多基地雷达传感器栅栏覆盖矩形区域的优化方法

为解决栅栏覆盖中多基地雷达传感器的优化布站问题,提出了一种基于最小化部署费用的优化布站方法。首先，针对多基地雷达覆盖区域的特点,通过理论证明提出了多基地雷达传感器栅栏覆盖的优化布站模式。接着，考虑到多基地雷达中发射器与接收器的费用差异,提出一种基于等分覆盖宽度的对称布站策略。然后，为求解优化布站问题,利用栅栏单位面积费用的特点降低算法计算量,进而确定最小布站费用以及对应的布站模式与数量。最后,通过仿真实验证明了所提优化布站方法的有效性。     

收发分置雷达圆周栅栏覆盖的优化布站方法

为解决区域边界曲线上收发分置雷达的优化布站问题,提出一种圆周栅栏覆盖的优化布站方法。首先,提出圆周栅栏覆盖最优布站序列应满足的条件,并通过理论分析证明了最优布站模式中接收器个数的上限阈值。接着,以此为基础构建基于布站成本最小的优化布站模型。然后,针对优化模型的非凸性和非线性,提出一种将整数线性规划与穷举法相联合的算法求解优化模型,确定最小布站成本及其对应的最优布站序列。最后,通过仿真实验和分析验证了所提方法的有效性。     

复杂环境下多探测传感器协同定位优化布站建模仿真研究

针对复杂环境下多探测传感器网络难以准确协同定位的问题,提出了一种多传感器协同定位优化布站方法。基于后验克拉美罗下界构建了目标定位精度几何稀释因子评价指标,考虑复杂外界环境,分析了起伏地形、杂波干扰和光照对传感器探测定位能力的影响。建立了多传感器协同定位优化布站模型,并采用智能优化算法进行快速求解。仿真实验结果表明：所提方法能够有效提高多探测传感器网络的协同定位能力,对多传感器协同优化布站具有指导意义。     

数据融合与雷达优化布站

雷达组网反隐身技术是现代军事领域比较关注的一个问题。其中的多雷达数据融合和雷达优化布站技术又是热点问题。本文通过例子首先分析了数据融合和雷达布站对组网系统探测性能的空间分布的影响，进而给出了一种雷达优化布站方法。该市站方法以所要探测目标的雷达散射特性（ＲＣＳ）和各雷达的空间探测特性为依据，同时也考虑到了组网系统对四抗（抗干扰、抗低空入侵、抗反辐射导弹和抗隐身目标）的要求。     

车载多无人机协同多区域覆盖路径规划方法

针对小型无人机在区域信息采集中的优势,考虑到复杂多变的应用情景,提出一种面向大面积多区域覆盖扫描任务的车载多无人机协同模式。该模式中,车辆可作为无人机的移动基站,与多架无人机协同完成多个大面积区域的覆盖扫描任务。充分分析新问题特点后,建立了优化车辆地面行驶路径和多无人机协同空中飞行路径的0-1整数规划模型,提出了一种基于三阶段的智能优化算法,先后对多无人机区域覆盖路径以及车辆协同路径进行规划,快速构造可行解,而后基于自适应大规模邻域搜索算法对可行解进行优化。本文设计了包含8个目标区域的实际案例,验证了车载多无人机协同模式的优势和算法有效性,并进一步通过10个随机案例验证了算法性能。对比实验证明,车载多无人机协同模式在执行多个大面积区域覆盖任务上,相比车载单无人机模式能够显著缩短任务时间。     

空间相关多基地雷达分辨能力提高方法

针对雷达密集多目标探测问题,考虑一个单发多收多基地雷达系统,在分析空间相关多基地雷达模糊函数的基础上,通过传感器部署、波形选择这两种方法来改变模糊函数形状,达到改善目标分辨性能的目的。文中以模糊函数3-dB投影面积值为指标,对比空间非相关多基地雷达,分析了不同传感器部署和波形选择情况下的目标距离分辨性能,并给出了相应的仿真结果。研究成果不仅能用于对多基地雷达密集多目标探测性能的分析,还能为多基地雷达布站、波形设计等提供一定的理论参考。     

基于优化序列提取的相控阵雷达识别方法

针对相控阵雷达工作模式识别的问题,提出一种基于优化序列提取的雷达识别方法.首先,对相控阵雷达搜索和跟踪的工作模式进行分析,建立工作模式序列模型.其次,通过剔除Needleman-Wunsch方法中的多余数据简化运算流程,提出一种优化的雷达信号公共序列提取算法.然后,通过理论证明了所提算法的高效性,并给出算法识别效果的评...     

双/多基地高频地波雷达飞行目标回波仿真

分析了双/多基地高频地波雷达回波信号的仿真过程。针对双/多基地高频地波雷达运动目标与基地相对距离和多变的特点,提出使用迭代方法来仿真双/多基地飞行目标,并给出了仿真过程和公式。仿真结果对比证明这种新方法能准确地仿真双/多基地目标回波,为后续的雷达信号处理方法的研究提供可靠的数据。     

基于keystone变换的宽带雷达精确测速

宽带雷达利用脉冲串测速时,高速运动目标在脉冲串内通常移动超过多个距离分辨单元,无法通过脉冲串内直接相参处理获取速度信息。针对宽带脉冲多普勒雷达测速的特点,提出了一种基于Keystone(楔石)变换的测速方法,能有效解决目标越距离单元走动和多普勒谱展宽,并根据该方法的特点,提出一种基于Keystone变换的解速度模糊的方法,仿真证明该测速方法能达到很高的测速精度,有很高的应用价值。     

基于实值粒子群优化的STSS系统传感器管理算法研究

针对STSS系统中段弹道目标传感器管理问题,通过分析中段目标跟踪的影响因素,提出了一种新的优化目标函数.并在分析基于二进制粒子群优化的传感器管理算法缺点的基础上,通过对粒子的降维处理和位置矢量更新式的改进,提出了一种基于实值粒子群优化的传感器管理算法.最后,根据中段弹道目标跟踪典型场景下的仿真实验分析,给出了目标函数加权系数的优选方案,并比较了几种方法的性能.仿真实验表明,所提优化目标函数能有效进行多传感器的管理调度,且基于实值粒子群优化的传感器管理算法是一种更加高效的方法.     

同构双基地雷达星座优化设计

通过对卫星的轨道特性、星座中卫星间的相对运动规律以及对地覆盖特性的研究,推导了星载单基地和双基地雷达探测区域计算公式,分析了双基地角和目标前向散射区域与卫星相对位置的关系。基于星座固有的空间约束条件,讨论了由于平台运动引起的地杂波多普勒频率扩展与卫星飞行的几何关系。最后,分析了系统性能与星座构型参数和卫星轨道根数的关系,提出了利用逆向运行极轨道同构星座作为多基地雷达星座的基本构型,并针对该构型星座提出了一套优化设计方法并给出了设计实例。     

基于分布式深度学习的边缘服务放置策略

针对移动边缘计算网络中不合理的服务放置和资源分配所导致的服务质量下降问题, 提出了一种基于分布式深度学习的边缘服务放置策略。首先, 以最小化所有用户服务请求时延与加权服务放置成本总和为优化目标, 将优化问题建模为混合整数非线性规划问题。其次, 在给定服务放置策略情况下, 利用凸优化理论求解出边云最优的计算资源分配方案。最后, 利用分布式深度学习解决了服务放置问题。理论证明及仿真结果表明, 所提策略能够有效降低用户服务请求时延和应用服务提供商的服务放置成本, 并且逐渐逼近全局最优的服务放置策略。     

VTS雷达及岸基溢油雷达组合选址优化

针对实际建址时存在障碍物遮挡和雷达传递衰减的船舶交通管理系统（Vessel Traffic Service，VTS）雷达及岸基溢油雷达组合选址问题，基于空间几何方法，在三维空间中提出了障碍物遮挡判断方法，并引入衰减函数进行雷达衰减测度，以建站成本最小和水域面积覆盖率最大为目标建立多目标选址模型。根据问题设计了自适应混沌多目标粒子群算法，在满足位置约束时生成初始解，提高算法求解速度；引入混沌机制和飞蛾火焰算法的螺旋搜索机制对粒子速度及位置更新策略进行改进，增强算法的局部和全局搜索能力。通过算例验证了本文所提出的判断方法及模型的有效性。研究成果不仅深化和拓展了VTS雷达选址及溢油问题的相关研究，也为海事主管机构在进行VTS雷达站及溢油雷达选址时提供理论依据。     

小型无人机协同覆盖侦察路径规划

针对多架小型无人机对含有障碍的区域覆盖侦察最佳路径规划问题,首先用方形单元格将待侦察区域离散化,利用基于初始位置的划分方法划分出与无人机对应的子区域,把问题转化为单无人机优化问题以降低计算复杂度;然后在最小生成树的基础上提出节点交换法,对各子区域的形状和最小生成树进行调整优化;最后依据优化后的最小生成树为每个子区域构建侦察路径。仿真验证了该方法产生的规划路径能够完全覆盖指定区域且无重叠,路径长度和转弯数最小。     

基于置信椭圆的无人艇区域覆盖搜寻规划优化

为解决水上遇险目标搜寻存在搜寻区域过大、搜寻代价过高等问题, 提出一种基于置信椭圆的无人艇区域覆盖搜寻规划方法。首先, 利用高斯混合模型聚类算法划分搜寻区域, 再基于腐蚀膨胀的置信椭圆确定最佳搜寻区域边界, 实现目标包含概率和单位面积粒子数全局最优。然后, 构造适应椭圆搜寻区域边界特征的无人艇转向模型, 优化非工作路径。最后, 以搜寻探测概率和总路径为优化目标, 采用带精英策略的非支配排序的遗传算法(nondominated sorting genetic algorithm II, NSGA-II)优化得到最佳搜寻规划路径, 实现无人艇高效区域搜寻规划。与常规矩形区域覆盖搜寻规划对比, 能够在达到相同搜寻成功率下显著减少搜寻代价投入。     

基于正三角形剖分的传感器网络覆盖判定算法

覆盖问题是传感器网络研究中的一个基础课题,如何判定某个感兴趣的区域是否被一组给定的传感器节点覆盖,在传感器网络的许多监控应用领域中具有重要意义。提出了一种传感器网络中基于正三角形剖分的快速κ-覆盖判定算法和最大κ-覆盖问题的求解算法,新算法首先把感兴趣区域剖分为正三角形区域,从而将复杂的区域覆盖问题转化为简单的正三角形区域覆盖问题。理论分析与仿真实验表明,针对具有n个节点的传感器网络,新算法的计算时间复杂度为O（n）,低于已有算法O（nlogn）的计算时间复杂度。