Numerical simulation of multi output radar orthogonal waveform based on chaos optimization algorithm.pdf Введение Радар широко используется для обнаружения целей. С его помощью получают расстояние, скорость (радиальную скорость), азимут, высоту и другую информацию. При многоканальном приеме и передаче сигнала в MIMO (многоканальном приемо-передающем)-радаре для предотвращения взаимных помех между каналами сигналы на выходе должны быть ортогональны друг другу, поэтому форма передаваемого сигнала оказывает большое влияние на эффективность обнаружения. Ортогональность сигнала является важным фактором для реализации MIMO-радара, поэтому она привлекает большое внимание [1, 2]. Для решения проблемы ограничения PID-регулятора в контроле сложных нелинейных систем и сложных сигналов, для повышения и оптимизации производительности был предложен квазихаотический алгоритм поиска по множеству данных (icsoa). С целью улучшения способности локального уточнения и глобального поиска были введены стратегии: адаптивная весовая, инициализации логистического хаоса и уточнения. Критерием оптимизации, по которому корректируются PID-параметры, является интеграл суммы квадратов ошибки. Предложен общий метод оптимизации структуры и тока нагрузки сегментированных термоэлектрических блоков (TEG), в котором используются материалы: в качестве холодного конца теллурид висмута, а горячего - скуттерудит. Для оценки производительности модуля TEG рассматриваются минимальный объем полупроводника V' и максимальная выходная мощность p'. Создана и решена методом конечных элементов имитационная модель оптимизации многозадачного генетического алгоритма. Одновременно рассматриваются эффект Томсона, эффект Пельтье, джоулевский нагрев и фурье-теплопроводность. Для достижения окончательной оптимизации конструкции используется TOPSIS (аналогичная технология сортировки идеальных решений) для определения наилучшей компромиссной схемы. Обсуждается проблема MIMO-радара, представляющего собой новую технологию получения радиолокационных изображений аэрокосмических целей. Ортогональная форма волны является одной из важных проблем в MIMO-визуализации. Естественно, что в практических приложениях не существует идеальной ортогональной формы сигнала с одинаковой частотой и произвольной задержкой. Поэтому, если не используется дальнейшая обработка, такая, как цифровое формирование луча (DBF), то результаты изображения неортогонального формирования волн на основе согласованной фильтрации (MF), как правило, не идеальны. Метод разреженного восстановления (SR) может уменьшить взаимную интерференцию неортогональных сигналов и улучшить качество изображения. В данной работе исследуется способ получения формы сигнала MIMO радара на основе Sr. Обсуждается разница между методом MF и методом SR по форме принятого сигнала [3]. Однако многие практические задачи требуют реализовать оптимизацию нескольких целей, т.е. эти задачи содержат несколько целевых функций. Поэтому ортогональная оптимизация формы сигнала MIMO-радара с использованием нескольких целевых функций стала одной из актуальных тем. При разработке способа получения ортогональной формы сигнала фокусируются, в основном, на использовании алгоритма оптимизации для получения глобальной оптимальной формы сигнала путем построения целевой функции. Однако этот метод имеет недостатки, связанные с большими временными затратами, низкой эффективностью, плохой производительностью в реальном времени и ограниченной пропускной способностью сигнала. При изменении передающих элементов РЛС MIMO исходный сигнал уже не будет эффективным, а алгоритм оптимизации следует использовать повторно [4, 5]. При увеличении количества передаваемых сигналов резко ухудшается их ортогональность. Ввиду недостатков существующих методов необходимо разработать быстрый и эффективный метод проектирования с хорошей ортогональностью, адаптивностью к изменениям передающих элементов РЛС MIMO и хорошей производительностью в реальном времени. В настоящее время применение хаотического сигнала в радиолокации является новым научным направлением [6, 7]. Теория оптимизации широко используется для решения различных практических задач. Это эффективный метод численного анализа экстремальных задач. Поскольку сигнал мультиплексирования с ортогональным частотным разделением (OFDM-LFM) является результатов нескольких сигналов, постольку постоянный модуль сигнала не может быть гарантирован, а вероятность перехвата и эффективность защиты от помех ограничены. Теория хаоса - это фундаментальная наука, изучающая общность нелинейных явлений [8]. По мере исследований широкое внимание привлекло применение хаоса к глобальной оптимизации нелинейных мультимодальных оптимизационных задач. Чтобы преодолеть недостатки традиционных алгоритмов оптимизации, часто вводят хаотическую динамическую систему для решения сложных оптимизационных задач. Этот вид алгоритма оптимизации называется хаотическим оптимизационным алгоритмом. Хаос - это вид нерегулярного и случайного явления в детерминированной системе, единство порядка и беспорядка, определенности и случайности. Характерными чертами являются псевдослучайность, эргодичность и регулярность. Он может быть применен для численного анализа ортогональной формы волны многовыходного радара [9, 10]. В данной работе предлагается многовыходная методика, основанная на алгоритме хаотической оптимизации. Цель моделирования ортогональной формы сигнала заключается в том, чтобы заставить усилитель частоты каждой передающей антенны работать на одной и той же максимальной мощности. Это достигается путем численного моделирования, когда генерируется фактическая форма сигнала, т.е. ортогональная форма сигнала MIMO-радара, которая соответствует характеристикам постоянного коэффициента усиления в режиме фазовой модуляции, уменьшает влияние помех и шумов FM-сигнала так, чтобы поддерживать идеальный сигнал обнаружения. Теория и метод Идея хаотического алгоритма оптимизации состоит в том, чтобы ввести хаотическое состояние в переменные оптимизации и расширить эргодический диапазон хаотического движения до интервала значений переменных оптимизации с помощью метода, аналогичного несущей волне, и поиска с хаотическими переменными [11, 12]. В общем случае процесс поиска на основе хаотической динамической системы можно разделить на следующие два этапа. На первом исследуется все пространство оптимизационных решений на основе эргодической орбиты, порожденной детерминированным итерационным уравнением. При выполнении определенных условий завершения полученное оптимальное решение считается близким к оптимальному решению задачи [13], что принимается за отправную точку второго этапа. На втором этапе в качестве центра берутся результаты первого этапа, а локальный более точный поиск осуществляется путем добавления небольшого возмущения до тех пор, пока не будет выполнено условие завершения алгоритма. Дополнительное возмущение может быть хаотической переменной, основанной на гауссовом или равномерном распределении случайной величиной или вычисленной методом градиентного спуска величиной смещения. Ортогональная форма волны многовыходного радара имеет всенаправленную диаграмму, которая может наблюдать все цели одновременно. Она обладает высокой способностью перехвата и длительным временем накопления [14, 15], что влияет на способность обнаружения и эффективность подавления помех радиолокационной системы. В практическом применении часто встречается проблема принятия решений, состоящая из ряда частичных и многоступенчатых решений. Эта многоэтапная задача относится к такому виду процесса, который делится на несколько взаимосвязанных этапов. На каждом необходимо принять решение, тем самым влияя на работоспособность всего процесса. Часто необходимо судить о схеме, плане и проектировании множественных целей для достижения оптимизации, поэтому подобные задачи содержат несколько целевых функций. Метод оценочных функций является базовым для решения подобных задач. Его основная идея состоит в том, чтобы построить функцию оценки с помощью геометрии или априорной информации в приложении. Задача многоцелевой оптимизации преобразуется в задачу одноцелевой оптимизации, а оптимальное решение рассматривается как решение задачи многоцелевой оптимизации. На каждом этапе передачи сигнала выбирается оптимальное решение для достижения эффекта при заданном стандарте. Необходимо разделить процесс решения задачи на несколько взаимосвязанных этапов, правильно выбрать переменные состояния и переменные решения и определить оптимальную функцию, чтобы превратить большую задачу в семейство подзадач одного типа и решить их одну за другой, а итерационный метод при этом является наиболее распространенным [16]. В отличие от классического, алгоритм хаотической оптимизации может выскочить из локального минимума при получении смещения, которое ухудшает целевую функцию, но достигает глобального по собственному закону движения. Поэтому алгоритм хаотической оптимизации легче достигает глобального минимума по сравнению с традиционным алгоритмом. При этом задача нелинейного программирования состоит в нахождении оптимального решения целевой функции при ограничениях (равенства или неравенства): , (1) где частотный код ; - целевая функция; , - ограничивающие функции, , . По крайней мере одна из этих функций нелинейна. Ограничения выражаются в виде множества, последовательность , - допустимое множество или допустимая область, а точка в S называется допустимой точкой. В практическом применении передающая картина представляет собой среднее значение энергии в широтно-импульсно-временном представлении, которое определяет пространственные характеристики передаваемого сигнала. При обнаружении целей на эффективность обнаружения влияет не только энергия сигнала , но и его корреляционные характеристики во временной области. Когда радар MIMO принимает эхо-сигнал, то сначала выполняется формирование полученного луча, а затем пространственно-временная согласованная фильтрация, которая эквивалентна передаче луча и одномерной согласованной фильтрации во временной области. Если направление луча наблюдения равно θh, то результатом пространственно-временной согласующей фильтрации является . (2) Здесь - подстроечный параметр со значением 0-4. Когда равно 4, система находится в хаотическом состоянии. Если исходная точка взята произвольно, то может быть получена эргодическая последовательность точек на отрезке 0, 1, которая может быть преобразована в переменную хаотической эргодичности в пространстве решений оптимизационной задачи, а ее решение может быть найдено путем поиска минимума выражения , (3) где τ - временная задержка. Когда , то предыдущее уравнение является автокорреляционной функцией сигнала пространственного синтеза в направлении θ, в противном случае это кросс-корреляционная функция пространственного синтезированного сигнала в направлении и в направлении . Характеристики непосредственно влияют на обнаружение целей. Высокая автокорреляция боковых лепестков может легко вызвать ложную тревогу, а большая перекрестная корреляция вызовет интерференцию эхосигналов в разных направлениях [17]. Поскольку формирование приемного луча будет производиться до пространственно-временной согласованной фильтрации, постольку автокорреляционная функция пространственного синтезированного сигнала является основным фактором, влияющим на обнаружение цели. Численное моделирование ортогональной формы сигнала многовыходного радара По сравнению с традиционной фазированной антенной решеткой радар MIMO имеет много преимуществ. Передающая мощность MIMO-радара распределяется на m подрешеток, поэтому передающая мощность каждой подрешетки составляет 1/м от первоначальной общей передающей мощности [18]. Тогда мощность на расстоянии r также составляет 1/м от оригинала, поэтому способность к антиперехвату (обнаружению противником) улучшается. Передающие элементы радара MIMO передают ортогональные сигналы, поэтому узкий луч с высоким коэффициентом усиления не будет формироваться. Передающая форма волны радиолокатора формирует широкий луч, при этом мощность уменьшается до 1/м. Для достижения той же дальности, что и при традиционной фазированной антенной решетке, MIMO РЛС позволяет увеличить время накопления импульсов в m раз, разрешающая способность соответствующей частоты преобразования Фурье увеличивается в m раз. Таким образом, разрешение скорости будет улучшено, низкоскоростные цели могут быть обнаружены в сложных сильных помехах и шумах. Технология разнесения сигналов может расширить апертуру массива, что является одной из основных характеристик MIMO-радара. Из-за ортогональности формы волны и независимости нескольких каналов наблюдения не возникает проблемы синтеза мощности при передаче сигналов. Сигналы сортируются по согласованным банкам фильтров, а эхо-сигналы обрабатываются совместно. Так называемая передающая ортогональная форма сигнала означает, что автокорреляционная функция каждого передающего элемента РЛС является приблизительно импульсной функцией, а функция взаимной корреляции между передаваемыми различными элементами сигналами равна нулю [19]. Передающий сигнал с хорошей ортогональностью является основой реализации многих преимуществ MIMO РЛС по сравнению с традиционной фазированной антенной решеткой. Если ортогональность передаваемого сигнала плохая, а боковое значение автокорреляции и пиковое значение перекрестной корреляции радиолокационного сигнала на приемном конце слишком высоки, то согласованному фильтру трудно точно выделить эхо-сигнал соответствующего элемента решетки из набора эхо-сигналов передаваемого сигнала каждого элемента решетки, что приводит к неточности обнаружения каждого сигнала из установочной информации. Кроме того, ортогональность между передаваемыми сигналами хорошая, сигналы не будут синтезировать лучи с высоким коэффициентом усиления в пространстве, что затрудняет перекрестное обнаружение. Это повышает помехоустойчивость и противорадиолокационную атакующую способность MIMO РЛС. Проверка хаотического радиолокационного сигнала В целях повышения скрытности различные элементы РЛС могут передавать сигналы на основе различных хаотических типов. Шаг 1: пусть размерность равна . Инициализация алгоритма: пусть ; случайным образом генерируется m начальных значений ; пусть , когда вектор , в противном случае повторяется инициализация, пока не будет получено удовлетворительное значение . Шаг 2 состоит в том, чтобы установить максимальное число n итерационных шагов n и генерировать хаотическую векторную последовательность , подставляя X1 в (2). Если , то , в противном случае , а шаг 2 повторяется до тех пор, пока значение f(x*) не изменится незначительно или не удовлетворит максимальному числу итераций. Шаг 3: установите количество циклов: генерируйте вторичную несущую волну согласно так, чтобы давали хаотические генерируемые логистическим отображением последовательности. Пусть , эта задача может быть поставлена в соответствии со специфической проблемой. Тест , если проходит, то ; (4) . (5) В противном случае, если , то шаг 3 повторяется, пока значение не удовлетворит требованиям точности или не удовлетворит максимальному числу итераций. Конечное значение ZK является решением, а - оптимальным значением. Когда один и тот же хаотический сигнал с различными начальными значениями или различные их типы выбраны, то будет L различных хаотических соответствующих L элементам последовательностей длиной N с длиной кода N для генерации L передающих сигналов. Чувствительность начального значения является базовой теоретической основой для проектирования хаотической формы сигнала. Если число элементов радиолокационной решетки равно L, а число символов импульсов сигнала - N, то математическое выражение модели с амплитудной модуляцией хаотического сигнала имеет вид . (6) Из-за широкого частотного спектра хаотического сигнала с амплитудной модуляцией производительность самого сигнала определяет производительность хаотического АМ-сигнала. Основной импульс содержит несколько субимпульсов. Многовыходная радарная ортогональная форма волны хаотического частотного кодирования Целевая функция расширяется и содержит допустимую область S, в которой принадлежащие ей точки определяются как . (7) Приведенное выражение преобразуется в дифференциальную формулу с одной переменной первого порядка, а параметры перечисляются так: . (8) В сочетании с методом наименьших квадратов осуществляется расчет: , (9) где ; (10) , (11) - время отклика модели, которое выражается как , (12) где - прогнозируемое значение начальной последовательности времени ; представляет прогнозируемое значение кумулятивной последовательности генерации [20]. Используя приведенную формулу, можно предсказать кумулятивное значение генерирующей последовательности времени . На основе среднего значения I суммы квадратов временных коэффициентов отклика U каждой точки выборки радиолокационного сигнала получается выражение дискретной операции по квадратному корню: . (13) Произведение среднего значения входного сигнала на момент дискретизации временного коэффициента отклика U запишем так: . (14) Значения M генерируются случайным образом в интервале 0-2π в качестве начальной фазы каждого передаваемого сигнала. Формула расчета начального фазового вектора имеет вид , (15) где и - значение гармонического входного сигнала t и интегральная постоянная времени соответственно. По результатам частотного кодирования начальная популяция распределяется случайным образом, а текущая фаза фиксируется. Значения приспособленности располагаются от больших к малым и первая из них берется для формирования текущей популяционной формулы . (16) Здесь представляет разность фаз входного сигнала, а является функцией обнаружения его формы. В текущей популяции Q выбираются две произвольные особи для проведения одноточечного кроссинговера для любого сегмента гена, т.е. для любых двух частотных кодов: . (17) Когда не удается найти лучшее частотное кодирование и начальный фазовый вектор, оптимальная особь текущей популяции близка к оптимальному решению. Чтобы избежать сходимости к локальному оптимальному решению, к операции обновления исходной совокупности добавляется выражение , (18) где - функция сходимости процесса кодирования популяции. Оптимальная частотная кодирующая последовательность - это оптимальный индивид в А, а оптимальный начальный фазовый вектор - это текущая фаза. Оптимизации ортогональной формы сигнала Для улучшения автокорреляционной характеристики сигнала была применена форма DFCW-LFM. Чтобы получить ее ортогональную форму с высокой корреляцией, используется алгоритм GASA. Эффективными алгоритмами оптимизации дискретного частотного кодирования являются генетический алгоритм (GA) и имитационный отжиг (SA). GA принимает идею биологической эволюции и ищет оптимальное решение через конкурентную стратегию естественного отбора. Он имеет высокую производительность глобального поиска, но плохую способность локального поиска и легко производит преждевременную конвергенцию. Основная идея SA исходит из явления твердотельного отжига [21]. Он может находить плохие решения с определенной вероятностью, однако обладает хорошей способностью поиска локальных решений. Благодаря одноточечному поиску, без избыточности и априорной информации, алгоритм сходится к локальному оптимальному решению. Алгоритм GASA применяет идею SA к GA, которая не только учитывает преимущества алгоритма SA локального поиска и алгоритма GA параллельного поиска, но и позволяет избежать недостатков алгоритма SA и GA, что делает оптимизационный поиск более эффективным и дает возможность быстрее находить оптимальное решение и получать лучшие результаты оптимизации. В данной работе алгоритм GASA используется для улучшения алгоритма хаотической оптимизации. Предположим, что оптимизируемая переменная имеет дискретную частотную кодировку x, а функция затрат обозначается как e(x). Поскольку целью оптимизации является минимизация e(x), то показанная функция пригодности может быть установлена: , где - большая константа, условие ограничения - xD, а D - множество, состоящее из всех возможных решений. На основе функции пригодности алгоритм GASA используется для проектирования ортогональной формы сигнала DFCW-LFM. Инициализация популяции Сначала большое количество особей генерируется случайным образом, каждая особь содержит M и Q хромосом, т.е. частотную кодирующую последовательность каждой формы сигнала. Эти частотные кодирующие последовательности являются случайным расположением ; затем значения приспособленности генерируемых популяционных особей вычисляются в соответствии с (15), и первые W особей с наибольшим значением приспособленности отбираются для формирования начальной эволюции популяции. Параметры инициализации Такие параметры, как начальная температура , коэффициент регулирования температуры , конечная температура Тmin, эволюционный параметр g, вероятность мутации и предпочтительный коэффициент удержания Pb генетического алгоритма задаются: (16), где и - минимальное и максимальное значения начальной приспособленности популяции соответственно; - наихудшая начальная вероятность принятия; диапазон значений β равен ; ; G может быть задан в соответствии с различными фактическими условиями; и принимают наименьшие значения вероятности: . (19) Преференция удержания и перекрестная конкуренция Для получения особей следующего поколения вычисляются и сортируются значения приспособленности всех особей родительского поколения. Первые особи с наибольшим значением приспособленности резервируются для следующего поколения: . (20) Остальные W-J особи являются кросс-конкурентными и входят в следующее поколение с определенной вероятностью. Не только сохраняются отличные особи популяции, но и обеспечивается разнообразие популяции. Процесс перекрестной конкуренции можно примерно описать следующим образом: две особи и были случайным образом отобраны из родительского поколения и была выбрана особь с большей приспособленностью, причем ее значение приспособленности было . Потомство и было записано как S1 и S2 и был выбран индивид S с более высокой приспособленностью. Вся кодировка формы сигнала берется в качестве точки пересечения, а выражается как (21) Если , то индивид S будет непосредственно отправлен в следующее поколение. В противном случае индивид P войдет в следующее поколение в соответствии с вероятностью . является температурным параметром итерационной формулы: (22) В формуле указано количество форм волны , количество субимпульсов , наклон частотной модуляции субимпульсного LFM-сигнала и частота дискретизации сигнала . Параметры алгоритма оптимизации GASA: численность популяции , предпочтительный коэффициент удержания , вероятность мутации , параметр контроля температуры , конечная температура , время итерации . Операция мутации Выполняется на особях в текущей популяции в соответствии с вероятностью Pa для того, чтобы форма сигнала всегда была полным набором кодов. Операция осуществляет только частотное кодирование определенной формы сигнала, т.е. два частотных кода определенной формы сигнала выбираются случайным образом и их позиции обмениваются: . (23) Фильтр удаления Для обеспечения разнообразия особей в популяции резервируется только одна из идентичных особей, а остальные исключаются: . (24) Дополнение индивидуумов На этапе 5 число особей, содержащихся в популяции, будет меньше W. Чтобы сохранить размер популяции неизменным, ее необходимо дополнить новыми особями. В то же время мы надеемся, что эти новые особи имеют более высокую физическую ценность. Таким образом, эти новые особи получены из вариации первых j особей с большим значением приспособленности в текущей популяционной формуле: . (25) Обсуждение окончания эволюционного процесса Если температура в g-й итерации меньше или алгебра эволюции , итерация заканчивается. В противном случае пусть и продолжается процесс эволюции до тех пор, пока не будет получена ортогональная форма сигнала DFCW-LFM с хорошей корреляционной производительностью. Блок-схема оптимизации ортогональной формы сигнала для многовыходной РЛС приведена на рис. 1. Рис. 1. Оптимизация ортогональной формы сигнала расчетного потока многовыходной РЛС Эксперимент В эксперименте длительность импульса радиолокационного передающего сигнала составляет 10 нс, несущая частота - 10 ГГц, а длина кода n радиолокационного передающего сигнала MIMO изменяется от 100 до 10000. В диапазоне хаотического отображения начальные значения выбираются случайным образом и проводится 40 групп экспериментов. Первые 10000 значений последовательности отбрасываются, а требуемая длина последовательности после 10000 бит резервируется для проектирования и проверки формы сигнала. Доказана эффективность численного моделирования многовыходной ортогональной формы сигнала на основе алгоритма хаотической оптимизации для устойчивости многовыходной ортогональной формы сигнала и улучшения ее применения. Определены среднее автокорреляционное пиковое значение бокового лепестка (ASP) и кросс-корреляционное пиковое значение (CP) формы радиолокационного сигнала, рассчитанной с использованием 40 групп данных. Принимая данные в качестве верификационного индекса, предложенный в данной работе метод сравнивается с методами верификации кривой изменения длины кода, автокорреляции сигнала, временного отклика точки выборки и чувствительности начального значения. Кривые изменения длины кода различных методов показаны на рис. 2. Рис. 2. Сравнение кривых изменения длины кода различных методов Как видно из рис. 2, по сравнению с другими методами амплитуда сигнала дискретизации предложенного метода меньше, а флуктуация стабильна. Так как предлагаемый алгоритм имеет больше итераций, то длина кода сигнала может быть максимально улучшена при проектировании сигналов. Поэтому разработанная в данной работе форма волны имеет хорошую ортогональность. Однако в практическом применении с увеличением длины кода вычисление согласованного фильтра также будет увеличиваться, а сигнал не может расти бесконечно. Поэтому необходимую длину кода сигнала нужно выбирать, учитывая реальные факторы. С целью проверки преимуществ данного метода при задании оптимальных параметров и оптимизации процесса с целью уменьшения объема вычислений дополнительно исследуется автокорреляция ортогональной формы сигнала многовыходной РЛС. Результаты проверки приведены на рис. 3. Рис. 3. Автокорреляции ортогональной формы сигнала многовыходной РЛС при различных методах Как видно из рис. 3, значения CP в данной работе колеблются в небольшом диапазоне около средних значений ASP и CP, а диапазон скачков очень мал. Это лучше, чем автокорреляция других методов. Показано, что метод, описанный в данной работе, обладает сильной автокорреляцией и может быть применен к сложным ситуациям. В таблице приведены результаты теста временного отклика модельных точек выборки различными методами при шести итерациях и различных ограничениях полосы пропускания. Результаты тестирования временного отклика модельных точек выборки различными методами Номер Предложенный метод, с Метод из [1], с Метод из [2], с Метод из [3], с 100 Гбит 1000 Гбит 5000 Гбит 100 Гбит 1000 Гбит 5000 Гбит 100 Гбит 1000 Гбит 5000 Гбит 100 Гбит 1000 Гбит 5000 Гбит 1 0.99 0.96 0.98 0.82 0.86 0.83 0.75 0.71 8.21 0.85 0.82 0.76 2 0.99 0.98 0.96 0.83 0.87 0.82 0.76 0.72 8.25 0.86 0.81 0.78 3 0.99 0.96 0.97 0.84 0.86 0.81 0.78 0.73 8.65 0.84 0.81 0.74 4 0.97 0.97 0.99 0.85 0.85 0.81 0.74 0.85 8.23 0.86 0.81 0.76 5 0.99 0.96 0.99 0.84 0.86 0.81 0.76 0.76 8.25 0.76 0.83 0.78 6 0.99 0.98 0.96 0.85 0.84 0.83 0.78 0.75 8.24 0.78 0.82 0.76 Согласно анализу данных таблицы, минимальная временная скорость отклика точки дискретизации в предложенном в этой работе методе достигает 0.96 при сравнении с тремя методами. Это показывает, что улучшенная форма волны позволяет получить ортогональный эффект в пространстве радиолокационного передающего сигнала с хорошей маскировкой. Ортогональность не ухудшается с увеличением количества сигналов, поэтому трудоемкая глобальная оптимизация не требуется. Исходя из исходных начальных значений, некоторые сигналы будут иметь сходные формы сигналов на начальной стадии. Для того чтобы избежать такой ситуации при проектировании формы сигнала, в этой части имитационного эксперимента используются значения дискретизации предыдущей части. Для улучшения воспроизводимости начального значения чувствительности и случайности хаотического сигнала, а также для создания ортогонального сигнала с нечеткими функциональными характеристиками на рис. 4 показан результат проверки чувствительности исходного значения хаотического сигнала. Рис. 4. Чувствительность начальных значений хаотических сигналов, определяемая различными методами Как видно из рис. 4, частота этого метода выше на разных частотах, что лучше других методов, и чувствительность начального значения хаотического сигнала высока. То есть, только контролируя начальное значение первой хаотической последовательности и принимая итерационные биты начального значения, можно полностью понять закон передаваемого сигнала. Показано, что улучшенная форма сигнала передачи данного метода позволяет MIMO-радару передавать сигналы специальным образом. Пространственные сигналы одного периода импульса ортогональны, а наборы сигналов между различными периодами следования импульсов случайны и ортогональны, поэтому противоинтерференционные характеристики улучшаются. Заключение В данной работе предлагается численное моделирование многовыходной радиолокационной ортогональной формы сигнала на основе алгоритма хаотической оптимизации. Предложен метод проектирования частично коррелированной формы LFM-сигнала. Приведены методы расчета частотного интервала и начальной фазы, когда искомая картина является однолучевой или многолучевой. Путем анализа ортогональной формы сигнала многовыходной РЛС и использования случайной начальной фазы в каждом периоде устанавливается математическая модель ортогональной формы сигнала. По сравнению с существующими методами предложенный способ позволяет разумно распределить энергию передачи РЛС и отношение сигнал/шум эхо-сигнала, а также обеспечивает большую гибкость.

Скачать электронную версию публикации