發(fā)布時(shí)間：2020-11-21 18:38

　　 智能化雷達(dá)在現(xiàn)有雷達(dá)技術(shù)的基礎(chǔ)上,利用人工智能技術(shù)及先進(jìn)的信號(hào)處理技術(shù),賦予雷達(dá)自主的感知、決策、學(xué)習(xí)、執(zhí)行和協(xié)作能力,從而提升其對(duì)復(fù)雜環(huán)境的感知能力及對(duì)目標(biāo)的探測能力。文中針對(duì)人工智能驅(qū)動(dòng)下的雷達(dá)技術(shù)發(fā)展問題,首先,分析了人工智能技術(shù)在雷達(dá)系統(tǒng)中的應(yīng)用現(xiàn)狀;然后,結(jié)合人工智能技術(shù)以及雷達(dá)信號(hào)處理技術(shù)的發(fā)展,從大數(shù)據(jù)、多平臺(tái)協(xié)同、多源信息融合、人機(jī)混合增強(qiáng)以及自主智能感知等方面對(duì)人工智能驅(qū)動(dòng)下的雷達(dá)發(fā)展趨勢進(jìn)行探討;最后,結(jié)合人工智能驅(qū)動(dòng)下的雷達(dá)發(fā)展趨勢,提出了有針對(duì)性的發(fā)展建議,并進(jìn)行總結(jié)。
【部分圖文】：

1．1認(rèn)知雷達(dá)系統(tǒng)加拿大HAYKIN［5］提出認(rèn)知雷達(dá)的概念，其提出的認(rèn)知雷達(dá)系統(tǒng)架構(gòu)如圖1所示，主要技術(shù)特征包括:1)接收處理端與發(fā)射端具有反饋調(diào)節(jié)機(jī)制;2)具有多層知識(shí)記憶與學(xué)習(xí)網(wǎng)絡(luò);3)具有應(yīng)對(duì)時(shí)變不確定環(huán)境的智能決策能力［6］。圖1加拿大Haykin教授提出的認(rèn)知雷達(dá)系統(tǒng)架構(gòu)圖GUEＲCI［4］教授提出的認(rèn)知雷達(dá)原理框圖如圖2所示，主要技術(shù)特征包括:1)具有包含目標(biāo)/環(huán)境信息的動(dòng)態(tài)數(shù)據(jù)庫，支持知識(shí)輔助處理;2)接收端信息可反饋到發(fā)射端，優(yōu)化發(fā)射方式;3)通過發(fā)射接收的調(diào)節(jié)反饋，雷達(dá)系統(tǒng)具有高度自適應(yīng)能力。圖2美國學(xué)者GUEＲCI教授提出的認(rèn)知雷達(dá)系統(tǒng)架構(gòu)圖美國海軍已于2006年左右搭建了一套認(rèn)知雷達(dá)實(shí)驗(yàn)平臺(tái)(如圖3所示)，具有極化捷變與波形捷變能力，許多學(xué)者利用該實(shí)驗(yàn)系統(tǒng)開展了大量極化/波形自適應(yīng)優(yōu)化實(shí)驗(yàn)驗(yàn)證與效能評(píng)估研究，實(shí)驗(yàn)結(jié)果表明:在3級(jí)海情下，借助波形優(yōu)化，海面小目標(biāo)輸出信雜比改善4dB以上。圖3美國海軍極化/波形捷變雷達(dá)實(shí)驗(yàn)系統(tǒng)示意圖自適應(yīng)匹配發(fā)射是認(rèn)知雷達(dá)的一個(gè)重要特征［6－8］。認(rèn)知雷達(dá)在傳統(tǒng)雷達(dá)探測的同時(shí)，通過接收端與發(fā)射端之間的反饋調(diào)節(jié)機(jī)制，把感知的信息反饋給發(fā)射端，從而可根據(jù)場景特征優(yōu)化發(fā)射信號(hào)。下面重點(diǎn)討論波形與極化優(yōu)化的研究現(xiàn)狀。在波形認(rèn)知優(yōu)化方面，優(yōu)化發(fā)射信號(hào)能夠有效提高強(qiáng)雜波環(huán)境下目標(biāo)檢測性能，認(rèn)知雷達(dá)能夠根據(jù)感知的場景及目標(biāo)信息調(diào)整發(fā)射信號(hào)從而獲得較好的探測性能［8］。針對(duì)點(diǎn)目標(biāo)及擴(kuò)展目標(biāo)，有的學(xué)者以最大信雜噪比為代價(jià)函數(shù)，聯(lián)合設(shè)計(jì)了發(fā)射信號(hào)以及匹配濾波器;還有學(xué)者針對(duì)目標(biāo)跟蹤，研究了波形優(yōu)化選擇

闃?都且溆胙?巴??3)具有應(yīng)對(duì)時(shí)變不確定環(huán)境的智能決策能力［6］。圖1加拿大Haykin教授提出的認(rèn)知雷達(dá)系統(tǒng)架構(gòu)圖GUEＲCI［4］教授提出的認(rèn)知雷達(dá)原理框圖如圖2所示，主要技術(shù)特征包括:1)具有包含目標(biāo)/環(huán)境信息的動(dòng)態(tài)數(shù)據(jù)庫，支持知識(shí)輔助處理;2)接收端信息可反饋到發(fā)射端，優(yōu)化發(fā)射方式;3)通過發(fā)射接收的調(diào)節(jié)反饋，雷達(dá)系統(tǒng)具有高度自適應(yīng)能力。圖2美國學(xué)者GUEＲCI教授提出的認(rèn)知雷達(dá)系統(tǒng)架構(gòu)圖美國海軍已于2006年左右搭建了一套認(rèn)知雷達(dá)實(shí)驗(yàn)平臺(tái)(如圖3所示)，具有極化捷變與波形捷變能力，許多學(xué)者利用該實(shí)驗(yàn)系統(tǒng)開展了大量極化/波形自適應(yīng)優(yōu)化實(shí)驗(yàn)驗(yàn)證與效能評(píng)估研究，實(shí)驗(yàn)結(jié)果表明:在3級(jí)海情下，借助波形優(yōu)化，海面小目標(biāo)輸出信雜比改善4dB以上。圖3美國海軍極化/波形捷變雷達(dá)實(shí)驗(yàn)系統(tǒng)示意圖自適應(yīng)匹配發(fā)射是認(rèn)知雷達(dá)的一個(gè)重要特征［6－8］。認(rèn)知雷達(dá)在傳統(tǒng)雷達(dá)探測的同時(shí)，通過接收端與發(fā)射端之間的反饋調(diào)節(jié)機(jī)制，把感知的信息反饋給發(fā)射端，從而可根據(jù)場景特征優(yōu)化發(fā)射信號(hào)。下面重點(diǎn)討論波形與極化優(yōu)化的研究現(xiàn)狀。在波形認(rèn)知優(yōu)化方面，優(yōu)化發(fā)射信號(hào)能夠有效提高強(qiáng)雜波環(huán)境下目標(biāo)檢測性能，認(rèn)知雷達(dá)能夠根據(jù)感知的場景及目標(biāo)信息調(diào)整發(fā)射信號(hào)從而獲得較好的探測性能［8］。針對(duì)點(diǎn)目標(biāo)及擴(kuò)展目標(biāo)，有的學(xué)者以最大信雜噪比為代價(jià)函數(shù)，聯(lián)合設(shè)計(jì)了發(fā)射信號(hào)以及匹配濾波器;還有學(xué)者針對(duì)目標(biāo)跟蹤，研究了波形優(yōu)化選擇策略。針對(duì)目標(biāo)分類識(shí)別，有的學(xué)者以最大互信息量以及最大馬氏距離為代價(jià)函數(shù)，設(shè)計(jì)了適用于目標(biāo)分類識(shí)別的最佳波形。國內(nèi)外學(xué)者在極化優(yōu)化方面，尤其在應(yīng)用極化技術(shù)增強(qiáng)雷達(dá)對(duì)目

形覆蓋數(shù)據(jù)、高程信息和道路信息等輔助STAP，取得了不錯(cuò)的效果，證明了先驗(yàn)知識(shí)在STAP中的價(jià)值。各種傳感器的發(fā)展以及探測感知的需求促使信息融合的發(fā)展，將采集到的多種傳感器的信息與雷達(dá)回波數(shù)據(jù)進(jìn)行融合處理，可提高對(duì)場景的感知能力。圖4KASSPEＲ結(jié)構(gòu)圖1．3基于深度學(xué)習(xí)的雷達(dá)信號(hào)處理深度學(xué)習(xí)是目前人工智能的一個(gè)研究熱點(diǎn)，其通過大量數(shù)據(jù)對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而實(shí)現(xiàn)對(duì)預(yù)想功能的實(shí)現(xiàn)，目前深度學(xué)習(xí)在圖像處理、自動(dòng)駕駛、文本識(shí)別等領(lǐng)域已經(jīng)取得了不錯(cuò)的效果，在雷達(dá)領(lǐng)域的目標(biāo)識(shí)別、干擾識(shí)別、場景分類等方面也展現(xiàn)了其應(yīng)用潛力。傳統(tǒng)的目標(biāo)識(shí)別算法需要選取合適的目標(biāo)特征，而所選擇的特征好壞決定了目標(biāo)識(shí)別的最優(yōu)性能�；谏疃葘W(xué)習(xí)的目標(biāo)識(shí)別可以從雷達(dá)數(shù)據(jù)中自動(dòng)提取特征，用訓(xùn)練樣本自動(dòng)學(xué)習(xí)，用動(dòng)靜目標(biāo)獲取識(shí)別(MSTAＲ)數(shù)據(jù)進(jìn)行驗(yàn)證，目標(biāo)識(shí)別正確率可達(dá)99．9%。雖然基于深度學(xué)習(xí)的雷達(dá)信號(hào)處理已經(jīng)通過實(shí)驗(yàn)證明了其對(duì)目標(biāo)識(shí)別、干擾識(shí)別、場景分類等的有效性，但其實(shí)際工程化應(yīng)用還有一些問題亟需解決:深度學(xué)習(xí)網(wǎng)絡(luò)需要大量的訓(xùn)練樣本進(jìn)行訓(xùn)練，如果訓(xùn)練樣本數(shù)據(jù)不足，則導(dǎo)致其對(duì)目標(biāo)識(shí)別的性能不好;在實(shí)際戰(zhàn)場環(huán)境中存在著大量非合作目標(biāo)，對(duì)這些非合作目標(biāo)的數(shù)據(jù)有限，這就導(dǎo)致對(duì)這些目標(biāo)的識(shí)別能力不足。如何在小樣本、大動(dòng)態(tài)場景下實(shí)現(xiàn)基于深度學(xué)習(xí)的雷達(dá)性能提升是需要解決的一項(xiàng)重要課題。2人工智能驅(qū)動(dòng)下的雷達(dá)發(fā)展趨勢探討在人工智能技術(shù)發(fā)展應(yīng)用現(xiàn)狀以及雷達(dá)發(fā)展現(xiàn)狀及趨勢的基礎(chǔ)上，本文從多個(gè)方面對(duì)未來人工智能驅(qū)動(dòng)下的雷達(dá)發(fā)展趨勢進(jìn)行探討，人工智能驅(qū)動(dòng)下的雷達(dá)發(fā)展主要趨勢包括而不限于如下五個(gè)方面。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡哲穎;;現(xiàn)代雷達(dá)信號(hào)處理及其發(fā)展趨勢探析[J];中國新通信;2014年18期

2 張繼喬;;雷達(dá)信號(hào)處理技術(shù)及其發(fā)展的若干研究論述[J];黑龍江科技信息;2016年11期

3 馬楊;;現(xiàn)代雷達(dá)信號(hào)處理及發(fā)展趨勢分析[J];中國新通信;2016年18期

4 潘婷;;現(xiàn)代雷達(dá)信號(hào)處理的技術(shù)和發(fā)展趨勢[J];科學(xué)中國人;2016年18期

5 孫曉聞,張林讓,吳順君;脈沖多卜勒雷達(dá)信號(hào)處理系統(tǒng)的仿真[J];系統(tǒng)仿真學(xué)報(bào);2002年11期

6 William C.Booth ,呂杰;雷達(dá)信號(hào)處理方法[J];系統(tǒng)工程與電子技術(shù);1984年08期

7 張學(xué)森;葉彥;;四代雷達(dá)信號(hào)處理系統(tǒng)研究[J];艦船電子對(duì)抗;2019年05期

8 史昊明;肖文;;現(xiàn)代雷達(dá)信號(hào)處理及發(fā)展趨勢探討[J];通訊世界;2017年06期

9 韓文俊;黎賀;劉鳳;;雷達(dá)信號(hào)處理軟件健康管理設(shè)計(jì)[J];現(xiàn)代雷達(dá);2019年03期

10 程榮剛;徐青;張林讓;;雷達(dá)信號(hào)處理國家級(jí)重點(diǎn)實(shí)驗(yàn)室的建設(shè)與發(fā)展[J];實(shí)驗(yàn)室研究與探索;2018年04期

相關(guān)博士學(xué)位論文 前10條

1 王盛利;雷達(dá)信號(hào)處理的新方法——匹配傅里葉變換研究[D];西安電子科技大學(xué);2003年

2 周浩;高頻雷達(dá)信號(hào)處理中的若干問題研究[D];武漢大學(xué);2004年

3 杜雨洺;近程小扇區(qū)LFMCW雷達(dá)信號(hào)處理研究[D];電子科技大學(xué);2006年

4 陳潔;超寬帶雷達(dá)信號(hào)處理及成像方法研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2007年

5 蘇濤;并行處理技術(shù)在雷達(dá)信號(hào)處理中的應(yīng)用研究[D];西安電子科技大學(xué);1999年

6 李明;機(jī)載寬帶雷達(dá)信號(hào)處理若干問題研究[D];西安電子科技大學(xué);2007年

7 龐娜;MIMO雷達(dá)信號(hào)處理技術(shù)及實(shí)現(xiàn)的研究[D];北京理工大學(xué);2015年

8 周紅平;雷達(dá)信號(hào)處理若干關(guān)鍵技術(shù)的研究[D];中國科學(xué)技術(shù)大學(xué);2010年

9 王鞠庭;MIMO雷達(dá)信號(hào)處理：目標(biāo)檢測與角度估計(jì)[D];南京理工大學(xué);2010年

10 戴奉周;寬帶雷達(dá)信號(hào)處理[D];西安電子科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 王朗;HPM短脈沖雷達(dá)信號(hào)處理仿真研究[D];中國工程物理研究院;2019年

2 徐麗;脈沖多普勒雷達(dá)信號(hào)處理并行技術(shù)研究[D];電子科技大學(xué);2019年

3 翟小娟;基于通用處理器的雷達(dá)信號(hào)處理算法設(shè)計(jì)與實(shí)現(xiàn)[D];西安電子科技大學(xué);2018年

4 周仕祺;彈載毫米波導(dǎo)引頭雷達(dá)信號(hào)處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2018年

5 宋衛(wèi)東;三角波雷達(dá)信號(hào)處理技術(shù)研究[D];哈爾濱工程大學(xué);2018年

6 陳亮;基于FPGA的多功能陣列雷達(dá)信號(hào)處理[D];西安電子科技大學(xué);2018年

7 葉藝峰;基于VLIW結(jié)構(gòu)的雷達(dá)信號(hào)處理引擎設(shè)計(jì)與實(shí)現(xiàn)[D];西安電子科技大學(xué);2018年

8 沈濤;毫米波車檢雷達(dá)信號(hào)處理與實(shí)現(xiàn)[D];南京理工大學(xué);2018年

9 劉銀玲;基于TMS320C6678的多功能陣列雷達(dá)信號(hào)處理[D];西安電子科技大學(xué);2018年

10 蔣雨宏;自適應(yīng)陣列導(dǎo)引頭雷達(dá)信號(hào)處理與仿真[D];電子科技大學(xué);2018年

本文編號(hào)：2893429