欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022115253695
申请人: 南昌大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于CCM算法的雷达互补稀疏频率波形序列集设计方法,其特征在于,包括以下步骤:步骤1:根据监测到的频谱环境,划定可用频谱范围和不可用频谱范围,从而确定期望频谱的通带和阻带;

步骤2:将波形序列集的加权积分旁瓣水平表示为以波形序列集矢量为变量的二次函数形式,构造目标函数,以描述波形集的自相关旁瓣水平,其中是波形集矢量;

步骤3:计算波形集的功率谱,根据期望频谱设置加权系数,对功率谱进行加权求和,将功率谱的加权求和表达式表示为以波形序列集矢量为变量的二次函数形式,从而构造频率阻带能量目标函数,以描述波形集在频率阻带内的能量;

步骤4:将步骤2中的目标函数和步骤3中的目标函数进行加权求和,以构造联合目标函数,以波形序列集为变量,在波形集恒模约束下,建立联合优化问题;

步骤5:采用CCM算法求解所建立的优化问题;首先,对所建立的优化问题进行一系列的等效变换,以方便CCM算法求解;按照顺序,这些变换包括:①利用松弛方法将上一次迭代计算得到的部分矩阵变量代入到下一次迭代中作为常数矩阵,从而保证每次迭代优化问题中的目标函数为优化变量的二次函数;②在每次迭代中,利用波形序列集的恒模特性和变换①中常数矩阵的特征值特性,对优化问题进行变换,以保证目标函数为优化变量的凸函数;③在变换②中的目标函数里引入一个正常数,进一步保证每次迭代中函数的凸性,从而确保CCM算法的收敛性;然后,针对变换后的优化问题,按照CCM算法中投影、梯度和回缩这三个步骤,计算得到当前迭代次数下优化变量的解;其中,投影步骤为计算目标函数的黎曼梯度,为计算该梯度需要确定常数的取值;梯度步骤是以黎曼梯度为搜索方向,按照梯度下降的方式计算更新后的优化变量;回缩步骤是将梯度下降更新后的优化变量映射到复圆上,以满足优化变量的恒模约束;最后,进行迭代循环求解,直到迭代终止条件得到满足;在该求解过程中,为降低计算复杂度,针对特征值求解、常数计算、搜索步长的计算过程,提出了一系列快速计算方法。

2.根据权利要求1所述的一种基于CCM算法的雷达互补稀疏频率波形序列集设计方法,其特征在于,所述步骤1中确定期望频谱的通带和阻带是指将干净、可用雷达探测的频带确定为通带,将导航、通信无线电设备所占用的频带以及存在强干扰强杂波的频带确定为阻带;假设波形序列频谱的频率范围为,则有。

3.根据权利要求1所述的一种基于CCM算法的雷达互补稀疏频率波形序列集设计方法,其特征在于,所述步骤2中构造波形序列集的WISL目标函数,具体步骤为:(2.1)定义一个包含个波形序列、每个波形序列长度为的复恒模波形序列集,其中,;以多个波形序列构造波形序列集矢量,其中表示矢量的第个元素,;

(2.2)矢量的非周期自相关函数在时延内为波形集中各波形的自相关函数之和,即:(1)

其中表示矢量的非周期自相关函数,,,, ,为序列的非周期自相关函数;

(2.3)于是,波形集中各波形的自相关函数之和可表示为:(2)

其中,表示第条对角线上元素都为1,其他元素为0的矩阵,即:(3)

(2.4)对自相关函数进行加权求和,在第个延时点处的实数加权系数需满足:(4)

则波形序列集的WISL目标函数可表示为:(5)

其中,矩阵的具体形式为:

(6)

忽略式(5)中的常数项,可构造波形序列集的WISL目标函数如下:(7)。

4.根据权利要求3所述的一种基于CCM算法的雷达互补稀疏频率波形序列集设计方法,其特征在于,所述步骤3中构造波形序列集的EFS目标函数,具体步骤为:(3.1)波形序列集中第个波形序列的频谱可由下式进行计算:(8)

其中,表示傅里叶变换矩阵第行中前个元素,矩阵定义为:(9)

(3.2)由第个波形序列的频谱,可计算该波形序列的功率谱为:(10)

其中,表示哈达玛乘积;为在中快速选择出第个波形序列,定义选择矩阵,从而有;于是,式(10)中的功率谱可进一步写为:(11)

(3.3)对波形的功率谱进行加权求和;为计算波形序列在阻带内的信号能量,将加权系数设置为:(12)

其中,表示阻带频率集,表示通带频率集;于是波形集在频率阻带的能量可表示为:(13)

其中,

(14)。

5.根据权利要求4所述的一种基于CCM算法的雷达互补稀疏频率波形序列集设计方法,其特征在于,所述步骤4中建立联合优化问题,具体为:将步骤2中所建立的目标函数和步骤3中所建立的目标函数进行加权求和,得到联合代价函数,其中为权重因子,用来调节波形序列集自相关旁瓣特性以及稀疏频谱特性之间的权重;将式(7)和式(13)代入中,有,其中;于是,以序列集矢量为变量,在波形序列集恒模约束下,可建立如下优化问题:(15)

通过求解问题(15),可以抑制波形序列集的自相关旁瓣水平以及波形序列集在频率阻带内的能量,从而得到性能优异的互补稀疏频率波形序列集。

6.根据权利要求5所述的一种基于CCM算法的雷达互补稀疏频率波形序列集设计方法,其特征在于,所述步骤5中采用CCM算法求解所建立的优化问题(15),具体步骤为:(5.1)问题(15)目标函数中所包含矩阵的与优化变量有关,不方便求解;因此,利用松弛方法,在CCM算法第次迭代时,将第次迭代的矩阵替换第次迭代的;此时,在第次迭代求解时,变为与优化变量无关的常数矩阵;第次迭代中的优化问题成为(16)

其中,,;

(5.2)为保证问题(16)中目标函数的凸性,以便于利用CCM算法求解,需要使得矩阵为半正定矩阵;为此,将问题(16)目标函数中的矩阵替换为,其中为矩阵的最小特征值,矩阵为一个单位矩阵;由式(14)可知,矩阵为一个半正定矩阵,因此亦为半正定矩阵;于是,问题(16)可转换为以下优化问题:(17)

为获取,并进一步得到问题(17),需要计算;若直接对矩阵进行特征值求解,较高的矩阵维度会使得计算复杂度高;由于的维度与序列的长度及序列的个数成正比,在序列长度增加或序列个数增多时,该问题更加突出;针对该问题,提出了一种快速计算方法,即利用以下引理1将的计算转换为对下界的快速计算;

引理1:定义一个长度为的复数矢量,由中的元素可构造一个厄米特托普利茨矩阵,如下:(18)

矩阵亦可由FFT快速计算得到,即,其中FFT矩阵的定义如式(9)所示,表示矩阵的前行构成的子矩阵;定义,则矩阵的最大特征值和最小特征值满足下列条件:(19)

(20)

其中,表示矢量的第个元素;

显然,式(6)中定义的矩阵(即)是一个厄米特托普利茨矩阵,可由复数矢量快速计算得到,其中复数矢量为:(21)

(22)

利用引理1,矩阵的最小特征值满足:

(23)

由此可得到,定义,有:

(24)

将替换矩阵中的,可得到;因此,式(17)中的优化问题可等价为:(25)

(5.3)为确保迭代算法的收敛性,需要保证在每一次迭代中,问题(25)目标函数中始终为半正定矩阵;因此,在每次迭代中,引入一个正常数,将问题(25)进一步转换为以下等价问题:(26)

其中,的取值需在每次迭代中更新计算;

(5.4)第次迭代中待求的优化问题即为式(26)中的优化问题,可具体写为:(27)

其中,,;根据CCM算法思想,可采用投影-梯度- 回缩三步进行求解,具体如下:投影:求解目标函数的黎曼梯度;根据式(27)中目标函数,求解第次迭代时的欧式空间负梯度:(28)

由可计算目标函数的黎曼梯度为:

(29)

梯度:所得到的黎曼梯度为目标函数值下降的搜索方向;根据梯度下降思想,第次迭代所得到的优化变量可写为:(30)

其中,为变量更新步长;问题(27)中的常数和式(30)中的步长可由引理2求解;

引理2:当利用CCM算法求解标准问题(27)时,为保证算法的收敛性,要求为半正定矩阵,并且常数和步长需满足以下条件:(31)

(32)

由引理2可知,要选取适当的和,需计算和;这里为方便解释,将和简写为和;由于矩阵维度较大,直接进行特征值分解求解最大特征值,会极大增加算法的计算复杂度;并且,由于的维度与序列的长度及序列的个数成正比,在序列长度增加或序列个数增多时,该问题更加突出;针对该问题,提出了一种快速计算方法,即利用引理3快速计算的上界;然后利用的上界求出的上界;

引理3 Weyl引理:给定两个Hermitian矩阵和,将矩阵、及的特征值递增排序,并写为、和,且值越大,所表示的特征值越大;该三个矩阵的特征值之间满足如下关系:(33)

首先,计算;由上可知,,且矩阵和矩阵为两个Hermitian矩阵;利用引理3,选择,可得到:(34)

由式(34)可知,求的上界需要分别求和的上界;具体包含以下两步:(5.4.1)首先,求的上界;由可知(35)

其中,已由式(23)计算得到;为求,可利用引理1中的式(19),类似式(21)-式(23)中的推导过程,得到:(36)

根据式(35),利用式(36),有

(37)

(5.4.2)然后,求的上界;利用选择矩阵的性质,可将式(14)中的重新写为:(38)

其中,表示块对角矩阵;矩阵定义为:

(39)

其中,;

由式(38)可知,为对角分块矩阵,其特征值等于内部块状矩阵的特征值;若用表示矩阵的特征值,则有;

而根据式(39),可写出矩阵的特征值和特征向量之间的关系,如下(40)

其中,为其特征值对应的特征向量;在式(40)两边同时乘以,有:(41)

将式(41)中的当作新的特征向量,可知,即矩阵的特征值与矩阵的特征值相同;为求解,可利用如下引理4;

引理4:给定两个半正定的Hermitian矩阵和,将矩阵、及的特征值递增排序,并写为、和,且值越大,所表示的特征值越大;该三个矩阵的特征值之间满足如下关系:(42)

由于矩阵和都是半正定的Hermitian矩阵,令,由引理4可知:(43)

显然,有;由此,可知:

(44)

由式(44)可知,可知的上界为;

(5.4.3)最后,求的上界;由于,利用式(37)和式(44)可得:(45)

然后,利用,可进一步得到:

(46)

将式(45)和式(46)代入式(31)和式(32)中,得到常数和步长的取值范围;根据该取值范围,可选定常数和步长为:(47)

(48)

其中,,可任意选为满足不等式(31)和(32)的非负常数;

回缩:根据式(30)求得的矢量并不满足恒模约束条件,即不在联合优化问题中恒模约束所构成的复圆流形上;为得到恒模波形序列,利用下式进一步将矢量映射回复圆流形上:(49)

进一步地,由式(49)中的可得到波形集中第个序列为:(50)

由可重构得到;

执行完上述投影-梯度- 回缩三个步骤,便完成了第次迭代求解;然后,令,进入下一次迭代,依此循环,直至满足迭代终止条件停止;迭代终止条件可设为或运行时间。