基于改进遗传算法的雷达干扰资源优化分配
Ｖ０１．３８．Ｎｏ．３ Ｍａｒ，２０１３ 火力与指挥控制 Ｆｉｒｅ Ｃｏｎｔｒｏｌ＆Ｃｏｍｍａｎｄ Ｃｏｎｔｒｏｌ 第３８卷第３期 ２０１３年３月
文章编号：１００２—０６４０（２０１３）０３—００９９—０４
基于改进遗传算法的雷达干扰资源优化分配
韩国玺，，何俊 ，茆学权 ，林震鹊
（１．解放军电子工程学院，合肥２３００３７；２．解放军９４６５４部队，南京２１００９４）
摘要：合理分配雷达干扰资源对于充分发挥干扰机作战效能，取得最佳干扰效益有着重要作用。结合空防对 抗的特点和雷达干扰的方法，对影响雷达干扰效果的各种因素进行分析，给出了相应的干扰效益因子，并依据多属 性决策理论建立了干扰资源的优化分配模型。将基于自适应排序选择策略的遗传算法应用于求解干扰分配模型，给 出了具体的解算步骤，并进行了实例仿真。仿真结果表明改进的遗传算法有效地解决了雷达干扰资源优化分配问 题，得到了最佳干扰资源分配方案。 关键词：多属性决策，改进遗传算法，干扰资源，优化分配 中图分类号：ＴＮ９７２ 文献标识码：Ａ
Ｒｅｓｅａｒｃｈ ｏｎ Ｏｐｔｉｍａｌ Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ｒａｄａｒ Ｊａｍｍｉｎｇ Ｒｅｓｏｕｒｃｅ
Ｂａｓｅｄ ｏｎ Ｉｍｐｒｏｖｅｄ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ
ＨＡＮ Ｇｕｏ—ｘｉ ，ＨＥ Ｊｕｎ ，ＭＡＯ Ｘｕｅ－ｑｕａｎ‘，ＬＩＮ Ｚｈｅｎ—ｑｕｅ
（１．Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ Ｊ 疵ｚ‘ ，Ｈｅｆｅｉ ２３００３７，Ｃｈｉｎａ；２．Ｕｎｉｔ ９４６５４ ｏｆＰＬＡ，Ｎａｎｊｉｎｇ ２１００９４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｏｐｔｉｍａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｒａｄａｒ ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅ ｐｌａｙｓ ａ ｋｅｙ ｒｏｌｅ ｉｎ ｕｔｉｌｉｚｉｎｇ ｊａｍｍｅｒ
ｓｕｆｆｉｃｉｅｎｔｌｙ ａｎｄ ｏｂｔａｉｎｉｎｇ ｔｈｅ ｏｐｔｉｍａｌ ｊａｍｍｉｎｇ ｅｆｆｉｃｉｅｎｃｙ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ａｉｒ－ｄｅｆｅｎｓｅ
ｃｏｕｎｔｅｒｍｅ。ａｓｕｒｅ ａｎｄ ｔｈｅ ｍｅｔｈｏｄｓ ｏｆ ｒａｄａｒ ｊａｍｍｉｎｇ，ｔｈｅ ｆａｃｔｏｒｓ ａｆｆｅｃｔｉｎｇ ｒａｄａｒ ｊａｍｍｉｎｇ ｅｆｆｅｃｔ ａｒｅ ａｎａｌｙｚｅｄ．Ｔｈｅ ｉｎｄｅｘ ｏｆ ｊａｍｍｉｎｇ ｅｆｆｅｃｔ ｅｖａｌｕａｔｉｏｎ ａｎｄ ｔｈｅ ｒｅｌｅｖａｎｔ ｂｅｎｅｆｉｔ ｆｕｎｃｔｉｏｎ ａｒｅ ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ
ｏｐｔｉｍａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｍｏｄｅｌ ｏｆ ｒａｄａｒ ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅ ｉｓ ｂｕｉｌｔ ａｃｃｏｒｄｉｎｇ ｔｏ ｍｕｌｔｉ－ａｔｔｒｉｂｕｔｅ ｄｅｃｉｓｉｏｎ— ｍａｋｉｎｇ ｔｈｅｏｒｙ．Ｔｈｅｎ，ｔｈｅ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ａｄａｐｔｉｖｅ ｃｈｏｉｃｅ ｓｔｒａｔｅｇｙ ｉｓ ａｐｐｌｉｅｄ ｔｏ ｓｏｌｖｅ ｔｈｅ ｍｏｄｅｌ ａｎｄ ｔｈｅ ｃａｌｃｕｌａｔｉｏｎ ｓｔｅｐｓ ａｒｅ ｐｒｅｓｅｎｔｅｄ ｉｎ ｄｅｔａｉｌ．Ｆｉｎａｌｌｙ，ａｎ ｉｄｉｏｇｒａｐｈｉｃ ｅｘａｍｐｌｅ ｉｓ ａｎａｌｙｚｅｄ ａｎｄ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｈａｖｅ ｓｈｏｗｎ ｔｈａｔ ｔｈｅ ｉｍｐｒｏｖｅｄ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｉｓ ｖａｌｉｄ ａｎｄ ａｐｐｌｉｃａｂｌｅ ｆｏｒ ｔｈｅ
ｏｐｔｉｍａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｒａｄａｒ ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅ ａｎｄ ｔｈｅｎ ｔｈｅ ｂｅｓｔ ｄｉｓｔｒｉｂｕｔｉｏｎ ｓｃｈｅｍｅ ｉｓ ｏｂｔａｉｎｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｍｕｌｔｉ－ａｔｔｒｉｂｕｔｅ ｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ，ｉｍｐｒｏｖｅｄ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ，ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅ，ｏｐｔｉｍａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ
引 言
雷达干扰机分配…是在雷达侦察的基础上，根 据敌方雷达目标的数量、威胁等级、威胁时间等情 报，结合现有的干扰机以及战术要求，对干扰机进 行任务分配的过程。在现代作战中，常常存在多部
雷达同时威胁的情况，雷达干扰机分配合理与否将 直接影响作战效果。如何合理分配干扰机，充分发
挥干扰机的作战效能，就成了战场指挥员所面临的 棘手问题。
针对雷达干扰资源优化分配问题，一些学者对 基于动态规划［２ｌ、０—１规划［３］以及贴近度［ 等的干
扰优化分配模型进行了研究，这些方法在一定的条 件下，对解决规模较小的雷达干扰资源优化分配问
题有自己的独到之处，但很难在短时间内对多雷达 目标迅速有效地拟定及实时地调整干扰方案。进
而，王铁红、周林等人将遗传算法应用于求解干扰 分配模型［ ，但在实际应用中，基本遗传算法的稳
收稿日期：２０１２—０１—１５ 修回日期：２０１２—０３—０５ 作者简介：韩国玺（１９８６一），男，河南鹿邑人，博士生。主要研究方向：雷达对抗作战效能分析，雷达干扰资源分配优化。
・９９・
（总第３８—０４６２） 火力与指挥控制 ２ｏ１３年第３期
定性差，且容易发生早熟收敛。针对这一问题，冯冬 青等人提出了一种改进的遗传算法 ，其选择策略
采用自适应排序选择方式，解决了进化初期早熟收 敛及后期随机漫游的问题。本文在分析影响雷达干
扰效果的各种因素的基础上建立了干扰资源的优 化分配模型，将改进遗传算法应用于求解干扰分配 模型，并进行了实例仿真。结果表明此方法能够快
速合理地进行雷达干扰机分配，达到最佳的整体干 扰效果。
１ 选取干扰效能指标及相应效能因子
雷达干扰资源分配首先就是在雷达侦察的基 础上，针对敌雷达的各种性能参数，结合我方现有
干扰资源的特点，研究分析各类资源的干扰效能。 因此，确立多个目标进行系统地分析是必要的，进而 可以利用多属性决策理论对干扰效能进行评估 。
这里对文献［８－９］中所列的一些指标进行了简化和 修正。
１．１干扰引导时间 这里主要考虑干扰引导时间对干扰效果的影 响。所谓的干扰机引导时间 ，即从接收到威胁雷
达信号到发出射频干扰信号的时间…，原则上要求 引导时间愈短干扰效果愈佳，这里取引导时间的倒
数为干扰机时域上的效益因子，即Ｅ ＝ｌ／Ａｔ 。可以看 出，Ｅ 越大，干扰效果越好。 １．２干扰机频率与雷达工件频率的对准程度 设敌雷达的工作频率范围为 ～ ，干扰机的频
率覆盖范围为． 一．尼，则可用效益因子Ｅ：来表示频
率对准程度，如式（１）所示。
ｆｊ５＜￥２ ＲＳ－＜ｊ５Ｅ２＝ －ｊ ｛ 一（１）
【 ｏ 或
显然，０≤Ｅ ≤１，其值越大，干扰效果越好。 １．３干扰功率 用功率压制效益因子Ｂ来表示干扰功率对干
扰效果的影响。
Ｅ３＝ １ ，／ ≥２Ｋ， 半一ｏ．５］ｏ．ｓ ＜ ２
０ ｔ／ ｓ≤ｏ．ｓＫ
式中， 敌雷达能接收到的干扰信号功率；
目标回波功率； 为敌雷达正常工作所需的干信 比。可见， 越大，干扰效果越好。 １．４干扰样式 干扰机的干扰样式必须与雷达体制相匹配，干
・１００・ 扰样式越多，则匹配程度越高，干扰效果越好。干扰 样式通常有：瞄准式、阻塞式和扫频式３种遮盖性
干扰，距离欺骗、角度欺骗、速度欺骗和ＡＧＣ欺骗４ 种欺骗性干扰。设干扰机的干扰样式有 种，则干
扰样式效益因子为巴＝１／／ 。 １．５雷达的工作体制 不同工作体制的雷达其抗干扰性能也不相同。
分析各种：【作体制的雷达，相应的工作体制因子 分别为：相控阵０．２，单脉冲０．３，全相参０．４，照射
０．６，线扫收发０．８，连续波０．６，圆锥扫描０．９等。 越大，抗干扰能力越差，对其干扰效果越好。
１．６雷达的抗干扰措施 雷达抗干扰措施越多，则其抗干扰能力越强，
对其实施干扰效果越差。雷达常用抗干扰措施有： 频率捷变、副瓣抑制、ＭＴＤ、恒虚警等１ １种。设被干
扰雷达采用了 种抗干扰措施，则抗干扰措施效 益因子为Ｅ ＝１一 ／１ １。
２建立干扰资源分配模型
这里取系统总的干扰效能作为目标函数，分配 的目的是使多干扰资源对多雷达的总干扰效能值达
到最大。定义Ｘ／／为决策变量，其含义为‰＝１表示第 部干扰机干扰第 部雷达；％＝Ｏ表示第ｉ部干扰机干
扰第 部雷达。在实际情况中，每个评估指标对雷达 的干扰效果有着不同的作用，因此，可以定义各个指
标的权重系数Ｗ ，表征干扰效能指标 的重要程度 值。进而建立干扰资源优化分配数学模型如下。
ｍ ｎ ｍ ｎ ｆ ６ 、 Ｅ＝ｍａｘ∑∑ ＝ｍａｘ∑∑Ｉ ∑ ，，Ｉ（３） ｉ＝１ ｊ＝ｌ ｉ＝１ ｉ＝ｔ ｌ＝１ ／ 约束条件为：一部干扰机在某一时刻只能干扰
一部雷达；同一部雷达可以受到多部干扰机的干 扰。数学表达式为
ｉ＝ｌ，２，…，ｍ （４） Ｊ＝１，２，…，
其中，ｘｏ＝ｌ或０，Ｚ＝ｌ，２，…，６；Ｅ 和Ｅ 分别为
干扰机 对雷达 的总干扰效益值和第Ｚ个干扰 因子效益值。
３应用改进遗传算法求解优化分配模型
将改进的遗传算法应用于雷达干扰资源优化 分配模型的求解过程中，具体步骤如下。
（１）染色体编码规则。由干扰资源优化分配模
型解 的含义，染色体采用近似二进制编码的向 韩国玺，等：基于改进遗传算法的雷达干扰资源优化分配 （总第３８—０４６３）
量形式。个体的基因数为ｍｘｎ（ｍ个干扰单元，ｎ个 雷达单元），用ｘｉｉ表示基因项，染色体个体表示为
ａｋ（ｔ）＝Ｅｘｌｌ， ｌ２，…， ｌ ， ２ｌ， ２２，…， 知，…，．９￣ｍ１）Ｘ ，…， ｍ］， 其中ｋ为染色体在种群中的序号，ｔ为遗传代数。
（２）种群初始化。将整个可行域设定为初始群体 的生成区域，随机产生初始群体ｐ，种群规模为Ⅳ。 （３）适应度函数。干扰资源优化分配的目的是
最大限度地干扰空中威胁目标，系统目标函数即可 作为适应度函数，数学表达式如下。
ｆ［ａ （ｆ）】＝∑∑ （５） ｉ＝１ ｊ＝１ 分别计算Ｑ中个体的适应度，并按一定比例保留最
优个体。 （４）选择。对ｐ按式（６）进行自适应排序选择操
作，选择操作后的群体为父代。
＝ 一 １）Ｉ ㈤
ｌ７７ ＝１＋ ， ／ Ｉ 一 一 、ｖ，
式中，Ｐ（ｋ）为线性排序的选择概率；ｋ＝ｌ，２，…， Ⅳ－ 为群体的平均适应度值 为群体最优适应
度值；矿，７７一分别表示最优和最差个体在选择操作后 的期望值，且矿＋＿叼＿＿２。
可见，通过调整矿，使它在［１，２］之间取值，可以 实现动态调整种群选择策略的目的。在进化初期，由 于初始种群是随机产生的，因此，个体间性状差异
大，种群平均适应度和种群最优个体间差距大 ／
．厂眦比值较小， 墩小，算法具有较强的求泛能力来拓 展搜索空间；在进化后期，种群平均适应度与最优适
应度趋于相等，即厶 ，矿一２此时算法具有很强 求精能力，保证了算法快速收敛到全局最优解。
（５）交叉。对父代随机配对，对每个配对个体根据 交叉概率 ，并按竞争择优交叉策略进行交叉操作， 将生成的最优个体及次优个体放人子代种群子代中， 将父代中未进行交叉的配对个体也放人子代中。
改进DPSO算法在干扰资源分配中的应用
电子信息对抗技术・第２７卷 ２０１２年１月第１期 徐华，吴玮琦 改进ＤＰＳＯ算法在干扰资源分配中的应用 ５１
中图分类号￣ＴＮ９７２．１ 文献标志码：Ａ 文章编号：１６７４—２２３０（２ｏ１２）ｏｌ一００５１—０４
改进ＤＰＳＯ算法在干扰资源分配中的应用
徐华，吴玮琦
（电子信息控制重点实验室，成都６１００３６）
摘要：引入改进的离散粒子群（ＤＰＳＯ）算法对干扰资源分配问题进行求解。针对干扰资源分配 的数学模型，给出了具体的求解方案。在迭代过程中线性改变权重系数和认知参数，使粒子快 速收敛；为避免粒子陷入局部最优，引入了一种粒子位置更新机制。仿真验证了该改进算法的
有效性和可行性。
关键词：ＰＳＯ；离散粒子群算法；干扰资源分配；电子对抗
Ａｐｐｌｉｃａｔｉｏｎ Ａｎａｌｙｓｉｓ ｏｆ Ｉｍｐｒｏｖｅｄ ＤＰＳＯ Ａｌｇｏｒｉｔｈｍ
ｉｎ Ｊａｍｍｉｎｇ Ｒｅｓｏｕｒｃｅ Ａｓｓｉｇｎｍｅｎｔ
ＸＵ Ｈｕａ．ＷＵ Ｗｅｉ－ｑｉ
（Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｎ Ｅｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｏｎｔｒｏｌ ｌ＿ａｂｏｍｔｏｒｙ，Ｃｈｅｎｇｄｕ ６１００３６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｎ ｉｍｐｒｏｖｅｄ ＤＰＳＯ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ ｔｏ ｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅ ａｓｓｉｇｎ— ｍｅｎｔ．Ｔｈｅ ｗｅｉｇｈｔ ｃｏｅｆｆｉｃｉｅｎｔｓ ａｎｄ‘ａｃｋｎｏｗｌｅｄｇｅ’ｐａｒａｍｅｔｅｒｓ ａｒｅ ｃｈａｎｇｅｄ ｄｕｒｉｎｇ ｔｈｅ ｉｔｅｒａｔｉｏｎ ｐｒｏｃｅｓｓ
ｔｏ ｍａｋｅ ｔｈｅ ｐａｒｔｉｃｌｅｓ ｃｏｎｖｅｒｇｉｎｇ ｒａｐｉｄｌｙ．Ａｎ ｕｐｄａｔｉｎｇ ｓｃｈｅｍｅ ｆｏｒ ｐａｒｔｉｃｌｅｓ’ｐｏｓｉｔｉｏｎ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ｔｏ
ａｖｏｉｄ ｐａｒｔｉｃｌｅｓ ｆａｌｌｉｎｇ ｉｎｔｏ ｌｏｃａｔｉｏｎ ｏｐｔｉｍｕｍ．Ｔｈｅ ｅｆｆｉｃｉｅｎｃｙ ａｎｄ ｆｅａｓｉｂｉｌｉｔｙ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ ａｒｅ ｔｅｓｔｅｄ
基于遗传算法的MIMO雷达正交编码信号波形优化
ａ竹技２０１１年第２４卷第７期 Ｅｌｅｃｔｒｏｎｉｃ Ｓｃｉ．＆Ｔｅｃｈ．／Ｊｕ１．１ ５。２０１ １ 基于遗传算法的ＭＩＭＯ雷达正交编码信号波形优化 李晓明 ，罗 钉 （１．中航雷达与电子设备研究院航空电子系统射频综合仿真实验室，江苏无锡２１４０６３； ２．北京航空航天大学电子信息工程学院，北京 １０００８３） 摘要ＭＩＭＯ雷达通过发射正交编码信号来获得独立的空间分集增益，改善目标检测识别性能。它对发射信号 波形优化设计提出了更高的要求：首先信号为正交信号，以便减低信号间干扰并获得独立的空间分集增益；其次信号 为大时宽、宽带宽的脉冲压缩信号，以便解决探测距离和距离分辨率的矛盾：文中根据以上两条要求构造适合的适应 度函数，提出了一种基于遗传算法的正交编码信号设计方法，为正交ＭＩＭＯ雷达发射信号进行波形优化，仿真结果和 实验分析验证了算法的有效性和可行性。 关键词ＭＩＭＯ雷达；波形优化：遗传算法；正交编码信号 中图分类号ＴＮ９５８ 文献标识码Ａ 文章编号１００７—７８２０（２０１１）０７～１３３一（Ｊ４ Ｏｒｔｈｏｇｏｎａｌ Ｃｏｄｅ Ｄｅｓｉｇｎ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ｆｏｒ ＭＩＭＯ Ｒａｄａｒ ＬＩ Ｘｉａｏｍｉｎｇ 一。ＬＵ０ Ｄｉｎｇ （１．Ａｖｉａｔｉｏｎ Ｋｅｙ Ｌａｂ．ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｎ ＡＩＳＳＳ，ｒｎＩｅ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｒａｄａｒ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃ Ｅｑｕｐｍｅｎｔ，Ｗｕｘｉ ２１４０６３，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ａｅｒｏｎａｕｔｉｃｓ ａｎｄ Ａｓｔｒｏｎａｕｔｉｃｓ，Ｂｅｉｊｉｎｇ １０００８３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｔｈｅ ＭＩＭＯ ｒａｄａｒ ｃａｎ ｅｘｐｌｏｉｔ ｔｈｅ ｓｐａｔｉａｌ ｄｉｖｅｒｓｉｔｙ ｏｆ ｔａｒｇｅｔ ｓｃａｔｔｅｒｅｒｓ ａｎｄ ｉｍｐｒｏｖｅ ｒａｄａｒ ｐｅｒｆｏｒｍａｎｃｅ． Ｈｏｗｅｖｅｒ，ｔｈｅ ＭＩＭＯ ｒａｄａｒ ｓｙｓｔｅｍｓ ｒｅｑｕｉｒｅ ｔｈａｔ ｅｖｅｒｙ ｒａｄａｒ ａｎｔｅｎｎａ ｔｒａｎｓｍｉｔｓ ａ ｄｉｓｔｉｎｃｔ ｓｉｇｎａｌ ｆｒｏｍ ａ ｓｅｔ ｏｆ ｏｒｔｈｏｇｏｎａｌ ｓｉｇｎａｌｓ ｉｎ ｗｈｉｃｈ ａｎｙ ｔｗｏ ｓｉｇｎａｌｓ ａｒｅ ｕｎｅｏｒｒｅｌａｔｅｄ；ｍｅａｎｗｈｉｌｅ，ｅｖｅｒｙ ｓｉｇｎａｌ ｈａｓ ｔｏ ｂｅ ｗｉｄｅｂａｎｄ ｉｍｐｕｌｓｅ ｓｉｇｎａｌ ｔｏ ａ— ｃｈｉｅｖｅ ｔｈｅ ｈｉｇｈ ｒａｎｇｅ ｒｅｓｏｌｕｔｉｏｎ．Ｔｏ ｍｅｅｔ ｔｈｅ ｔｗｏ ｒｅｑｕｉｒｅｍｅｎｔｓ，ａｎ ｏｒｔｈｏｇｏｎａｌ ｃｏｄｅ ｄｅｓｉｇｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｇｅ— ｎｅｔｉｅ ａｌｇｏｒｉｔｈｍ ｆｏｒ ＭＩＭＯ ｒａｄａｒ ｓｙｓｔｅｍｓ ｉｓ ｐｒｅｓｅｎｔｅｄ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ａｎｄ ｐｅｒｆｏｒｍａｎｃｅ ａｎａｌｙｓｉｓ ｉｌｌｕｓｔｒａｔｅ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｐｒｏｐｏｓｅｄ ｉｓ ｅｆｆｉｃｉｅｎｔ ａｎｄ ｆｅａｓｉｂｌｅ． Ｋｅｙｗｏｒｄｓ ＭＩＭＯ ｒａｄａｒ；ｗａｖｅｆｏｒｍ ｏｐｔｉｍｉｚｉｎｇ；ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ；ｏｒｔｈｏｇｏｎａｌ ｃｏｄｅ ｓｉｇｎａｌ ＭＩＭＯ雷达通过在不同天线上发射接收正交信 号，利用目标的空间分集机制改善目标的检｝贝０性 能¨ Ｊ。为最大程度地发挥ＭＩＭＯ雷达的优势，系 统对发射信号的设计提出了更高的要求：首先，与传 统的单基雷达一样，要求发射信号为大时宽、宽带宽 的脉冲信号，在接收端对大时宽、高带宽的信号进行 压缩处理，从而得到脉冲宽度为信号带宽倒数的窄脉 冲信号，解决雷达探测距离和分辨率之间的矛盾。压 缩输出信号须具有高的主副瓣比，以避免弱目标被强 目标副瓣淹没和副瓣带来的错误检｝贝０；其次，由于 ＭＩＭＯ内各信号间的干扰也不容忽视，所以它还要求 网络雷达系统内各发射机发射的信号互不相关，从而 使雷达在不同方位获得独立的空间分集增益 ，并 收稿日期：２０１１—０３—１５ 作者简介：李晓明（１９８１一），男，博士，高级－３７－程师。研究 方向：ＭＩＭＯ雷达系统设计，动目标检测，空时自适应信号处 理，雷达成像。 降低雷达问干扰带来的虚警概率。 相位编码压缩和时间频率编码压缩技术是常用的 脉冲压缩技术，要找到一组 个码长为Ⅳ的具有高 分辨特性的正交多相或多频编码信号是一个典型的非 线性优化问题。基于概率模型的遗传算法 是解决 非线性寻优的一种有效方法，具有智能化全局寻优， 且收敛性不受初始值限制的优点。文中将ＭＩＭＯ雷达 发射信号的自相关函数副瓣峰值和互相关函数的峰值 之和作为目标函数，通过构造适应度函数，利用遗传 算法实现发射信号波形优化设计 ，仿真结果和实验分 析验证了该算法的有效性和可行性。 １ 正交ＭＩＭＯ雷达发射编码信号模型 考虑正交ＭＩＭＯ雷达有 个发射天线，每个天线 均发射相互正交的编码脉冲信号｛ｓ，（ｔ）， ：１，２，３， …，￡｝，每个信号有，ｖ个持续时间为 的子脉冲组 成。由于信号间的正交性，那么任意两个发射信号自 相关函数满足 ｗｗ ｄｎｚｉｋ￣ｊｉ ［１１ ｑ——
基于遗传算法的雷达组网优化部署方法
基于遗传算法的雷达组网优化部署方法
黄胡晟;熊家军;杨龙坡
【期刊名称】《空军预警学院学报》
【年(卷),期】2008(022)004
【摘 要】针对阵地优化部署涉及问题多,领域广、难度大的特点,提出一种基于固有阵地的雷达网优化部署方法,利用遗传算法全局搜索、收敛速度快和避免局部极优的特性,结合雷达网优化部署数学模型,给出了具体求解步骤,最后通过计算机仿真实验证明了该方法的有效性.
【总页数】4页(P250-252,255)
【作 者】黄胡晟;熊家军;杨龙坡
【作者单位】空军雷达学院研究生管理大队,武汉,430019;空军雷达学院预警监视情报系,武汉,430019;空军雷达学院预警监视情报系,武汉,430019
【正文语种】中 文
【中图分类】TN985;TP39
【相关文献】
1.基于改进遗传算法的雷达网优化部署方法研究 [J], 甘刚;李桂祥;左治方;朱新权
2.基于文化遗传算法的雷达组网优化部署 [J], 蔡婧;许剑;李婧娇
3.基于自适应遗传算法的雷达组网优化部署 [J], 潘伟
4.基于遗传算法的传感器优化部署方法研究 [J], 陈升来;陆宏;李涛
5.基于量子遗传算法的传感器节点优化部署方法 [J], 郑世珏;陈晓燕;高丽 因版权原因，仅展示原文概要，查看原文内容请购买
组网雷达协同干扰资源分配模型及算法
收稿日期：2018-02-05修回日期：2018-05-15基金项目：中央高校基本科研业务费专项基金资助项目（HEUCFP201769）作者简介：赵忠凯（1979-），男，山东淄博人，博士，副教授。研究方向：宽带信号检测、处理及识别，雷达侦查与干扰。
*摘要：针对多干扰机协同作战（Multi-JammersCooperativeCombat，MCC）问题，研究如何在干扰资源有限的情况下对其进行充分的利用，从而获得最优的干扰收益。将雷达的威胁等级和几何精度因子（GDOP）结合作为目标函数，建立以干扰机时间利用率为约束条件的MCC问题优化模型。运用熵权法计算雷达脉宽、带宽、载频和重频的权重，并根据灰色关联相对贴近度确定雷达的威胁等级，采用离散的粒子群算法对模型进行求解。通过MATLAB仿真表明，该算法可以快速找到目标函数的最优解，得到最佳的分配方案，通过对结果的分析，进一步验证该算法的有效性和模型的可行性。关键词：协同作战，干扰收益，几何精度因子，目标函数，粒子群算法中图分类号：TN953；TJ01文献标识码：ADOI：10.3969/j.issn.1002-0640.2019.05.019引用格式：赵忠凯，王鸿.组网雷达协同干扰资源分配模型及算法［J］.火力与指挥控制，2019，44（5）：85-89.组网雷达协同干扰资源分配模型及算法*
赵忠凯，王鸿
（哈尔滨工程大学信息与通信工程学院，哈尔滨150001）
ModelandAlgorithmofCooperativeJamming
ResourceAllocationforNetworkRadar
ZHAOZhong-kai，WANGHong
（SchoolofInformationandCommunicationEngineering，HarbinEngineeringUniversity，Harbin150001，China）
Abstract：Aimingatsolvethemulti-jammerscooperativecombat（MCC）problem，biningthe
基于改进遗传算法的测试性优化分配方法
Ｖｏ１．３９．Ｎｏ．１ Ｊａｎ，２０１４ 火力与指挥控制 Ｆｉｒｅ Ｃｏｎｔｒｏｌ＆Ｃｏｍｍａｎｄ Ｃｏｎｔｒｏｌ 第３９卷第１期 ２０１４年１月
文章编号：１００２—０６４０（２０１４）０１—００４４—０４
基于改进遗传算法的测试性优化分配方法术
刘 刚，黎放，胡斌 （海军工程大学，武汉４３００３３）
摘要：测试性优化分配是在测试性分配中合理配置各项测试资源，以满足测试性分配要求和资源约束条件。
一般的遗传算法存在最优解不易求解、初始参数值不易设置等缺陷，因此，为了更加高效合理地进行测试性优化分 配，在传统遗传算法中引入迁移技术来优化遗传迭代过程，并运用ＡＨＰ法对算法初始参数进行调整，从而提出了基 于改进的遗传算法的测试性优化分配方法。算例分析表明该方法可快速有效地求得测试性优化分配问题的最优解。 关键词：测试性，优化分配，改进的遗传算法 中图分类号：ＴＰ８０６ 文献标识码：Ａ
Ｒｅｓｅａｒｃｈ ｏｎ Ｔｅｓｔａｂｉｌｉｔｙ Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｌｌｏｃａｔｉｏｎ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ
Ｉｍｐｒｏｖｅｄ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ
ＬＩＵ Ｇａｎｇ，ＬＩ Ｆａｎｇ，Ｈｕ Ｂｉｎ （Ｎａｖａｌ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｗｕｈａｎ ４３００３３，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏ ｍｅｅｔ ｔｈｅ ｔｅｓｔａｂｉｌｉｔｙ ａｌｌｏｃａｔｉｏｎ ｒｅｑｕｉｒｅｍｅｎｔｓ ａｎｄ ｒｅｓｏｕｒｃｅ ｃｏｎｓｔｒａｉｎｔｓ，ｔｅｓｔ
ｒｅｓｏｕｒｃｅｓ ａｒｅ ｒｅａｓｏｎａｂｌｙ ｃｏｎｆｉｇｕｒｅｄ ｆｏｒ ｔｅｓｔａｂｉｌｉｔｙ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｌｏｃａｔｉｏｎ．Ｔｈｅ ｏｐｔｉｍａｌ ｓｏｌｕｔｉｏｎ ｉｓ ｎｏｔ
ｅａｓｙ ｔｏ ｓｏｌｖｅ ｏｆ ｇｅｎｅｒａｌ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ，ａｎｄ ｔｈｅ ｉｎｉｔｉａｌ ｐａｒａｍｅｔｅｒ ｖａｌｕｅ ｉｓ ｎｏｔ ｅａｓｙ ｔｏ ｓｅｔ ｕｐ ａｎｄ ｏｔｈｅｒ
基于ICGA的雷达与雷达干扰一体化信号的优化设计
Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用
基于ＩＣＧＡ的雷达与雷达干扰一体化信号的优化设计
韩国玺，何俊，潘启中
ＨＡＮ Ｇｕｏｘｉ，ＨＥ Ｊｕｎ，ＰＡＮ Ｑｉｚｈｏｎｇ
电子工程学院，合肥２３００３７
Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ Ｉｎｓｔｉｔｕｔｅ，Ｈｅｆｅｉ ２３００３７，Ｃｈｉｎａ
ＨＡＮ Ｇｕｏｘｉ，ＨＥ Ｊｕｎ，ＰＡＮ Ｑｉｚｈｏｎｇ．Ｏｐｔｉｍｉｚａｔｉｏｎ ｄｅｓｉｇｎ ｏｆ ｒａｄａｒ ａｎｄ ｊａｍｍｅｒ ｉｎｔｅｇｒａｔｉｏｎ ｓｉｇｎａｌ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ ｃｈａｏｓ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ．Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ，２０１４，ｓｏ（２）：２１２－２１５．
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｄｅｓｉｇｎ ｏｆ ｉｎｔｅｇｒａｔｅｄ ｓｉｇｎａｌ ｐｌａｙｓ ａｎ ｉｍｐｏｒｔａｎｔ ｒｏｌｅ ｉｎ ｍｏｄｅｍ ｒａｄａｒ ａｎｄ ｊａｍｍｅｒ ｉｎｔｅｇｒａｔｉｏｎ
ｓｙｓｔｅｍ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ Ｐｓｅｕｄｏ－ｒａｎｄｏｍ ｓｉｇｎａｌ，ｔｈｅ ｂｉ－ｐｈａｓｅ ｓｅｑｕｅｎｃｅｓ ａｒｅ ｇｅｎｅｒａｔｅｄ ｕｓｉｎｇ ｓｐａｔｉｏｔｅｍｐｏｒａｌ
ｃｈａｏｓ ｓｙｓｔｅｍ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｍｏｄｅｌ ｉｓ ｃｏｎｓｔｉｔｕｔｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｄｅｓｉｇｎ ｐｒｉｎｃｉｐｌｅｓ ｏｆ ｉｎｔｅｇｒａｔｅｄ ｓｉｇｎａ１．Ｔｈｅ
ｃｈａｏｓ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ａｄａｐｔｉｖｅ ｃｈｏｉｃｅ ｓｔｒａｔｅｇｙ ｉｓ ａｐｐｌｉｅｄ ｔｏ ｓｏｌｖｅ ｔｈｅ ｍｏｄｅｌ ａｎｄ ｔｈｅ ｃａｌｃｕｌａｔｉｏｎ ｓｔｅｐｓ ａｒｅ ｐｒｅ－
一种雷达干扰资源动态优化分配技术
一种雷达干扰资源动态优化分配技术
王杰贵;崔宗国
【期刊名称】《电子对抗》
【年(卷),期】1999(000)001
【摘 要】雷达干扰资源的分配问题一直是个十分棘手的问题。本文提出了一种雷达干扰资源动态优化分配技术，它将动态规划算法应用于解决雷达干扰资源分配问题，利用这种技术可以快速地、有效地进行干扰资源分配。
【总页数】7页(P41-46,17)
【作 者】王杰贵;崔宗国
【作者单位】解放军电子工程学院;解放军电子工程学院
【正文语种】中 文
【中图分类】TN974
【相关文献】
1.一种多目标测控资源动态优化分配方法 [J], 童艳;石巨峰;李达
2.B3G无线网络中一种提供QoS保证的动态资源管理技术 [J], 张远文;唐宝民
3.一种基于3G和3S技术的国土资源动态监察系统 [J], 方从刚;陈先伟;陈涛;杨武年
4.教育资源网格中的一种动态数据复制技术 [J], 高田;刘方爱
5.一种基于资源动态分配的光突发装配新技术(英文) [J], 阳小龙;党明瑞;毛幼菊;张敏;李乐民
因版权原因，仅展示原文概要，查看原文内容请购买
基于改进遗传算法的相控阵雷达任务调度方法
基于改进遗传算法的相控阵雷达任务调度方法
明乐; 周峰
【期刊名称】《《探测与控制学报》》
【年(卷),期】2019(041)005
【总页数】5页(P101-105)
【关键词】任务调度; 遗传算法; 编码相似度; 标准交叉点
【作 者】明乐; 周峰
【作者单位】空军工程大学防空反导学院 陕西 西安 710051
【正文语种】中 文
【中图分类】TN958.92
0 引言
相控阵雷达具有灵活、快速的波束捷变和自适应能力，它可以同时执行多个任务，如搜索和跟踪[1-4]。近年来，相控阵雷达资源调度方法层出不穷，而遗传算法作为一种模拟生物进化“优胜劣汰”的搜索方法，是一种高效、并行、全局优化的搜索方法，可以实现资源的最佳调度。
文献[5]将相控阵雷达任务的调度过程与车间作业的调度流程进行了类比分析。算法根据雷达任务的优先级和时间窗对调度性能的影响，定义了最优调度的目标函数，同时考虑了时间、能量和计算机资源约束条件。文献[6]在文献[5]的基础上分析了雷达任务的编码规则，详细介绍了算法求解过程中初始种群生成、选择、交叉和变异算子的设计，并且通过仿真验证了基于遗传算法的相控阵雷达任务自适应调度算法的可行性和有效性。然而，早期的遗传算法仍然存在早熟现象，针对这一缺陷，文献[7]提出动态的交叉和变异概率，该算法虽然在一定程度上能克服早熟现象，但是当种群较大时，在后期迭代中基因改动较小，导致系统全局能力变差。
上述遗传算法在任务调度过程中容易出现收敛速度慢以及早熟的问题，针对这一问题，本文提出了一种基于改进遗传算法的相控阵雷达任务调度方法。
1 任务调度模型
1.1 遗传算法调度的目标函数
本文采用文献[8]中的方法，把任务执行时间与期望执行时间的偏移量的和最小及所有类型任务调度成功率加权和最大作为调度的目标函数，具体表达式如下：
(1)
式(1)中，M、L、P和Q分别为搜索、验证、跟踪和失跟的子类数目，A(·)为代价函数，当ηi=1时，δ(·)=1，否则δ(·)=0，ρi为雷达任务的加权，ni表示第i类雷达任务调度安排的个数，Ni为待调度安排的数目，F(·)表示执行效益因子。
改进遗传算法的相控阵雷达自适应调度算法及仿真
改进遗传算法的相控阵雷达自适应调度算法及仿真
王帅杰;何俊;王斌;姬瑞龙
【摘 要】Because of agile beam capability,Multifunctional Phased Array
Radar (MFPAR) can perform not only search and track targets but also test
and verify targets. Therefore an effective scheduling tactics is required so
that the time and energy resources can be effectively allocated to optimize
the overall performance of MFPAR. Analyzing the design principle of
adaptive scheduling algorithm for MFPAR,this paper presents specific
indexes to evaluate performance. Aiming at MFPAR, this paper uses
improved genetic algorithm as adaptive scheduling algorithm. The
algorithm can reasonably schedule radar tasks in the scheduling interval
on the basis of their priority,dwelling length,comprehensive efficiency and
the time constraint of scheduling interval. The validity of scheduling
基于量子遗传算法的光电干扰资源优化分配研究
总第２０８期 ２０１１年第１Ｏ期 舰船电子工程 Ｓｈｉｐ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏ１．３１ Ｎｏ．１０ １５６
基于量子遗传算法的光电干扰资源优化分配研究
吴涛王迅 （９１４０４部队９３分队秦皇岛０６６００１）
摘要结合光电信息系统作战运筹中目标分配原则，建立了干扰资源优化分配模型。给出了基于量子遗传算法的模 型求解方法及步骤，并进行了实例仿真，得出了最佳干扰资源分配方案。仿真结果表明，该方法优于遗传算法，对于求解干 扰资源优化分配模型是有效、可行的。 关键词优化分配模型；量子遗传算法；光电信息系统 中图分类号Ｅ９２０
Ｏｐｔｉｍｉｚａｔｉｏｎ Ａｓｓｉｇｎｍｅｎｔ Ｍｏｄｅｌ ｆｏｒ Ｅｌｅｃｔｒｏ—ｏｐｔｉｃ Ｊａｍｍｉｎｇ Ｒｅｓｏｕｒｃｅｓ
Ｂａｓｅｄ ｏｎ Ｑｕａｎｔｕｍ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ
Ｗｕ Ｔａｏ Ｗａｎｇ Ｘｕｎ （Ｕｎｉｔ ９３，Ｎｏ．９１４０４ Ｔｒｏｏｐｓ ｏｆ ＰＬＡ，Ｑｉｎｈｕａｎｇｄａｏ ０６６００１）
Ａｂｓｔｒａｃｔ Ｃｏｍｂｉｎｉｎｇ ｔｈｅ ｐｒｉｎｃｉｐｌｅ ｏｆ ｔｈｅ ｔａｒｇｅｔ ａｓｓｉｇｎｍｅｎｔ ｆｏｒ ｔｈｅ ｄｅｆｅｎｓｅ ｓｔｒａｔｅｇｙ ｉｎ ａｎ ｅｌｅｃｔｒｏ－ｏｐｔｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｓｙｓ— ｔｅｒｎ，Ａ ｍｏｄｅｌ ｆｏｒ ｔｈｅ ｏｐｔｉｍｉｚａｔｉｏｎ ａｓｓｉｇｎｍｅｎｔ ｏｆ ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅｓ ｉｓ ｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅ ｓｏｌｕｔｉｏｎ ａｎｄ ｓｔｅｐｓ ａｒｅ ｐｒｅｓｅｎｔｅｄ ｂｙ Ｕ— ｓｉｎｇ ｔｈｅ ｑｕａｎｔｕｍ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ．Ｗｉｔｈ ｔｈｅ ｅｘａｍｐｌｅ ｓｉｍｕｌａｔｉｏｎ，ｉｔ ｓｕｃｃｅｅｄｓ ｉｎ ｏｂｔａｉｎｉｎｇ ３ｎ ｏｐｔｉｍｕｍ ａｓｓｉｇｎｍｅｎｔ ｓｃｈｅｍｅ ｆｏｒ ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅｓ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｓｈｏｗｓ ｔｈａｔ ｔｈｅ ｐｒｏｐｏｓｅｄ ｓｏｌｕｔｉｏｎ ｓｕｐｅｒｉｏｒｓ ｔＯ ｔｈｅ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ ａｎｄ ｉｓ ａ ｖａｌｉｄ ｍｅｔｈｏｄｓ ｔＯ ｔｈｅ ｓｏｌｕｔｉｏｎ ｏｆ ｔｈｅ ｍｏｄｅｌ ｆｏｒ ｔｈｅ ｏｐｔｉｍｉｚａｔｉｏｎ ａｓｓｉｇｎｍｅｎｔ ｏｆ ｊａｍｍｉｎｇ ｒｅｓｏｕｒｃｅｓ． Ｋｅｙ Ｗｏｒｄｓ ｏｐｔｉｍｉｚａｔｉｏｎ ａｓｓｉｇｎｍｅｎｔ ｍｏｄｅｌ，ｑｕａｎｔｕｍ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍｓ，ｅｌｅｃｔｒｏ－ｏｐｔｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｓｙｓｔｅｍ Ｃｌａｓｓ Ｎｕｍｂｅｒ Ｅ９２０