本文選題：相控陣?yán)走_(dá) + 資源管理��； 參考：《杭州電子科技大學(xué)》2017年碩士論文

【摘要】：隨著現(xiàn)代戰(zhàn)場環(huán)境的日益復(fù)雜,相控陣?yán)走_(dá)作為現(xiàn)代戰(zhàn)爭的重要組成部分,需要承擔(dān)更多的任務(wù),因此對雷達(dá)自適應(yīng)資源管理研究就很有意義。其目的就是通過控制雷達(dá)參數(shù),在滿足跟蹤精度的情況下,合理地分配雷達(dá)資源,提高雷達(dá)使用效率,使其盡可能執(zhí)行更多的任務(wù),實現(xiàn)多種戰(zhàn)術(shù)功能。本文針對時間資源自適應(yīng)管理問題深入研究,旨在找出一種優(yōu)化的采樣策略合理地分配雷達(dá)資源,提高雷達(dá)的使用效率。主要的研究工作概括如下:首先概述了本文的研究背景、意義及相關(guān)研究現(xiàn)狀,并簡述了相關(guān)基礎(chǔ)理論知識。其次,分析了幾種常用的采樣周期自適應(yīng)策略,針對傳統(tǒng)預(yù)測協(xié)方差門限法運(yùn)算量大、算法效率低的問題,提出了一種改進(jìn)的預(yù)測協(xié)方差門限法。該算法改進(jìn)傳統(tǒng)采樣周期的全遍歷尋優(yōu)策略,并將提出的改進(jìn)算法與其他算法進(jìn)行仿真比較。仿真結(jié)果表明,改進(jìn)算法在目標(biāo)跟蹤過程中能滿足跟蹤需求,具有較少的計算量,較高的運(yùn)行效率。再次,從基于Riccati方程的相控陣?yán)走_(dá)穩(wěn)態(tài)資源管理的角度出發(fā),提出了一種基于離線Riccati方程的相控陣?yán)走_(dá)采樣周期自適應(yīng)算法。該算法通過Riccati方程離線計算出各模型的最優(yōu)采樣周期,然后利用交互式多模型更新概率對各模型最優(yōu)采樣周期進(jìn)行混合估計,得到系統(tǒng)的自適應(yīng)采樣周期。算法優(yōu)勢體現(xiàn)在將一定的計算工作離線處理,只在線混合估計,所以算法的效率比較高,能節(jié)省計算機(jī)運(yùn)算資源。然后將提出算法與其他自適應(yīng)采樣周期算法進(jìn)行仿真比較,仿真結(jié)果表明,所提算法能達(dá)到預(yù)期效果。最后,針對實際目標(biāo)跟蹤中目標(biāo)的機(jī)動性較復(fù)雜的問題,在上述研究的基礎(chǔ)上,將基于“當(dāng)前”統(tǒng)計模型的混合網(wǎng)格多模型算法與改進(jìn)的預(yù)測協(xié)方差門限法相結(jié)合,提出了一種混合網(wǎng)格多模型的采樣周期自適應(yīng)算法。該算法不僅能夠?qū)δ繕?biāo)進(jìn)行更精確的跟蹤,而且還能自適應(yīng)調(diào)整采樣周期,節(jié)省雷達(dá)資源。最后通過仿真比較,證明了提出算法的有效性。
[Abstract]:With the increasing complexity of modern battlefield environment, phased array radar, as an important part of modern warfare, needs to undertake more tasks, so the research on radar adaptive resource management is of great significance. The aim is to reasonably allocate radar resources, improve the efficiency of radar use, perform as many tasks as possible and realize various tactical functions by controlling radar parameters and satisfying tracking accuracy. In this paper, the adaptive management of time resources is studied in order to find out an optimal sampling strategy to allocate radar resources reasonably and improve the efficiency of radar. The main research work is summarized as follows: firstly, the research background, significance and related research status are summarized, and the basic theoretical knowledge is briefly described. Secondly, several commonly used sampling period adaptive strategies are analyzed, and an improved predictive covariance threshold method is proposed to solve the problems of large computation and low efficiency of the traditional predictive covariance threshold method. This algorithm improves the whole ergodic optimization strategy of the traditional sampling period, and compares the proposed algorithm with other algorithms. The simulation results show that the improved algorithm can meet the requirements of target tracking with less computation and higher running efficiency. Thirdly, from the point of view of steady state resource management of phased array radar based on Riccati equation, an adaptive algorithm for sampling period of phased array radar based on off-line Riccati equation is proposed. The optimal sampling period of each model is calculated off-line by Riccati equation, then the optimal sampling period of each model is estimated by using interactive multi-model update probability, and the adaptive sampling period of the system is obtained. The advantage of the algorithm lies in the off-line processing of a certain amount of computing work, only on-line mixed estimation, so the efficiency of the algorithm is relatively high, and the computer computing resources can be saved. Then the proposed algorithm is compared with other adaptive sampling cycle algorithms. The simulation results show that the proposed algorithm can achieve the desired results. Finally, aiming at the complex problem of target mobility in actual target tracking, the hybrid grid multi-model algorithm based on the "current" statistical model is combined with the improved predictive covariance threshold method on the basis of the above research. In this paper, a sampling period adaptive algorithm for hybrid mesh multimodel is proposed. The algorithm not only can track the target more accurately, but also adaptively adjusts the sampling period and saves radar resources. Finally, the effectiveness of the proposed algorithm is proved by simulation and comparison.
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN958.92

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 何丹敏;彭冬亮;石彎彎;谷雨;;基于“當(dāng)前”統(tǒng)計模型的混合網(wǎng)格多模型算法[J];光電工程;2015年07期

2 張喜濤;張安清;梁棟;牛治永;;改進(jìn)的“當(dāng)前”統(tǒng)計模型變采樣率目標(biāo)跟蹤算法[J];電訊技術(shù);2014年09期

3 曾東;彭冬亮;;強(qiáng)機(jī)動目標(biāo)自適應(yīng)變結(jié)構(gòu)多模型跟蹤算法[J];計算機(jī)系統(tǒng)應(yīng)用;2012年10期

4 錢華明;陳亮;楊峻巍;;改進(jìn)的模型集自適應(yīng)變結(jié)構(gòu)多模型算法[J];探測與控制學(xué)報;2012年02期

5 郁衛(wèi)華;朱翔;朱曉華;;基于交互式多模型粒子濾波的相控陣?yán)走_(dá)自適應(yīng)采樣[J];電子設(shè)計工程;2012年05期

6 盧建斌;肖慧;席澤敏;張明敏;;相控陣?yán)走_(dá)波束波形聯(lián)合自適應(yīng)調(diào)度算法[J];系統(tǒng)工程與電子技術(shù);2011年01期

7 黃翔宇;彭冬亮;;基于無味有向圖切換的機(jī)動目標(biāo)跟蹤VSMM算法[J];光電工程;2010年12期

8 鑒福升;徐躍民;陰澤杰;;基于IMM的電掃描雷達(dá)參數(shù)控制算法研究[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2010年03期

9 陳曉山;翁輝;蘇平;;一種遺傳模糊神經(jīng)網(wǎng)絡(luò)算法及其在艦船聲納目標(biāo)識別中的應(yīng)用[J];兵工自動化;2009年08期

10 張立韜;張策;李盾;王國玉;;相控陣?yán)走_(dá)自適應(yīng)調(diào)度的仿真方法研究[J];系統(tǒng)仿真學(xué)報;2008年21期

相關(guān)博士學(xué)位論文 前3條

1 程婷;相控陣?yán)走_(dá)自適應(yīng)資源管理技術(shù)研究[D];電子科技大學(xué);2008年

2 楊峰;現(xiàn)代多目標(biāo)跟蹤與多傳感器融合關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2006年

3 周文輝;相控陣?yán)走_(dá)及組網(wǎng)跟蹤系統(tǒng)資源管理技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2004年

相關(guān)碩士學(xué)位論文 前3條

1 吳佳芯;多目標(biāo)跟蹤的數(shù)據(jù)關(guān)聯(lián)算法研究[D];西安電子科技大學(xué);2013年

2 趙宇;相控陣?yán)走_(dá)資源優(yōu)化管理[D];上海交通大學(xué);2011年

3 趙敏;機(jī)動目標(biāo)跟蹤理論的研究及其應(yīng)用[D];西北工業(yè)大學(xué);2006年

，

本文編號：2022375