[发明专利]一种非线性调频信号优化方法及装置、存储介质

权利要求书

1.一种非线性调频信号优化方法，其特征在于，所述方法包括：

基于分段线性函数，建立NLFM信号的时域函数模型；

基于所述NLFM信号的时域函数模型对应的自相关性能，建立优化数学模型；其中，根据不等式约束的非线性规划模型，将PSLR作为优化数学模型的优化目标，将MW作为约束条件，控制MW不展宽的情况下实现目标函数中的PSLR最小，建立所述优化数学模型，或，将MW作为优化数学模型的优化目标，将PSLR作为约束条件，在控制PSLR不升高的情况下实现目标函数中的MW最窄，建立所述优化数学模型；其中，所述PSLR为峰值旁瓣比，所述MW为主瓣宽度；

基于所述优化数学模型，建立增广拉格朗日遗传模拟退火混合算法的算法模型；

获取初始NLFM信号，并基于所述初始NLFM信号和所述增广拉格朗日遗传模拟退火混合算法的算法模型，得到与所述初始NLFM信号对应的最优NLFM信号；其中，基于所述初始NLFM信号，获得初始染色体信息；利用所述增广拉格朗日遗传模拟退火混合算法的算法模型，对初始迭代参数和初始染色体信息进行持续迭代，得到最优染色体信息；基于所述最优染色体信息，得到所述最优NLFM信号；

所述基于所述优化数学模型，建立增广拉格朗日遗传模拟退火混合算法的算法模型，包括：基于所述优化数学模型，利用增广拉格朗日遗传模拟退火混合算法建立优化目标函数；利用增广拉格朗日算法确定参数函数；其中，所述参数函数用于基于当前的迭代参数计算下一次的迭代参数；

所述基于所述优化数学模型，利用增广拉格朗日算法确定目标函数：

Θ(p,λ,s)＝g(B_c)-λslog(s-c(B_c))；

其中，λ为拉格朗日算子，s为偏移量，λ、s均为非负数；g(B_c)为频率控制点B_c对应的PSLR或MW，c(B_c)为频率控制点B_c对应的MW或PSLR；

利用增广拉格朗日算法确定参数函数，包括：

μ_k+1＝μ_k，s_k+1＝μ_k+1λ_k+1；

其中，μ为保证s-c(B_c)大于0的数值，p为第二向量，λ_k、s_k、c_k(p)、μ_k分别为选择第k个染色体时的拉格朗日算子、选择第k个染色体时的偏移量、选择第k个染色体时对应的MW或PSLR、选择第k个染色体时保证s-c(B_c)大于0的数值。

2.根据权利要求1所述的方法，其特征在于，所述基于所述初始NLFM信号，获得初始染色体信息，包括：

根据所述初始NLFM信号，获得初始频率控制点信息；

确定所述初始频率控制点信息为所述初始染色体信息。

3.根据权利要求2所述的方法，其特征在于，所述根据所述初始NLFM信号，获得初始频率控制点信息，包括：

选取窗函数；

基于所述窗函数和驻定相位原理，计算所述初始NLFM信号对应的群时延函数；

根据所述群时延函数，得到所述初始NLFM信号对应的初始时频关系；

根据所述初始时频关系，获得所述初始频率控制点信息。

4.根据权利要求1所述的方法，其特征在于，所述基于分段线性函数，建立NLFM信号的时域函数模型，包括：

基于所述分段线性函数对所述NLFM信号对应的时频信息进行函数表示，得到所述NLFM信号的时频关系模型；

根据所述时频关系模型，确定所述NLFM信号的相位模型；

根据所述NLFM信号对应的幅度和所述相位模型，建立所述时域函数模型。

5.根据权利要求1所述的方法，其特征在于，所述基于所述NLFM信号的时域函数模型对应的自相关性能，建立优化数学模型，包括：

根据所述NLFM信号对应的自相关性能，确定性能参数；其中，所述性能参数包括峰值旁瓣比PSLR和主瓣宽度MW；

根据所述峰值旁瓣比PSLR和主瓣宽度MW，建立所述优化数学模型。