针对目标跟踪的分布式MIMO雷达资源分配算法

基于分布式多输入多输出雷达,针对目标跟踪精度的优化问题提出了一种联合资源优化分配算法。首先,推导了机动目标跟踪误差的贝叶斯克拉美罗下界(Bayesian Cramer Rao lower bound, BCRLB),由BCRLB可知其跟踪精度主要由信号发射功率、带宽和信号有效时宽决定。然后,以最小化目标的BCRLB为目标函数,建立了包含相应的3个资源变量的优化模型,分析可知该模型的求解是一个非凸问题的求解。所以采用循环最小化算法和凸松弛的方法将这个非凸的优化模型转化为凸优化模型进行求解。最后,仿真结果表明,利用所提出的资源分配算法能明显提高机动目标的跟踪精度。     

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。     

基于GA-SA的低轨星座传感器资源调度算法

针对基于低轨预警系统的多目标跟踪,提出了兼顾跟踪精度与系统效率的传感器资源调度算法。首先,建立了目标跟踪模型。然后,以调度周期内后验克拉美罗下界(posterior Cramer-Rao lower bound,PCRLB)变化率、卫星切换率为指标,建立了传感器调度的混合整数规划模型,在此基础上,采用遗传(genetic algorithm,GA) 模拟退火(simulated annealing,SA)混合算法对调度模型进行优化求解,提高了对解空间的搜索能力与求解速度。最后,仿真试验表明本文调度模型的正确性与GA-SA混合优化算法的有效性。     

基于信息增量的多被动传感器资源分配算法

针对多被动传感器多目标跟踪中的传感器资源分配问题进行研究。讨论了多被动传感器跟踪误差的克拉美-罗下限,在此基础上分析了多被动传感器系统跟踪误差的几何分布。为解决多目标跟踪中的传感器资源分配问题,通过先验信息熵与后验信息熵之间的差值获得信息增量;在此基础上针对多被动传感器系统的特点构建最优化分配模型,将被动传感器组合在不同时刻动态地分配给不同目标。仿真实验表明,与不考虑资源分配的固定跟踪模式相比,该方法能够高效合理地利用有限资源,并且使多被动传感器多目标跟踪系统的整体跟踪性能得到提高。     

基于进化粒子滤波的数据域直接跟踪方法

传统目标跟踪算法首先通过采样信号估计时延或多普勒等参数,然后利用这些参数构成的跟踪方程获得目标运动轨迹,这种两步跟踪模式存在位置信息损失、误差累积等问题,跟踪精度仍有待提高。针对此问题,提出一种利用数据域采样信号,基于时延和多普勒信息的直接跟踪算法。该算法利用多个观测站的接收信号,首先建立一个基于连续时间和多普勒信息的直接跟踪模型;然后基于进化粒子滤波算法,对所提跟踪模型进行迭代求解,提高算法计算效率,实现对运动目标的快速高精度跟踪;最后,针对所提模型,推导了目标直接跟踪的克拉美罗下界(Cramer-Rao lower bound,CRLB)递归求解方法,给出了算法的跟踪误差下限。仿真实验表明,与现有跟踪算法相比,所提算法跟踪精度更高,收敛速度更快,尤其在低信噪比条件下更能逼近CRLB。     

发射站/接收站位置误差下无源雷达DOA-TDOA目标定位算法

无源雷达中发射站和接收站位置误差的存在将显著降低目标定位精度。针对这一问题,将发射站和接收站位置误差考虑到基于波达方向和到达时差的无源雷达目标定位模型中,提出了一种目标位置代数解算法。首先,将波达方向和到达时差的测量方程线性化,考虑方程中的各项误差,采用加权最小二乘估计求解,并通过对加权矩阵的迭代更新,得到目标位置最优估计。推导了存在发射站和接收站位置误差条件下目标定位的克拉美罗下界,并从理论上证明了算法的定位精度可以达到克拉美罗下界。仿真结果表明,算法的定位精度优于现有算法,在发射站和接收站位置误差条件下定位精度仍能达到克拉美罗下界。     

发射站/接收站位置误差下无源雷达DOA-TDOA目标定位算法

无源雷达中发射站和接收站位置误差的存在将显著降低目标定位精度。针对这一问题,将发射站和接收站位置误差考虑到基于波达方向和到达时差的无源雷达目标定位模型中,提出了一种目标位置代数解算法。首先,将波达方向和到达时差的测量方程线性化,考虑方程中的各项误差,采用加权最小二乘估计求解,并通过对加权矩阵的迭代更新,得到目标位置最优估计。推导了存在发射站和接收站位置误差条件下目标定位的克拉美罗下界,并从理论上证明了算法的定位精度可以达到克拉美罗下界。仿真结果表明,算法的定位精度优于现有算法,在发射站和接收站位置误差条件下定位精度仍能达到克拉美罗下界。     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

一类具有非凸关系的多目标决策方法

针对一类具有非凸关系的多目标决策问题，本文提出了一种新的求解方法．该方法将多目标决策问题转化为对策问题，利用对策理论进行求解，克服了非凸性问题所引起的决策困难．     

基于局部搜索机制MOGA的多目标ADGHP建模及优化

依据航班的进离港过程,提出了一种航班优先系数计算策略,使得延误损失在进离港航班之间的分配合理化;在此基础上建立了一种进离港地面等待问题(ADGHP)多目标优化模型,以实现延误损失和续航航班延误时间的多目标优化.针对问题模型的复杂性以及现有多目标遗传算法(MOGA)的不足,提出了一种引入局部搜索机制的多种群遗传算法对问题求解,并改进优秀个体迁移策略,实现多目标的协同优化.最后,以国内某机场进离港航班为算例,使用所提算法进行计算,并与其它典型算法的求解结果对比,实验结果表明了所提模型与算法的有效性.     

角闪烁噪声下的集中式MIMO雷达自适应资源分配算法

为解决角闪烁噪声下集中式多输入多输出(multi-input and multi-output,MIMO)雷达的资源优化分配问题,设计了一种面向多目标跟踪任务的自适应资源分配算法.首先采用平方根容积粒子滤波(square-root cubature particle filter,SCPF)算法对各目标状态进行估计,并...     

基于时间反演的上行NOMA系统能效优化算法

为了解决上行非正交多址接入(non-orthogonal multiple access,NOMA)系统在多径环境下传输效率较低问题,提出了一种基于时间反演(time reversal,TR)的上行NOMA网络资源分配算法.首先,利用TR技术独特的空时聚焦特性,增大信号的接收强度.其次,考虑用户最小传输速率约束和用户最...     

MC-NOMA增强型反向散射网络中的谱能效率均衡优化

环境信号的不确定性导致不可预测的谱能机会.传输机会和能源供应的缺乏给反向散射通信网络的多址接入设计带来了极大的挑战.本文针对多载波非正交多址接入(multicarrier non-orthogonal multiple ac-cess,MC-NOMA)增强型反向散射网络,提出了一种分阶段优化算法实现均衡调控下的谱能效率...     

IRS与人工噪声辅助的MIMO通信系统物理层安全方案设计

针对多输入多输出通信系统信息传输过程中的安全问题, 提出一种智能反射表面(intelligent reflecting surface, IRS)与人工噪声辅助的物理层安全设计方案。在该方案中, 首先基于系统保密速率最大化准则, 构建一非凸优化问题。由于该问题求解需联合优化设计基站波束赋形矩阵、人工噪声协方差矩阵及IRS相移矩阵，为易于求解, 基于均方误差准则, 对非凸目标函数进行等价转换。最后, 以交替迭代方式分别利用内点法和基于黎曼流形的共轭梯度下降算法, 求解波束赋形矩阵和人工噪声协方差矩阵以及IRS相移矩阵。仿真结果表明, 所提方案的系统保密速率在发送端具有较高的发送功率时, 优于其他几种方案。     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

元启发式数据关联的多目标跟踪方法

提出了一种元启发式数据关联的多目标跟踪方法。首先,该方法根据跟踪门逻辑确定目标的有效量测。然后,利用滤波信息的似然函数描述量测点与目标之间的关联关系,并建立约束条件下多目标数据关联模型。最后,对蚁群优化算法进行改进设计,引入量测剔除策略,将求解问题转化为无约束的组合优化形式,从而利用蚁群优化算法在离散空间的启发式机制搜索量测与目标的最佳关联。仿真结果表明,该方法可以有效实现多目标数据关联且计算量较小,具有一定的工程实用价值。     

大规模MIMO系统的智能天线选择与功率分配方法研究

为了满足大规模多输入多输出(multiple input multiple output, MIMO)系统的数据传输需求并降低系统能耗,提出一种基于量子化学反应优化的智能天线选择与功率分配方法。根据大规模MIMO系统不同时段的用户传输需求建立智能天线选择与功率分配模型,推导出其最大能效方程。为有效求解该非线性、多约束的混合优化难题,结合量子计算和化学反应优化机制的优势设计了量子化学反应优化算法,可得到最佳的天线选择与功率分配方案。仿真结果表明,所提的智能天线选择与功率分配方法能实时满足用户的信息传输需求,显著提高系统能效。针对不同的仿真场景,所提方法与现有的智能算法与分配策略相比均可得到最高的系统能效。     

大规模MIMO系统的智能天线选择与功率分配方法研究

为了满足大规模多输入多输出(multiple input multiple output, MIMO)系统的数据传输需求并降低系统能耗,提出一种基于量子化学反应优化的智能天线选择与功率分配方法。根据大规模MIMO系统不同时段的用户传输需求建立智能天线选择与功率分配模型,推导出其最大能效方程。为有效求解该非线性、多约束的混合优化难题,结合量子计算和化学反应优化机制的优势设计了量子化学反应优化算法,可得到最佳的天线选择与功率分配方案。仿真结果表明,所提的智能天线选择与功率分配方法能实时满足用户的信息传输需求,显著提高系统能效。针对不同的仿真场景,所提方法与现有的智能算法与分配策略相比均可得到最高的系统能效。