本發(fā)明屬于雷達波形設計,具體涉及一種基于迭代貪婪碼搜索模因算法的離散正交序列優(yōu)化方法。
背景技術(shù):
1、多輸入多輸出(multiple?input?multiple?output,mimo)雷達一經(jīng)提出,就成為國內(nèi)外雷達界的一個研究熱點。目前常用的mimo雷達波形,它們分為四類:(1)時分復用(time?division?multiplexing,tdm)mimo波形,(2)頻分復用(frequency?divisionmultiplexing,fdm)mimo波形,(3)多普勒分復用(doppler?division?multiplexing,ddm)mimo波形和(4)碼分復用(code?division?multiplexing,cdm)mimo波形。
2、這四種mimo雷達波形中,tdm-mimo波形因為浪費了多通道的發(fā)射能力,不利于提高雷達探測距離;fdm-mimo波形經(jīng)過旁瓣抑制后能獲得良好的主副比,但系統(tǒng)實現(xiàn)結(jié)構(gòu)復雜并且其在當前的毫米波雷達芯片上無法實現(xiàn);ddm-mimo波形存在著多普勒不模糊范圍受限的問題,其最大不模糊速度大大降低,所以其適用于速度不高的應用場景,如用于短程雷達(srr)應用中。
3、cdm-mimo波形包括快時間cdm-mimo波形和慢時間cdm-mimo波形。其中快時間cdm-mimo波形需要在單個脈沖內(nèi)進行相位調(diào)制,在當前市場上的主流毫米波雷達芯片上也無法實現(xiàn)。慢時間cdm-mimo波形在慢時間維對每個脈沖進行相位調(diào)制獲得正交性,前面提到的ddm-mimo波形是慢時間cdm-mimo波形的一個特例。慢時間cdm-mimo波形有著以下優(yōu)點:距離旁瓣低、沒有發(fā)射能力的損失、在當前市場上的主流毫米波雷達芯片上可以實現(xiàn)、不存在多普勒不模糊范圍受限的問題以及適用于所有應用場景。但其也存在著缺點:慢時間cdm-mimo波形的速度旁瓣會受離散正交碼序列集的正交性影響。而現(xiàn)有的離散正交碼序列集的非循環(huán)自相關(guān)和互相關(guān)函數(shù)與相關(guān)函數(shù)峰值旁瓣下界(如welch非循環(huán)相關(guān)函數(shù)峰值旁瓣下界)的差值較大,如何獲得正交性更好的離散正交碼序列集和優(yōu)化效果更好的碼序列優(yōu)化方法仍是一個值得研究的開放問題。
技術(shù)實現(xiàn)思路
1、本發(fā)明所要解決的技術(shù)問題是,現(xiàn)有碼序列優(yōu)化方法所設計出的碼序列集,其自相關(guān)和互相關(guān)性能與已有下界的差值仍然較大。為解決該問題,本發(fā)明提供一種基于迭代貪婪碼搜索模因算法的離散正交碼序列優(yōu)化方法,該方法能夠進一步提升碼序列性能,提高搜索效率。
2、為實現(xiàn)上述目的,本發(fā)明提供如下技術(shù)方案:一種基于迭代貪婪碼搜索模因算法的離散正交碼序列優(yōu)化方法,具體步驟如下:
3、步驟1:初始化最大迭代次數(shù)tmax、親本數(shù)量nump、子代數(shù)量numo、碼序列集中序列個數(shù)l、碼長n、碼序列的可選相位數(shù)量m、權(quán)重系數(shù)w;
4、步驟2:根據(jù)序列個數(shù)l、碼長n、可選相位數(shù)量m生成nump個初始個體;
5、步驟3:計算生成的nump個初始個體的目標函數(shù),并將初始個體按目標函數(shù)升序排列,這nump個初始個體構(gòu)成最初的親本;
6、步驟4:判斷當前迭代次數(shù)是否達到最大迭代次數(shù)tmax或滿足算法終止條件,若已達到最大迭代次數(shù)tmax或已滿足算法終止條件,則終止算法并返回目標函數(shù)最低的碼序列集;否則,繼續(xù)下一次迭代;
7、步驟5:通過變異和交叉共生成numo個子代個體;
8、其中numo/2個子代個體通過交叉產(chǎn)生,從nump個親本中依次選擇一個親本作為目標個體,再從nump個親本中隨機選擇一個親本作為基個體,通過交叉函數(shù)將目標個體和基個體進行交叉操作,最終在目標個體的基礎(chǔ)上產(chǎn)生新的子代個體;剩余numo/2個子代個體通過變異產(chǎn)生,每次從nump個親本中依次選擇一個親本作為目標個體,通過變異函數(shù)對目標個體執(zhí)行變異操作,生成新的子代個體;
9、步驟6:計算新生成的numo個子代個體的目標函數(shù),將新生成的每個子代個體進行迭代貪婪碼搜索,得到經(jīng)過搜索優(yōu)化后的新個體及其對應的目標函數(shù);
10、步驟7:將步驟6經(jīng)迭代貪婪碼搜索后得到的所有新個體和親本進行合并,對合并后的種群按目標函數(shù)升序排列,在升序排列后的種群中,刪除重復個體,得到?jīng)]有重復個體的新種群;
11、步驟8:對步驟7得到的種群,利用選擇函數(shù)選取目標函數(shù)最小的nump個個體作為下一次迭代的親本;
12、步驟9:對步驟8得到的親本重復步驟4~步驟9,直至當前迭代次數(shù)達到最大迭代次數(shù)tmax或滿足算法終止條件,并輸出目標函數(shù)最小的個體,該個體即為最終優(yōu)化后的正交性能最好的離散正交碼序列集。
13、進一步地,上述步驟2中的初始個體通過隨機函數(shù)生成,通過隨機函數(shù)每次從碼序列可選相位中隨機選取一種相位;
14、碼序列可選相位如下式所示:
15、δl(n)∈{0,2π/m,…,(m-1)*2π/m}
16、最終生成的初始個體用l×n矩陣表示:
17、
18、其中δl(n)表示第l個信號的第n個子脈沖的相位。
19、進一步的,所述步驟3中以自相關(guān)峰值旁瓣和互相關(guān)峰值同時最小化作為目標函數(shù)。
20、進一步的,所述步驟6的具體流程如下:
21、對新生成的每個子代個體進行貪婪碼搜索,第一次貪婪碼搜索結(jié)束后,判斷搜索后個體的目標函數(shù)是否降低;若沒有降低,則直接輸出搜索后個體;若降低,則對搜索后個體再進行貪婪碼搜索,再一次判斷搜索后個體的目標函數(shù)是否降低;重復前面操作,直到搜索后的個體目標函數(shù)不再降低,并輸出最終搜索優(yōu)化后的個體及其目標函數(shù)。
22、進一步的,所述步驟7中,使用一種處理進化停滯的方法,具體流程如下:
23、將步驟7中合并后且升序排列的種群,進行一個判斷是否相同的操作;從種群中第一個個體開始,將其與剩下的第2,…,第numo+nump-1個個體進行比較;如果兩個個體相同,則刪去被比較的重復個體,不同則保留;刪除重復個體或保留個體后繼續(xù)下一個個體的比較;第一個個體搜索結(jié)束后,可能存在幾種情況:第一種,只剩下第一個個體;第二種,只剩下兩個個體;第三種,剩下n個個體n>3;顯然,前兩種情況不用再進行對比,因為它們已經(jīng)對比過了;如果是第三種情況,則從第2個個體開始,依次對比第3,…,n個個體;直到所有個體都對比結(jié)束,最終得到?jīng)]有重復個體的新種群。
24、進一步的,所述目標函數(shù)e具體為:
25、
26、其中w是自相關(guān)峰值旁瓣和互相關(guān)峰值之間的權(quán)重系數(shù),取值范圍為0到1;w越高表明優(yōu)化方法更關(guān)注碼序列的自相關(guān)峰值旁瓣,反之,優(yōu)化方法更關(guān)注碼序列的互相關(guān)峰值;當目標函數(shù)e越小時,表明離散碼序列集的正交性越好;
27、
28、其中,k為離散時間指數(shù),上標*表示取共軛;a(sp,k)表示離散正交碼序列集中第p個信號的非周期自相關(guān)函數(shù),c(sp,sq,k)表示離散正交碼序列集中第p個信號和第q個信號之間的非周期互相關(guān)函數(shù);δp(n)表示離散正交碼序列集中第p個信號的第n個元素,δp(n+k)表示離散正交碼序列集中第p個信號的第n+k個元素;中n表示碼長,代表的是對非周期自相關(guān)函數(shù)和非周期互相關(guān)函數(shù)進行歸一化,歸一化后非周期自相關(guān)函數(shù)在k=0時的值,也就是非周期自相關(guān)函數(shù)峰值變?yōu)?,在k≠0時,非周期自相關(guān)函數(shù)的值變?yōu)閇-1,1]的數(shù);歸一化后非周期互相關(guān)函數(shù)的值也變?yōu)閇-1,1]的數(shù)。
29、本發(fā)明的有益效果是:
30、1、本發(fā)明提供一種基于迭代貪婪碼搜索模因算法的離散正交碼序列優(yōu)化方法,該方法在文化基因算法(memetic?algorithm,ma)框架下,采用本發(fā)明所提出的迭代貪婪碼搜索策略(iterative?greedy?code?search,igcs);因此本發(fā)明所提出方法的性能優(yōu)于目前現(xiàn)有的方法,且用本發(fā)明所提方法優(yōu)化后的離散正交碼序列集,其自相關(guān)和互相關(guān)性能進一步接近已有下界,縮小了與已有下界的差值。
31、2、本發(fā)明提供一種迭代貪婪碼搜索策略,優(yōu)化原有貪婪碼搜索方法存在的易陷入局部最優(yōu)的缺點。相比于貪婪碼搜索方法,本發(fā)明提出的迭代貪婪碼搜索策略,局部搜索能力更強、優(yōu)化效果更好并且搜索效率更高。
32、3、本發(fā)明提供一種處理進化停滯的方法,通過刪除種群中的重復個體,保證種群多樣性,從而確保算法能夠持續(xù)探索更優(yōu)解;且該方法能夠在不增加算法運行時間的情況下,提升算法最終的搜索優(yōu)化結(jié)果。
33、4、本發(fā)明采用一種新的遺傳策略,在每次迭代中通過交叉和變異分別產(chǎn)生numo/2個子代。通過在每次迭代中同時采用交叉和變異算子,增加算法的搜索多樣性,擴大算法的搜索空間,從而有更大的可能獲得正交性更好的離散正交碼序列集。