[发明专利]基于强化学习与蒙特卡洛搜索树的MIMO雷达布站方法

说明书

本发明公开了基于强化学习与蒙特卡洛搜索树的MIMO雷达布站方法，包括步骤：S1，对雷达天线布站区域进行离散化处理，获得该区域的栅格模型；S2，以布站状态作为输入，利用深度神经网络输出相应参数，辅助蒙特卡洛搜索树进行搜索更新；S3，根据蒙特卡洛树的结果更新神经网络参数，最后通过训练好的神经网络指导雷达布站等；在本发明的实施例中，使用深度神经网络与蒙特卡洛搜索树相结合形成的方法，实现布站策略的自主学习，完成训练学习后能够快速完成布站。在高维空间复杂场景中，能够优化雷达站点资源，满足监视任务指标。

技术领域

本发明涉及MIMO雷达布站技术领域，更为具体的，涉及基于强化学习与蒙特卡洛搜索树的MIMO雷达布站方法。

背景技术

多输入多输出(multiple-input multiple-output,MIMO)雷达即采用多个发射天线发送定制波形信号，并采用多个接收天线对回波进行某种联合处理的雷达系统。

MIMO雷达组网布站技术通过优化配置收发天线位置，进而提升系统探测能力，是分布式组网雷达系统的一项关键技术，已成为国内外雷达领域的研究热点。

现有对于MIMO雷达布站方案优化方法，2014年M.Radmard在IEEE Transactionson Aerospace and ElectronicSystems上发表的《Antenna placement and powerallocation optimization in MIMO detection》文章中通过分割天线的布站区域，提出一种连续穷举法(SEE)；2009年N.Aziz等在IEEE InternationalConference on Networking,Sensing and Control发表《Awireless sensor network coverage optimizationalgorithmbased on particle swarm optimization and Voronoi diagram》文章中提出一种基于Voronoi图的方法计算计算覆盖率；2013年Y.Yoon等在IEEE Transactions onCybernetics发表的《An efficient genetic algorithm for maximum coveragedeployment inwireless sensor networks》文章中针对传感器部署研究，提出了一种基于遗传算法(GA)的传感器布站算法。

现有的布站算法需要给定布站的站点数量，在给定任务指标条件下需要对不同数量的站点进行布站的算法求解，然后通过比较结果选择相应的站点数量和布站方案。在高维空间中任务场景复杂，雷达站点资源有限，需要算法能够自主决定站点数量和布站方案以满足监视任务指标。

发明内容

本发明的目的在于克服现有技术的不足，提供基于强化学习与蒙特卡洛搜索树的MIMO雷达布站方法，实现布站策略的自主学习，完成训练学习后能够快速完成布站。在高维空间复杂场景中，能够优化雷达站点资源，满足监视任务指标等。

本发明的目的是通过以下方案实现的：

基于强化学习与蒙特卡洛搜索树的MIMO雷达布站方法，包括步骤：

S1，对雷达天线布站区域进行离散化处理，获得该区域的栅格模型；

S2，以布站状态作为输入，利用深度神经网络输出相应参数，辅助蒙特卡洛搜索树进行搜索更新；

S3，根据蒙特卡洛树的结果更新神经网络参数，最后通过训练好的神经网络指导雷达布站。

进一步地，在步骤S1中，能够根据栅格模型，获得当前布站状态s。