[发明专利]一种基于信息熵的多雷达动态调节方法及装置

说明书

本发明实施例涉及一种基于信息熵的多雷达动态调节方法及装置，其中方法包括：S1、接收多部雷达的初始观测数据；S2、获取预先建立的观测融合模型，并根据所观测述融合模型，建立多雷达融合熵模型；S3、对所述多雷达融合熵模型进行优化；S4、根据优化结果，调整多部雷达的雷达位置、每部雷达的参数以及观测数据的融合方法。本发明的调节方法可以基于不同层级的作战任务，自适应优化调整雷达布站、雷达参数和融合方法，以适应战场环境和目标的动态变化，从而达到最大化获取目标信息的目的。

技术领域

本发明涉及雷达系统资源管理技术领域，尤其涉及一种基于信息熵的多雷达动态调节方法及装置。

背景技术

实际中，战场环境和目标处于不断变化中，需要根据作战任务，对多雷达系统资源，包括雷达布站、雷达参数和融合方法等，进行实时动态组织以适应不断变化的复杂环境和目标，从而最大化获取目标信息，实现最佳的目标探测、跟踪或识别等。

雷达相对目标的地理位置或雷达参数不同，获得的目标信息将不同，采用不同的融合方法，结果的精度也将不同。并且，对于多雷达观测决策，这些因素的影响是耦合的。目前，雷达动态组织方法大多分别针对多雷达的各个融合处理层级，并且割裂了不同因素间的关系，单独设计雷达布站或雷达参数或融合方法，此种方法对多雷达系统资源的设计不完整，不能很好地适应复杂环境和目标的需要。

本发明中，对于多雷达观测决策系统而言，希望获取的目标信息越准确越好，即系统的不确定程度越小越好。信息熵作为随机变量不确定度的度量方法，熵值越小，随机变量的不确定程度越小。本发明使用信息熵对多雷达观测决策输出的不确定性程度进行度量，即多雷达的融合熵，其值与雷达布站、雷达参数和融合方法等因素有关。通过最小化多雷达观测决策的融合熵，可自适应优化设计多雷达资源，包括雷达站位置、参数和融合方法，最大化降低获取目标信息的不确定程度。

为了便于理解本发明的基本原理，下面对信息论中的信息熵进行简要介绍。

在信息论中，熵是一个极为重要的概念，对于一个广义的系统来说，熵可作为系统状态的混乱性或无序性的度量。一般来说熵值越小，系统不确定性的程度就越小，也即系统含有的信息量越多。同理，信息熵是随机变量不确定度的度量，它也是平均意义上描述随机变量所需的信息量的度量，一个以f(w)为密度函数的连续型随机变量W的信息熵定义为

H(W)＝-∫f(w)lnf(w)dw (1)

其中，H(W)为随机变量W的信息熵，f(w)为随机变量W的概率密度函数。

如果随机变量W和S的联合概率密度函数f(w,s)，定义条件信息熵为

H(W|S)＝-∫f(w,s)lnf(w|s)dwds (2)

其中，H(W|S)为在S条件下随机变量W的信息熵，f(w,s)为随机变量W和S的联合概率密度函数，f(w|s)为在S条件下随机变量W的概率密度函数。

发明内容

本发明提出一种基于信息熵的多雷达动态调节方法及装置，可以基于不同层级的作战任务，自适应优化调整雷达布站、雷达参数和融合方法，以适应战场环境和目标的动态变化，从而达到最大化获取目标信息的目的。

基于上述目的，本发明提供一种基于信息熵的多雷达动态调节方法，包括：

S1、接收多部雷达的初始观测数据；

S2、获取预先建立的观测融合模型，并根据所观测述融合模型，建立多雷达融合熵模型；

S3、对所述多雷达融合熵模型进行优化；

S4、根据优化结果，调整多部雷达的雷达位置、每部雷达的参数以及观测数据的融合方法。

其中，所述初始观测数据为：