[发明专利]一种基于信息增益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增益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、根据所述多雷达融合熵模型，计算多雷达信息增益；S4、对所述多雷达信息增益进行优化；S5、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。本发明的方法及装置，通过最大化信息增益，实现雷达布站、参数和融合方法的联合自适应优化设计，从而更好地获取目标信息。

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增益的多雷达动态调节方法及装置。

背景技术

战场环境和作战目标处于不断变化中，为了最大化获取目标信息，实现最佳的目标探测、跟踪或识别等，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。

雷达布站、雷达参数和融合处理方法等的不同，获得的目标信息及其精度将不同。并且，对于多雷达观测决策，这些因素的影响是耦合的。而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、雷达参数或融合方法，因此不能很好地适应复杂环境和目标的需要。

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

本发明的目的是提出一种基于信息增益的多雷达动态调节方法及装置，通过最大化信息增益，实现雷达布站、参数和融合方法的联合自适应优化设计，从而更好地获取目标信息。

为实现上述目的，在本发明的一个方面，提供一种基于信息增益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、根据所述多雷达融合熵模型，计算多雷达信息增益；

S4、对所述多雷达信息增益进行优化；

S5、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：

多部雷达对同一目标的回波数据、检测后输出的目标点迹或提取的特征矢量。

其中，所述观测融合模型为：

Ψ＝g(z₁,z₂,…,z_N)