针对雷达跟踪性能和资源调度的协同问题,本文提出了一种基于模糊逻辑的波形参数选择算法。该算法给出了兼顾跟踪性能和资源调度的带约束目标优化函数,并通过模糊逻辑系统对优化函数中的重要性因子进行自适应的调整。仿真结果表明,该算法可在满足预设雷达量测精度的前提下有效降低雷达资源的使用。综上所述,本文针对目标跟踪场景下单雷达和雷达组网中的波形参数选择问题,提出了三种波形参数选择算法,均有效提高了雷达系统对目标的自适应能力,改善了系统跟踪性能,为智能化雷达的波形参数选择提供了理论依据。

关键词：智能化雷达目标跟踪波形参数选择强化学习模糊逻辑

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向协同跟踪优化的认知雷达波形参数选择与资源调度

面向协同跟踪优化的认知雷达波形参数选择与资源调度

引用

作者：王鹏峥哈尔滨工业大学

学位级别：硕士

现代战争中对雷达完成检测、跟踪、识别等任务提出了更高的要求。战场电磁环境复杂多变,电子对抗技术不断发展,雷达作战环境变得更加恶劣,传统雷达探测技术与体制难以满足高性能探测需求,促使雷达向智能化、网络化方向发展。本文面向杂... 详细信息

现代战争中对雷达完成检测、跟踪、识别等任务提出了更高的要求。战场电磁环境复杂多变,电子对抗技术不断发展,雷达作战环境变得更加恶劣,传统雷达探测技术与体制难以满足高性能探测需求,促使雷达向智能化、网络化方向发展。本文面向杂波和干扰背景下单/多机/舰载平台认知雷达机动目标跟踪性能优化,开展波形参数选择和资源调度技术研究。构建了认知波形参数选择和认知协同探测结构,提出了基于启发式算法和强化学习算法的认知波形参数选择方法和资源调度方法。在传统强化学习算法的基础上,提出了基于深度双Q网络算法的参数选择方法和基于分层抽象机算法的任务分配与资源调度方法,提高了机载/舰载雷达在杂波和干扰背景下的机动目标跟踪能力。首先,研究了认知雷达波形参数选择的基本原理,构建了认知波形参数选择的基本框架,分析了波形参数对目标检测跟踪性能的影响,并对面向目标跟踪的准则函数进行了分析,研究了最小均方误差准则、最大互信息准则和最小波门准则下的最优波形参数,设计了认知雷达的波形库和奖励函数。其次,针对机载雷达在杂波环境下进行机动目标跟踪的参数选择问题,构建了机载雷达杂波环境下机动目标跟踪的仿真模型,提出了基于准则函数的启发式波形参数调度算法。进一步地,为了提高波形参数选择效率,提出了基于强化学习的认知波形参数选择方法,利用Q学习、深度Q网络算法和和深度双Q网络算法,改善了跟踪性能,同时也有效提高了决策效率。最后构建了不同目标运动状态和不同杂波分布的新场景进行强化学习适用性测试。最后,针对杂波干扰背景下组网雷达在机动目标协同跟踪优化问题,分别提出了基于启发式算法的认知波形参数选择方法和基于分层强化学习的资源调度方法。针对空海协同探测的组网雷达跟踪性能优化,提出了启发式算法进行认知参数调度;针对强/弱干扰下目标跟踪性能下降的问题,研究了基于强化学习的功率资源调度方法;针对多雷达多目标探测过程中的任务分配和资源管理问题,提出了分层抽象机算法,实现了雷达任务分配和资源调度的不同层级问题的同时决策,在满足每个目标探测需求的基础上,提高了组网雷达的资源利用率。

关键词：认知雷达协同探测机动目标跟踪波形参数选择雷达资源管理强化学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：