论文部分内容阅读
最近几年,雷达之间通过组网连接形成网络化雷达系统,来提高目标的探测性能的方式受到了学者们广泛的关注。网络化雷达系统可由不同体制,不同工作频段,在空间上广泛分布的雷达节点连接组成。一方面,通过多样化多层次的信息融合,网络化雷达能够协同地提高对目标的探测性能。另一方面,由于多个雷达节点带来的自由度,网络化雷达系统具备极高的灵活性和适应性。因此,它可以通过资源管理技术来实现目标协同探测性能和资源消耗之间较好的折中,以及不同探测环境下的应变能力。网络化雷达目标协同探测与资源管理的问题可以被分类为针对单次检测和估计问题下的静态资源配置,或者针对连续多次估计问题也就是目标跟踪的动态资源调度。围绕以上问题,本文根据不同的网络化雷达协同探测场景和目的,设计了不同的资源优化算法,主要的贡献和创新如下:1.针对分布式多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在杂波环境下协同检测,建立了以信息距离为检测性能表征的雷达节点发射功率分配优化模型。推导了非凸目标函数的凸上界函数,提出了基于优化极小化(Maj orization Minimization,MM)框架的优化算法。实现了发射节点功率高效优化分配与分布式MIMO雷达检测性能提高。2.针对有限节点数下分布式MIMO雷达目标的协同定位,推导了基于克拉美罗下界(Cramer Rao Lower Bound,CRLB)的区域定位性能准则。利用理想信号假设,建立了收发节点优化选择模型,提出了基于半正定规划(Semi-Definite Programming,SDP)的优化求解算法;对于一般化的信号模型,建立了双凸收发节点优化选择模型,提出了基于非线性交替方向乘子法(Nonlinear Alternating Direction Method of Multipliers,NADMM)的求解算法。实现了 低复杂度的收发节点优选与有限节点数下分布式MIMO雷达的区域协同定位性能优化。3.研究了网络化相控阵雷达与电子系统区域(Electronic System Area,ESA)在频谱共存需求下多目标协同跟踪。建立了频谱共存信号模型。以后验克拉美罗下界(Posterior Cramer Rao Lower Bound,PCRLB)为协同跟踪性能表征,建立了空频感知网络化雷达动态资源调度优化模型。针对资源优化问题的随机非凸性,提出了基于凸松弛的两步优化算法。实现了在雷达与ESA频谱共存需求下的网络化相控阵雷达多目标协同跟踪性能优化。4.研究了资源受限背景下分布式网络化共置MIMO雷达系统多目标协同跟踪。以雷达系统资源整体消耗和优先级代价项为目标函数,以PCRLB表征的跟踪性能需求为约束,建立了自适应资源动态优化调度模型。基于资源优化问题的可分结构,提出了分布式次梯度优化算法。考虑到由资源调度造成的雷达观测子集变化问题,提出了一个适当的分布式信息融合准则及跟踪算法。通过分布式资源优化算法与跟踪算法,实现了资源自适应的网络化共置MIMO雷达分布式闭环跟踪。