基于粒子群算法的雷达网优化部署方法研究

郑贵文，蒋　奎

(1.海军装备部装备采购中心，北京 100071；

2.河北轨道运输职业技术学院，河北 石家庄 050031)



基于粒子群算法的雷达网优化部署方法研究

郑贵文1，蒋奎2

(1.海军装备部装备采购中心，北京 100071；

2.河北轨道运输职业技术学院，河北 石家庄 050031)

摘要为了利用有限的雷达资源对监视区域进行合理、有效布站，提出了一种基于粒子群算法的雷达网优化部署方法。建立单/多雷达探测范围模型，给出雷达网探测性能评估指标，并以此构造目标函数，利用粒子群算法完成对雷达网各平台位置的优化部署。利用Matlab工具进行了仿真分析，仿真结果验证了该方法的有效性。

关键词粒子群算法；雷达网；探测范围；优化部署

0引言

电子干扰、反辐射导弹、隐身技术和低空突防已严重威胁着单站雷达的生存，为此，借助于通信手段将多部不同体制、不同频段和不同极化方式的雷达链接成网并进行闭环管控的协同探测技术引起了世界各国的高度重视，并得到了迅速发展[1,2]。

雷达网优化部署是开展协同探测研究的关键技术，布局合理的雷达网可提高检测概率，保证航迹连续稳定，改善跟踪精度。雷达网优化部署主要是基于战术要求对雷达网责任区实施优化部署，即在选定的作战区域里，如何部署不同型号的雷达是整个雷达网系统作战效能最优化。

粒子群算法是一种新型搜索算法，是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。这种算法实现容易、精度高、收敛速度快，受到了学术界的重视，并且在很多领域的应用中展示了其优越性。它是从随机解出发，通过迭代寻找最优解。作为一种新型的优化算法，粒子群算法存在着自身的局限性。惯性权重、收敛因子等都直接影响着粒子群寻最优解的能力和效率。改进粒子群算法主要体现在：算法的离散二进制模型、参数的选择和设计、邻域拓扑结构、群体组织与进化及进化计算等概念组合的混合算法等[3-5]。

将改进后的粒子群算法应用到雷达组网优化部署中，通过仿真分析，结果表明，改进的粒子群算法能有效应用于雷达组网优化部署。本文在借鉴前人研究成果的技术上，提出一种基于粒子算法的雷达网优化部署方法，建立单/双雷达探测范围模型，利用雷达网探测性能评估指标构造优化目标函数，实现了雷达组网的优化部署。

1数学模型

1.1单/多雷达探测范围模型

(1)

式中，Pf为虚警概率；SNR0表示雷达Sj对R0处目标的检测信噪比。当检测概率大于某个阈值时，则认为该目标能被该雷达检测，并称该目标所在位置为有效覆盖点；否则认为该目标未能被雷达检测。假设S个雷达同时对某一目标进行探测，则雷达网对于该目标的检测概率为：

(2)

式中，S为测量目标的雷达集合；Pd(j,i)代表第j个雷达对目标i的检测概率。

以发现距离(Pd=0.5)为300 km的单雷达与多雷达为例，检测概率示意图如图1和图2所示。

图1　单雷达检测概率

图2　多雷达联合检测概率

1.2雷达网探测性能评估指标模型

其次,合理运用日常查房及教学查房。在查房过程中,带教医师应有意识地引导医学生去观察患者的临床表现(如皮疹表现、出疹顺序及分布位置等),提出为什么会出现这些症状、目前急需采取那些措施等,让学生分析发病机理、病因,根据病理生理知识,分析患者出现的症状,进而综合归纳相关信息,得出结论[4],最后由带教老师总结或引导学生总结。

评价雷达网布局优劣的一个重要效能指标模型为空域覆盖效能模型[7]，由空域覆盖系数和重点空域覆盖系数表征，具体定义如下：

空域覆盖系数定义为网内所有雷达覆盖的有效责任区域占雷达网总责任区域的比重。

(3)

式中，R为雷达总数；Ai为第i部雷达的探测区域；A为给定的总责任区域。

重点空域覆盖系数定义为网内所有雷达的探测覆盖区域与重点探测区域的重叠区域占重点探测区域的比重。

(4)

式中，Acore为重点探测区域；Ai∩Acore表示第i部雷达探测区域与重点地区的重叠区域。

2粒子群优化算法

粒子群优化(Particle Swarm Optimization，PSO)算法是由Kennedy和Eberhart于1995年受鸟群捕食行为启发而提出的一种求解某一问题的优化算法。PSO算法采用速度—位置搜索模型，每个粒子代表解空间中的一个解，解的优劣程度由适应度函数决定。PSO随机初始化为一群粒子，每个粒子根据自己的历史最好位置和群体历时最好位置来更新自己的速度和位置。粒子群优化算法流程图如图3所示。

图3　粒子群优化算法流程

假设粒子群中的一个粒子代表一种雷达的位置分布方案。当雷达个数为NC，粒子id在第t代的状态表示为：

(5)

(6)

(7)

(8)

3仿真与分析

图4(a)、图5(a)和图6(a)是按照等边分布的3个、4个和5个平台的位置及其覆盖情况，图4(b)、图5(b)和图6(b)采用粒子群算法优化后，3个、4个和5个平台的最优位置及其覆盖范围，其中适应度函数考虑了空域覆盖系数和重点空域覆盖系数，所有图中的星号代表雷达布阵位置，虚线框内为重点覆盖区域。

图4　3个平台等边分布及优化分布覆盖范围

从图4(a)、图5(a)和图6(a)可以看出，由于未优化部署前各雷达分布过于集中，对总责任区的周边区域覆盖不够，中心区域覆盖冗余度较高，导致覆盖效能较差。图4(b)、图5(b)和图6(b)可以看出，通过优化分布雷达的位置，总责任区和重点探测区域内的检测概率较高的等高线明显增多。

图5　4个平台菱形分布及优化分布覆盖范围

图6　5个平台等边对称分布及优化分布覆盖范围

等间距雷达分布和优化分布下的覆盖效能对比如表1所示。表1可以清晰地说明，合理的布站可以提高雷达网对监视区域的检测概率，减少监视盲区。

表1　覆盖效能比较

4结束语

雷达组网协同探测是一项庞大而复杂的系统工程，开展这方面研究符合现代战争从“平台中心战”向“网络中心战”转变的需要。本文在给定监视区域的前提下，从理想环境的角度出发，通过建立空域覆盖效能模型，采用粒子群算法在可行解空间中搜索出雷达的最优位置。此方法算法简单，有助于雷达网优化布站问题的研究。由于实际战场环境错综复杂，在干扰环境下的雷达网布站是下一步需要研究的问题[8,9]。

参考文献

[1]杨涛.组网雷达系统“四抗”效能评估方法研究[D].长沙:国防科学技术大学,2008.

[2]孙欣.海上编队协同作战若干问题的探析[J].舰船电子工程,2013,33(12):10-13.

[3]李荣钧,常先英.一种新的混合粒子群优化算法[J].计算机应用研究,2009,26(5):1 700-1 702.

[4]纪震,廖惠连,吴青华.粒子群算法及其应用[M].北京:科学出版社,2009.

[5]周明,孙树栋.遗传算法原理与应用[M].北京:国防工业出版社,2009.

[6]赵志超,饶彬,王涛,等.雷达网检测概率计算及性能评估[J].现代雷达,2010,32(7):7-10.

[7]花良发,李侠.雷达组网系统性能评估指标分析[J].雷达与对抗,1999(4):1-6.

[8]李侠,蔡万勇,周启明,等.雷达组网系统抗干扰部署优化算法研究[J].现代防御技术,2007,35(4):83-88.

[9]杨志强,张磊,谢虹,等.雷达网抗干扰性能评估模型[J].火力与指挥控制,2004,29(S1):44-46.

郑贵文男，(1973—)，工程师。主要研究方向：雷达工程技术。

蒋奎男，(1973—)，硕士，高级讲师。主要研究方向：铁道机车车辆工程。

引用格式：郑贵文,蒋奎.基于粒子群算法的雷达网优化部署方法研究[J].无线电工程,2016,46(1):42-45.

Research on Radar-net Deployment Method Based on

Particle Swarm Optimization Algorithm

ZHENG Gui-wen1,JIANG Kui2

(1.EquipmentProcurementCenter,ArmamentDepartmentofPLANavy,Beijing100071,China;

2.HebeiRailTransportVocationalTechnicalInstitute,ShijiazhuangHebei050051,China)

Abstractorder to arrange radar-net reasonably and effectively in surveillance region with limited radar resource,a radar-net deployment method based on Particle Swarm Optimization(PSO)algorithm is proposed in this paper.The model of single/multiple radar detection range is established firstly.Then the radar-net performance evaluation index is given to construct the optimal object function.Finally the optimized deployment of radar-net is implemented by using PSO algorithm.The simulation analysis is performed with Matlab,and the results show that this method is available.

Key wordsParticle Swarm Optimization(PSO);radar network;radar detection range;optimized deployment

作者简介

收稿日期：2015-10-15

中图分类号TN951

文献标识码A

文章编号1003-3106(2016)01-0042-04

doi:10.3969/j.issn.1003-3106.2016.01.10