[发明专利]基于改进粒子群优化算法的无源雷达布站方法

说明书

本发明提出了一种基于改进粒子群优化算法的无源雷达布站方法，通过迭代的方式获取多部无源雷达在地面的横坐标位置和纵坐标位置，用于提高目标的定位精度，实现步骤为：1)建立无源雷达布站场景；2)对粒子群优化算法进行改进；3)初始化改进后的粒子群优化算法的参数；4)计算粒子的适应度函数值；5)计算粒子群的全局最优位置；6)判断迭代次数是否达到最大迭代次数，如果是，获取多部无源雷达的布站结果，否则，对每个粒子的位置向量进行更新，并根据更新的位置向量对每个粒子的个体最优位置进行更新，继续迭代。

技术领域

本发明属于雷达信号处理技术领域，涉及一种无源雷达布站方法，具体涉及一种基于改进粒子群优化算法的无源雷达布站方法。

背景技术

无源雷达不主动发射信号，只接收目标自身发射的电磁信号或目标对第三方电磁信号的辐射信号，通过测量雷达接收信号的到达频率差、到达时间差、信号强度等参数来建立方程组并对其进行求解来完成目标定位。有源雷达主动发射电磁波信号，大功率电磁信号容易被第三方雷达探测到，第三方雷达根据探测到的信号实施电子欺骗、电子干扰等，进而影响有源雷达及其合作雷达正常工作。与有源雷达相比，无源雷达不发射电磁信号，不容易暴露自身，在面对第三方雷达干扰时，可以利用第三方干扰信号对干扰雷达进行打击，增强作战能力。

在多站无源雷达系统中，雷达的布站方式是影响目标定位精度的因素之一。雷达布站需要调整所有雷达的位置使目标的定位误差减小，而三维空间中的雷达位置是三维矢量，因此无源雷达布站问题本质上属于高维优化问题。在雷达布站区域广阔的情况下，使用穷举法等传统的数学方法对雷达布站问题进行求解，会使计算量剧增、计算效率低下。

粒子群优化算法是一种寻优算法，其基本原理是根据粒子运动过程中不断变化的个体最优位置以及粒子群的全局最优位置实时更新各粒子的速度向量和位置向量，最终得到优化结果。该算法不受函数约束条件的限制，能够解决高维非凸非线性的全局寻优问题，具有很强的通用性。粒子群优化算法的求解效果受该算法中惯性权重、迭代次数、粒子群的个体学习因子以及群体学习因子等参数值的影响。例如王程民、平殿发、宋斌斌等人2021年在计算机与数字工程上发表的期刊《基于粒子群算法的多机无源定位系统优化布站》中，提出了利用粒子群算法寻找多机无源定位系统最优布站的方法，该方法显著降低了监测区域内目标的定位误差，明显提升了多机无源定位动态快速布站能力，但其不足之处在于，粒子群算法中使用的固定惯性权重会使算法的全局搜索能力或局部搜索能力变差，且当惯性权重值过大时，粒子在算法迭代后期对局部区域进行高精度搜索的能力不足，惯性权重值过小时，粒子因运动速度小导致全局寻优能力不足，并且有可能因运动速度过小而陷入局部区域循环搜索状态，导致基于粒子群优化算法的无源雷达布站效果差，进而影响目标的定位精度。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷，提出了一种基于改进粒子群优化算法的无源雷达布站方法，用于解决现有技术中存在的目标定位精度较低的技术问题。

为实现上述目的，本发明的实现步骤包括如下步骤：

(1)建立无源雷达布站场景：

建立包括分布在地面的M部无源雷达R＝{R₁,...,R_m...,R_M}和分布在三维空间中的S个目标T＝{T₁,...,T_s...,T_S}的无源雷达布站场景，其中，M≥4，R_m表示第m部无源雷达，S≥1，T_s表示第s个坐标为(x^s,y^s,z^s)的目标；

(2)对粒子群优化算法进行改进：

通过线性惯性权重w替换粒子群优化算法中的固定惯性权重，并在粒子的速度更新公式后添加扰动项a(r-0.5)，得到改进后的粒子群优化算法，其中，a表示常数，r表示随机数，r∈[0，1]；