[發明專利]一種頻率步進雷達引信速度補償方法無效
| 申請號: | 201310567505.1 | 申請日: | 2013-11-14 |
| 公開(公告)號: | CN103558596A | 公開(公告)日: | 2014-02-05 |
| 發明(設計)人: | 胡秀娟 | 申請(專利權)人: | 上海電機學院 |
| 主分類號: | G01S7/41 | 分類號: | G01S7/41 |
| 代理公司: | 上海思微知識產權代理事務所(普通合伙) 31237 | 代理人: | 鄭瑋 |
| 地址: | 200240 *** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 頻率 步進 雷達 引信 速度 補償 方法 | ||
技術領域
本發明涉及雷達信號處理技術領域,更具體地說,本發明涉及一種頻率步進雷達引信速度補償方法。
背景技術
頻率步進雷達信號的速度補償方法很多,主要方法有時域互相關法、頻域互相關法、循環補償法、最小波形熵法等。現有技術也提出了其他很多方法,但大多由上述方法衍生而來。
時域互相關法是利用兩組回波數據互相關函數,求出目標在兩幀之間的走動距離,進而利用走動距離和目標速度之間的關系來估計目標速度的,在速度估計范圍內,該方法能夠獲得較好的速度估計值,并且具有較好的抗噪聲和雜波干擾。
頻域互相關法是基于兩組回波數據互相關函數在零時刻的值建立目標速度估計模型,速度補償精度較高。循環補償法則是假定速度在給定的區間變化的條件下,對一維距離像進行速度補償的一種方法,該方法的目標函數是信噪比SNR,在循環結束后,比較目標函數的值,選出該函數值最大的距離像作為輸出,速度精確估計值,依賴于速度步進量。
最小波形熵法是一種閉環迭代算法,將衡量隨機變量不確定性的熵引申用于衡量一個信號的能量沿其參數軸的發散程度,并定義一個波形熵,在速度軸上搜索該波形熵的全局最小值對應的運動參數值,即目標的運動參數,估計精度隨信噪比SNR的降低而明顯降低。
在上述速度補償方法中,每種方法都有其固有的缺點,如時域互相關法受逆快速傅里葉變化長度的影響較大,雖然能通過補零來減小估計誤差,但付出的代價卻是增大系統的計算量;頻域互相關法雖精度高,但不模糊測速范圍小,僅適用于彈目相對運動速度小的交會情況;循環速度補償法除受速度步進量大小的限制外,還受所需補償速度值是否為速度步進量的整數倍的影響;最小波形熵法計算量大,實時性較差,且存在局部最小值。
發明內容
從頻率步進脈沖高分辨處理的角度來看,要用到不同周期子脈沖的相位信息,而目標在各個周期之間的運動會使子脈沖回波的相位發生變化。相位的變化對子脈沖本身沒有影響,但是在后面的合成處理中,它會破壞脈沖序列的相位關系,造成一維距離像輸出產生誤差。從頻率步進波形模糊特性上來看,也需要解決這一問題。“距離——速度”耦合是頻率步進脈沖體制不可回避的問題,因此彈目之間徑向相對速度所產生的多普勒效應對目標一維距離像有非常大的影響,即波形發散,峰值降低,其程度與彈目相對速度大小有關,相對速度越大波形發散越嚴重,峰值降低越多,從而使距離分辨率下降越大;峰值位置產生時移,彈目相對速度越大,產生的時移越大;模糊函數時間軸切割圖形與sinc函數相比進一步失真,而且主峰加寬,其程度均與彈目相對速度大小有關,速度越大,失真越嚴重;使信噪比降低,影響檢測效果。
因此,本發明旨在解決由于彈目徑向相對速度引起的上述問題,而解決問題的關鍵就是速度補償,即利用目標波形的最小波形熵進行速度補償,速度補償準則為約束條件,并將波形熵與免疫科隆選擇算法進行結合來實現頻率步進雷達引信的速度補償。
具體地說,對于頻率步進脈沖信號,彈目相對速度越大,主瓣脈沖展寬、旁瓣電平抬高、波形趨于平坦,波形熵越大,彈目相對速度越小,波形銳化度越高,波形熵越小。當彈目徑向相對速度補償誤差為零時,波形熵達到最小,此時得到的速度估計值為最佳速度補償值。但最小波形熵法是一種迭代算法,其計算量大,實時性較差,且在局部區域進行。因此,在本發明中,將波形熵與免疫科隆選擇算法有效結合,以波形熵為搜索的親和度函數,并以速度補償準則為約束條件,采用免疫克隆選擇算法完成搜索,可減少計算量,加快搜索速度,從而滿足引信實時性要求、引戰良好配合的要求、及對目標實現精確打擊的要求。
本發明提供了一種頻率步進雷達引信速度補償方法,其中,將波形熵與免疫科隆選擇算法進行結合,以波形熵為搜索的親和度函數,并以速度補償準則為約束條件,采用免疫克隆選擇算法完成搜索,以實現頻率步進雷達引信一維距離像速度補償。
優選地,所述速度補償準則包括對一次相位項進行補償的最大速度變化單元、以及二次相位項相位變化不超過時一維距離像不失真條件。
優選地,采用免疫克隆選擇算法完成搜索包括:
第一步驟,用于初始化個體,產生一個初始化個體;
第二步驟,用于初始化種群,由初始化個體,通過變異產生第一代種群;
第三步驟,用于計算各種群個體的親和度,將其值從大到小排列,且將多個親和度值最大的個體放入記憶庫中;
第四步驟,用于從記憶庫中取出經第三步驟排序后的多點采樣值,對其進行克隆復制,親和度值最大的個體克隆的個數也相應最多,然后根據親和度值從大到小排序;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海電機學院,未經上海電機學院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201310567505.1/2.html,轉載請聲明來源鉆瓜專利網。





