基于目標(biāo)和環(huán)境先驗(yàn)信息優(yōu)化設(shè)計(jì)發(fā)射波形可以提高雷達(dá)目標(biāo)回波信干噪比（SINR）。首先給出了認(rèn)知天波超視距雷達(dá)（CSWOTHR）發(fā)射波形自適應(yīng)設(shè)計(jì)機(jī)制,完善了系統(tǒng)架構(gòu)設(shè)計(jì),為減弱同頻干擾對(duì)目標(biāo)檢測(cè)的影響,在基于知識(shí)輔助自適應(yīng)環(huán)境感知波形（KB-AESBW）設(shè)計(jì)算法的基礎(chǔ)上,提出了一種改進(jìn)的基于灰色馬爾科夫組合模型的自適應(yīng)環(huán)境感知波形（GM-AESBW）設(shè)計(jì)算法。通過(guò)GM-AESBW算法,CSWOTHR實(shí)現(xiàn)了對(duì)環(huán)境感知一次、預(yù)測(cè)多次的功能,具有更好的環(huán)境匹配能力,且魯棒性強(qiáng),降低了系統(tǒng)對(duì)外部環(huán)境的依賴(lài)。理論分析與仿真實(shí)驗(yàn)驗(yàn)證了GM-AESBW算法的有效性。 

【文章來(lái)源】：雷達(dá)科學(xué)與技術(shù). 2020,18(03)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

認(rèn)知天波超視距雷達(dá)發(fā)射波形自適應(yīng)設(shè)計(jì)方法

圖2是CSWOTHR采用基于灰色馬爾科夫組合模型的自適應(yīng)環(huán)境感知波形設(shè)計(jì)算法的工作流程圖。發(fā)射機(jī)在靜默期間接收環(huán)境數(shù)據(jù)，記錄并保存當(dāng)前環(huán)境雜波、干擾信息。根據(jù)所記錄頻點(diǎn)的干擾信息，建立GM(1,1）模型，利用灰色序列預(yù)測(cè)每一個(gè)干擾頻點(diǎn)的未來(lái)變化趨勢(shì)，采用馬爾科夫過(guò)程對(duì)結(jié)果修正。依據(jù)當(dāng)前時(shí)刻環(huán)境信息形成當(dāng)前時(shí)刻的環(huán)境協(xié)方差矩陣，并依據(jù)此信息調(diào)整發(fā)射波形的參數(shù)，如頻率、脈寬等。將當(dāng)前環(huán)境協(xié)方差矩陣與經(jīng)過(guò)修正的預(yù)測(cè)信息相結(jié)合產(chǎn)生預(yù)測(cè)環(huán)境協(xié)方差矩陣，根據(jù)自適應(yīng)環(huán)境感知算法調(diào)整發(fā)射波形。最后經(jīng)過(guò)常規(guī)信號(hào)處理得到一次相干積累的結(jié)果，根據(jù)處理結(jié)果判斷是否需要在下一個(gè)相干積累周期再次感知環(huán)境以調(diào)整發(fā)射波形。GM-AESBW算法在KB-AESBW算法上的改進(jìn)主要是增加了灰色馬爾科夫組合預(yù)測(cè)過(guò)程，通過(guò)2.1節(jié)算法原理易知GM-AESBW算法復(fù)雜程度與KB-AESBW基本保持一致。GM-AESBW的算法步驟歸納如下：

在第三次相干處理時(shí)，ESBW算法下的發(fā)射波形仍然為感知后首次調(diào)整的波形，KB-AESBW算法發(fā)射波形與GM-AESBW發(fā)射波形相似，但是GM-AESBW根據(jù)干擾幅值的變化進(jìn)一步調(diào)整發(fā)射波形的形狀，對(duì)比KB-AESBW可以明顯看到GM-AESBW具備連續(xù)調(diào)整發(fā)射波形的能力。2）自相關(guān)性能比較


本文編號(hào)：3357399