基于混合遗传算法的滑动 MTI 参差码优化设计-论文.pdf

《基于混合遗传算法的滑动 MTI 参差码优化设计-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第13卷第12期软件导刊V01．13NO．122014年12月SoftwareGuideDec．2014基于混合遗传算法的滑动MTI参差码优化设计李明，李申(南京电子技术研究所，江苏南京210039)摘要：在滑动参差MTI滤波器设计中，通过选择适当的参差码改变雷达发射脉冲周期，使盲速大于目标可能的最大速度，并使第一零点尽可能浅，以确保不会丢失陷入其中的弱目标。参差码设计是一个组合优化问题，采用混合遗传算法对最优参差码进行搜索，该算法避免了遗传算法中的早熟问题，增强了算法的全局搜索能力，提高了算法收敛速度。仿真结果表明，该算法是可行且高效的。关键词：盲

2、速；参差码；模拟退火算法；遗传算法DOI：lO．11907／rjdk．143560中图分类号：TP312文献标识码：A文章编号：1672—7800(2014)012-0070—300引言1滑动参差MTI滤波器动目标显示(MTI)技术指利用杂波抑制滤波器抑制本文中MTI滤波器的结构采用横向FIR滤波器，各种杂波，从而提高雷达回波的信杂比，以利于运动目标不失一般性，以4脉冲滑动参差MTI滤波器为例画出其检测的技术。在雷达发射相同脉冲周期的情况下，目标运结构框架，如图1所示。图中抽头延迟线中每个延迟单元动速度范围内会多次出现盲速点而存在丢失目标的危险，的延

3、迟时间不同，、丁2、T3、丁4分别是参差码对应的4即盲速效应。为了避免发生盲速效应，通常采用“参差变个参差重复周期，[∞1-0，1．1，601．2，叫]，⋯，[4Ⅲ4．1，cU4周”的方法]，选择适当参差码改变雷达发射脉冲周期，使。]分别是滑窗MTI滤波器对应的4组权系数。出现盲速的频率大于目标最大可能多普勒频率，并使第一零点尽可能浅，以确保不会丢失陷入其中的弱目标。随着参差码个数的增加，其组合数也大量增加，将出现组合爆炸的情况。寻找最优参差码是一个多变量、复杂且非线性的优化问题，遗传算法、模拟退火算法是解决此类问题的有效工具∞]。遗传算法有较强的全

4、局搜索性能，但局部搜索能力较差，而且在实际应用中容易产生早熟收N)敛问题，且在进化后期搜索效率较低]。模拟退火算法模图14脉冲滑动参差MTI滤波器结构框架拟高温金属降温的热力学过程，能以一定概率接受较差的不难得到雷达工作在N个脉冲滑动参差的情况下第解，因而具有较强的局部搜索能力。在理论上，该算法在i个MTI滤波器输出Y()为：初始温度足够高，温度下降足够慢的条件下，能以概率1收敛到全局最优值]，但该算法是一种串行搜索结构，没y()一∑x(n—)(1)有历史信息，通常搜索过程冗长。则其频率响应H(-厂)为：为了克服两种算法的缺陷，形成优势互补，本文以遗

5、H(厂)=叫+(￡Jme-+eJ2nf(T'+T2+⋯传算法运算流程为主题流程，把模拟退火机制融入其中，+叫~_1e-J2~f(tTz’+(2)并加入最优保存策略、小范围竞争择优交叉和变异操作，如果总滤波器响应取N次连续输出的平均值，则：N得到一种新型混合遗传算法，并用该算法对滑窗MTI的1G(一，)(3)参差码进行优化设计。通过仿真分析，证明该算法可行且高效。根据式(2)和式(3)，参差MTI滤波器的频率响应取作者简介：李明(1981～)，男，山东菏泽人，硕士，南京电子技术研究所工程师，研究方向为雷达信号处理；李申(1980一)，男，山东聊城人，硕

6、士，南京电子技术研究所工程师，研究方向为雷达信号处理。第12期李明，李申：基于混合遗传算法的滑动MTI参差码优化设计·71·决于滤波器的系数和参差周期。K>1)K⋯／7-+K⋯N(13)针对高斯杂波谱：式(12)和式(13)中，K⋯和K⋯分别是最小参差码c(，)一ep(．z)(4)2舾rz}和最大参差码，若令N一6，K一85，r—1．14，解不等式方程得K⋯一76，K⋯一95，组合数量为20一其中，标准偏差0"f一。64000000。采用穷举法搜索最优参差码显然不现实，为对于地杂波，杂波谱的中心频率fo一0，对应的相关此，采用混合遗传算法进行最优参差

7、码的搜索。函数为：(，)一cexp(-27c2o-~z-)(5)2参差码优化算法式中，—r一为相关时间。由(i，)构成的杂波协方差矩阵为：2．1混合遗传算法基本思想r(0，0)7-(0，1)r(0，N)(1)采用精英保存策略。在选择操作中，选出当代最r，(1，0)r(1，1)(1，～)佳个体，保存并直接送到下一代，这样能够确保近似最优R(6)●●●：：：解不被破环并向最优解靠拢，将最优个体替代最差个体，r(N，O)7-(N，1)r，(N，N)以使较好的个体繁殖更多后代，加快收敛速度。对杂波协方差矩阵进行SVD分解，最小特征值对应(2)将模拟退火思想引

8、人遗传算法。随着进化过程的的特征向量即为MTI滤波器系数[7]。进行，温度逐渐下降，接收劣质解的概率也逐渐减