[发明专利]一种基于混沌多种群共生进化的双基地MIMO雷达跟踪方法

摘要

本发明涉及一种基于混沌多种群共生进化的双基地MIMO雷达跟踪方法。本发明包括获取信号采样数据，并获得分数低阶协方差；初始化搜索区间；利用Sine混沌反向学习策略初始化个体的位置和速度，并根据适应度值确定每个种群的最优个体位置和整个生态系统的最优个体位置；利用Sine混沌多种群共生进化机制更新生态系统中各种群个体的速度；判断生态系统中的所有个体在经过σ次迭代后是否能搜寻到更好的位置；判断是否达到最大迭代次数；更新2P个角度的搜索区间。本发明既可以解决高斯噪声环境下双基地MIMO雷达的动态方向跟踪问题，又可以解决冲击噪声环境下双基地MIMO雷达的动态方向跟踪问题。

主权项

1.一种基于混沌多种群共生进化的双基地MIMO雷达跟踪方法，其特征在于，包括如下步骤：(1)获取信号采样数据，并获得分数低阶协方差：设双基地MIMIO雷达的发射端和接收端分别由阵元数为M和N的均匀线阵构成，且相邻阵元的间距为半波长，在发射端发射M路正交波形；设发射阵列和接收阵列处于同一相位中心，且空间存在P个远场目标，其相应的DOD和DOA分别为θ＝[θ₁,θ₂,...,θ_P]和在时刻ξ接收到的信号为其中β_i为第i个目标的复振幅，a_t(θ_i)为M×1维角度θ_i的发射导向矢量，为N×1维角度的接收导向矢量，s(ξ)＝[s₁(ξ),s₂(ξ),...,s_M(ξ)]^T为M×1维发射信号矢量，为N×1维冲击噪声矢量；经过匹配滤波后的输出表示为其中k＝1,2,...,K，K为最大快拍数，为MN×P维发射‑接收阵列流形，表示Kronecker积，β(k)为P×1维复振幅矢量，n(k)为MN×1维冲击噪声矢量；定义阵元接收数据的分数低阶协方差为C(k)，其中第i行第j列的元素为其中i＝1,2,...,MN，j＝1,2,...,MN，Δ为分数低阶协方差的参数，且0＜Δ≤1，*为共轭算子；第一次采样数据的分数低阶协方差为C(1)，t为混沌多种群共生进化机制的迭代次数，其初始值设为0；(2)初始化搜索区间：2P个角度的搜索区间定义为其中前P个角度为P个目标的DOD，后P个角度为P个目标的DOA，u_d(k)和l_d(k)，d＝1,2,...,2P分别为第k次快拍的第d维角度搜索区间的上限和下限，其初始值分别取角度搜索定义域的上限和下限；混沌多种群共生进化机制的最大迭代次数取本次快拍第一维搜索区间差的整倍数，即其中λ取整数倍，为取整函数；(3)利用Sine混沌反向学习策略初始化个体的位置和速度，并根据适应度值确定每个种群的最优个体位置和整个生态系统的最优个体位置；设生态系统E^t＝[e^t(1),e^t(2),...,e^t(Q)]包含Q个种群，第q个种群q＝1,2,...,Q拥有R个个体，即在生态系统中总共有Q×R个个体协同进化；第q个种群的第r个个体的位置可以表示为其速度可以表示为其中d＝1,2,...,2P；利用Sine混沌反向学习策略初始化个体的位置和速度，首先需要在每一个种群中均随机产生2P维各分量在(0,1)之间的初始混沌向量，其中第q个初始混沌向量为γ₀(q)＝[γ_0,1(q),γ_0,2(q),...,γ_0,2P(q)]，根据Sine混沌映射在各种群中均产生2P个不同轨迹的混沌序列，Sine映射的表达式为γ_r+1,d(q)＝sin[π·γ_r,d(q)]，其中γ_r,d(q)∈(0,1)；然后通过映射和将其各分量载波到对应变量的取值范围内，从而得到个体位置和速度的初始值；计算所有个体位置的适应度，其适应度函数为其中为投影矩阵，tr[·]为求矩阵的迹；再根据求出所对应的反向解计算反向解的适应度，并与原始解的适应度值进行比较，选择适应度较优的解作为最终初始个体位置；进而根据适应度值确定第q个种群所有个体的最优位置w^best(q)和整个生态系统中的最优位置g^best；(4)利用Sine混沌多种群共生进化机制更新生态系统中各种群个体的速度：首先在各种群中均随机产生3个2P维各分量在(0,1)之间的初始混沌向量，即和(q＝1,2,...,Q)，再根据Sine混沌映射分别产生2P个不同轨迹的混沌序列，即其中r＝1,2,...,R，d＝1,2,...,2P；然后，利用多种群共生进化机制对个体的速度进行更新，其更新公式为其中χ为压缩因子，且满足τ＝c₁+c₂+c₃，c₁,c₂,c₃为学习因子，且满足c₁+c₂+c₃＝4.1，为第q个种群中第r个个体的历史最优位置的第d维，为第q个种群中所有个体的历史最优位置的第d维，为整个生态系统中历史最优位置的第d维；若超出边界值，需要将其限制在边界值，即当时，当时，(5)判断生态系统中的所有个体在经过σ次迭代后是否能搜寻到更好的位置：若不能，则随机选择生态系统中一半种群走向灭绝，并利用Sine混沌反向学习策略随机产生相同数量种群的个体位置；否则，生态系统中各种群个体需进行位置更新，其位置更新公式为其中q＝1,2,...,Q，r＝1,2,...,R，d＝1,2,...,2P，计算生态系统中所有个体更新后位置的适应度，再根据求出所对应的反向解计算反向解的适应度，并与原始解的适应度值进行比较，选择适应度较优的解作为更新后的个体位置；(6)根据适应度值，若其中q＝1,2,...,Q，r＝1,2,...,R，则第q个种群中第r个个体的历史最优位置更新为否则，保持不变；根据适应度值更新第q个种群中所有个体的历史最优位置w^best(q)以及整个生态系统中历史最优位置g^best；(7)判断是否达到最大迭代次数：若未达到，则返回步骤四继续迭代；否则，输出整个生态系统中的最优位置gbest，即本次快拍的方向估计值，然后执行下一步；(8)更新2P个角度的搜索区间；2P个角度的搜索区间更新为其中d＝1,2,...,2P，ω为收敛因子，决定了搜索区间的收敛速度，r为搜索区间在锁定状态下的搜索半径，为第d个方向在第k次快拍时的估计值，为第d个方向在第k+1次快拍时搜索区间的中心值，其更新公式为δ为遗传因子；(9)判断是否达到最大跟踪次数：若未达到，则继续获取新的快拍采样数据y(k+1)＝[y₁(k+1),y₂(k+1),...,y_MN(k+1)]^T，进而分数低阶协方差更新为μ＝0.95，其中是新增的第k+1次快拍采样数据的分数低阶协方差增量，其第i行第j列的元素为然后令k＝k+1且t＝0，返回步骤三继续估计下一快拍的方向；否则，得到所有快拍采样下动态目标的方向估计值，输出动态方向跟踪的结果。