本發(fā)明屬于體制雷達(dá)機(jī)會(huì)陣?yán)走_(dá)的，具體涉及一種動(dòng)態(tài)多節(jié)點(diǎn)平臺(tái)的機(jī)會(huì)陣?yán)走_(dá)方向圖重構(gòu)方法。

背景技術(shù)：

1、受限于體制因素傳統(tǒng)雷達(dá)系統(tǒng)作為感知手段，越來越難以適應(yīng)當(dāng)前需求，比如固定的陣面大小及工作波長(zhǎng)往往針對(duì)固定的探測(cè)目標(biāo)，遠(yuǎn)距離預(yù)警的雷達(dá)一般體積巨大，靈活性差，戰(zhàn)場(chǎng)適應(yīng)性不高，低仰角時(shí)存在盲區(qū)，孔徑大小受限于載體平臺(tái)，作戰(zhàn)功能單一等不足。機(jī)會(huì)陣?yán)走_(dá)以平臺(tái)為核心展開設(shè)計(jì)，具備隱身性、靈活性、多功能一體化等優(yōu)點(diǎn)，其工作狀態(tài)可以根據(jù)外界條件變化、不同目標(biāo)或者不同場(chǎng)景任務(wù)需求通過機(jī)會(huì)決策對(duì)機(jī)會(huì)單元或者局部模塊進(jìn)行重組以最大限度地提升平臺(tái)的作戰(zhàn)能力及生存能力。

2、理論上機(jī)會(huì)陣?yán)走_(dá)的典型特征除了以平臺(tái)為核心的設(shè)計(jì)方式兼具良好隱身性能外，其靈活性和多功能性是其重要的體現(xiàn)。在研究時(shí)主要體現(xiàn)為機(jī)會(huì)概念的解釋及應(yīng)用研究，由于在動(dòng)態(tài)的場(chǎng)景中無論是環(huán)境、目標(biāo)還是任務(wù)需求都是不確定的，涉及的各個(gè)參數(shù)是隨機(jī)的，采用常規(guī)的隨機(jī)概念無法對(duì)未知概率密度的變量進(jìn)行描述，需要進(jìn)行大量重復(fù)實(shí)驗(yàn)進(jìn)行估計(jì)，而這種情況在多數(shù)場(chǎng)景下是不希望且難以進(jìn)行的。目前更一般的做法是引入模糊集概念對(duì)不確定參數(shù)進(jìn)行刻畫，有研發(fā)人員模糊事件的測(cè)量提出了可能性測(cè)度，此后又提出了帶有自對(duì)偶性的可信性測(cè)度，并建立了完整的可信性理論體系，并對(duì)包括隨機(jī)、模糊、粗糙、隨機(jī)粗糙等多種不確定參數(shù)給出了明確定義，并給出了期望值模型、機(jī)會(huì)約束規(guī)劃、相關(guān)機(jī)會(huì)規(guī)劃的建模機(jī)理。而機(jī)會(huì)陣?yán)走_(dá)需要解決的根本數(shù)理問題就是根據(jù)需求針對(duì)實(shí)時(shí)環(huán)境中非確定性因素進(jìn)行建模優(yōu)化求解，并作出動(dòng)態(tài)調(diào)整。已有針對(duì)機(jī)會(huì)陣?yán)走_(dá)方向圖綜合問題的研究主要體現(xiàn)三個(gè)方面，首先是不同平臺(tái)機(jī)會(huì)陣?yán)走_(dá)的數(shù)理建模及求解，機(jī)會(huì)陣?yán)走_(dá)由于是以平臺(tái)為核心的設(shè)計(jì)框架，因此不同平臺(tái)對(duì)應(yīng)的模型不同；其次是不同任務(wù)需求所需要建立的約束規(guī)劃模型不同，同一場(chǎng)景下對(duì)于任務(wù)根據(jù)需求可以是最小化主瓣寬度、可以是最小化節(jié)點(diǎn)數(shù)目、最小化旁瓣電平、或是多種情況兼而有之等；最后是模型中不確定因素的選取，不同任務(wù)需求及環(huán)境往往對(duì)應(yīng)不同的不確定參數(shù)，且有些不確定參數(shù)對(duì)模型的求解起決定性作用。目前針對(duì)機(jī)會(huì)陣?yán)走_(dá)方向圖綜合問題的研究，龔已給出了初步結(jié)論，但主要是針對(duì)初始位置固定的隨機(jī)陣元進(jìn)行優(yōu)選，應(yīng)用的平臺(tái)更適用于共形陣。而目前常規(guī)條件下的針對(duì)稀布陣方向圖綜合問題已有廣泛研究，其相關(guān)求解算法主要包括基于奇異值近似的矩陣束及其擴(kuò)展算法的數(shù)學(xué)解析法、基于遺傳、差分進(jìn)化、蟻群等啟發(fā)式的智能優(yōu)化求解算法、迭代傅里葉算法等。但是在針對(duì)機(jī)會(huì)陣?yán)走_(dá)動(dòng)態(tài)場(chǎng)景下含不確定性參數(shù)的方向圖綜合問題的建模及求解仍然需要深入研究，尤其是針對(duì)機(jī)會(huì)陣?yán)走_(dá)自身所具備靈活重構(gòu)的特點(diǎn)。因此本發(fā)明主要針對(duì)動(dòng)態(tài)多節(jié)點(diǎn)平臺(tái)的機(jī)會(huì)陣?yán)走_(dá)方向圖重構(gòu)問題提出一種有效的模型及求解算法。

技術(shù)實(shí)現(xiàn)思路

1、解決的技術(shù)問題：本發(fā)明的目的在于提供一種動(dòng)態(tài)多節(jié)點(diǎn)平臺(tái)的機(jī)會(huì)陣?yán)走_(dá)方向圖重構(gòu)方法，主要解決兩個(gè)方面問題：(1)傳統(tǒng)稀疏節(jié)點(diǎn)方向圖綜合在實(shí)際應(yīng)用時(shí)未考慮到動(dòng)態(tài)變化量的影響缺乏整體系統(tǒng)的魯棒性且不符合實(shí)際應(yīng)用的問題；(2)機(jī)會(huì)陣?yán)走_(dá)在動(dòng)態(tài)多節(jié)點(diǎn)平臺(tái)包含不確定因素時(shí)的方向圖重構(gòu)問題。

2、技術(shù)方案：

3、一種動(dòng)態(tài)多節(jié)點(diǎn)平臺(tái)的機(jī)會(huì)陣?yán)走_(dá)方向圖重構(gòu)方法，所述機(jī)會(huì)陣?yán)走_(dá)方向圖重構(gòu)方法包括以下步驟：

4、s1，根據(jù)實(shí)際需求，結(jié)合機(jī)會(huì)陣?yán)走_(dá)自身特性綜合可優(yōu)化目標(biāo)，設(shè)置一個(gè)或者多個(gè)任務(wù)需求；將包括最大重建誤差δ0、主瓣寬度最大誤差δ1、旁瓣電平最大誤差δ2在內(nèi)的誤差影響作為約束誤差；

5、s2，根據(jù)任務(wù)需求獲取最小可逼近面陣大小m×n；

6、s3，利用最小可逼近面陣建立漢克增廣矩陣；

7、s4，根據(jù)構(gòu)建的漢克增廣矩陣獲取誤差參數(shù)；

8、s5，求取可逼近面陣的范圍及重構(gòu)節(jié)點(diǎn)數(shù)目范圍；

9、s6，建立基于模糊機(jī)會(huì)約束規(guī)劃的動(dòng)態(tài)多節(jié)點(diǎn)方向圖綜合模型；

10、s7，采用多面陣逼近的矩陣束算法及模糊模擬技術(shù)求解動(dòng)態(tài)多節(jié)點(diǎn)方向圖綜合模型。

11、步驟s1中，任務(wù)需求包括最小化主瓣寬度、最小化旁瓣電平和最小化節(jié)點(diǎn)資源數(shù)目中的一個(gè)或者多個(gè)。

12、步驟s3進(jìn)一步包括：

13、構(gòu)建目標(biāo)采樣方向圖，在(u,v)平面內(nèi)對(duì)所有目標(biāo)方向圖進(jìn)行均勻采樣，采樣區(qū)間均為(-1,1)；若u、v軸采樣點(diǎn)個(gè)數(shù)分別為2m+1和2n+1，第p個(gè)目標(biāo)方向圖采樣點(diǎn)表示為：

14、

15、其中，和表示第n個(gè)陣元在坐標(biāo)軸上的橫縱坐標(biāo)，λ為波長(zhǎng)，wn為目標(biāo)方向圖重構(gòu)時(shí)n陣元的激勵(lì)；

16、構(gòu)建增廣矩陣xe：

17、

18、步驟s4進(jìn)一步包括：

19、對(duì)增廣矩陣xe進(jìn)行奇異值分解得到：

20、

21、式中，us和vs表示主瓣方向，vn和un表示旁瓣方向，上標(biāo)h代表共軛轉(zhuǎn)置，且：

22、σs＝diag(σ1σ2...σq)

23、σn＝diag(σq+1σq+2...σs)

24、式中，diag為構(gòu)造對(duì)角矩陣函數(shù)，σs為xe的非零奇異值，且σ1≥σ2≥…≥σs≥0，利用矩陣奇異值特性來定義方向圖逼近誤差ε：

25、

26、其中q為逼近誤差參數(shù)時(shí)中間參數(shù)。

27、步驟s5進(jìn)一步包括：

28、根據(jù)任務(wù)需求重構(gòu)方向圖逼近誤差ε≤ε0，得到理論最小重建節(jié)點(diǎn)數(shù)目q1：

29、

30、利用方向圖稀疏重構(gòu)稀疏度來定義最大重建節(jié)點(diǎn)數(shù)目，若取滿足要求最小面陣的90％則獲得最大重建節(jié)點(diǎn)數(shù)目q2：

31、

32、式中，表示向下取整；得出逼近面陣大小的上限m1×n1：

33、

34、步驟s6進(jìn)一步包括：

35、定義決策變量：

36、x＝[x1?x2...xn-1xn]

37、式中，xn表示第n個(gè)決策變量，若第一個(gè)決策變量為節(jié)點(diǎn)工作狀態(tài)，則決策變量x1表示為：

38、

39、xn＝0或1，n＝1,2,...,np-1,np

40、式中，np為第p個(gè)任務(wù)方向圖重構(gòu)可分配的最大節(jié)點(diǎn)數(shù)目；

41、定義模糊變量：

42、

43、式中，ξp為第p個(gè)任務(wù)方向圖重構(gòu)所需要的最小單元數(shù)目，ns為所有可用節(jié)點(diǎn)總數(shù)；

44、不確定環(huán)境的約束條件用以下不等式組表示：

45、

46、式中，上標(biāo)(p)代表第p個(gè)任務(wù)，δ是各個(gè)約束條件的誤差要求，δ0、δ1和δ2分別是最大重建誤差、主瓣寬度最大誤差和旁瓣電平最大誤差，err是重構(gòu)方向圖與期望方向圖的誤差，b(x1)為決策變量x1下重構(gòu)方向圖的主瓣寬度，bw為期望主瓣寬度，sl(x1)為決策變量x1下的最大旁瓣電平，sl為期望最大旁瓣電平，g0(x,ξ)…gj(x,ξ)分別表示實(shí)際應(yīng)用中遇到的約束；ξ1為第1個(gè)任務(wù)方向圖重構(gòu)所需要的最小單元數(shù)目；

47、得到動(dòng)態(tài)多節(jié)點(diǎn)機(jī)會(huì)陣?yán)走_(dá)模糊機(jī)會(huì)約束規(guī)劃的一般形式為：

48、

49、其中為極大化目標(biāo)函數(shù)的樂觀值，f(x,ξ)為目標(biāo)函數(shù)，f1(x,ξ)...fi(x,ξ)為實(shí)際情況中遇到的各個(gè)需求，為各個(gè)需求對(duì)應(yīng)的極大化目標(biāo)函數(shù)的樂觀值，i為需求的總數(shù)；β為目標(biāo)函數(shù)可信度要求；α為置信水平，使得約束條件成立；g(x,ξ)為模糊約束，x為決策向量，ξ為模糊向量。

50、步驟s6中，根據(jù)不同任務(wù)給出兩種不同的動(dòng)態(tài)多節(jié)點(diǎn)方向圖綜合模型：同時(shí)決策和分層決策模型；其中，同時(shí)決策模型為：

51、

52、其中err表示重建誤差，b(x)和sl(x)分別表示實(shí)際重構(gòu)后的主瓣寬度和重建電平；為極大化目標(biāo)函數(shù)的樂觀值；f(x,y,ξ1,ξ2)為目標(biāo)函數(shù)，包含兩個(gè)決策變量x和y；ns1為x軸上所有可用節(jié)點(diǎn)總數(shù)，ns2為y軸上所有可用節(jié)點(diǎn)總數(shù)；yn為節(jié)點(diǎn)工作狀態(tài)，yn＝0或1，ξ2為第2個(gè)任務(wù)方向圖重構(gòu)所需要的最小單元數(shù)目；

53、分層決策模型為：

54、

55、式中g(shù)(x,y,ξ)為x，y決策變量下的模糊約束。

56、步驟s7進(jìn)一步包括：

57、s71，利用漢克矩陣xe的特征解空間對(duì)模型事件及環(huán)境參數(shù)進(jìn)行轉(zhuǎn)化，對(duì)模型數(shù)據(jù)預(yù)處理，求取模型的重構(gòu)節(jié)點(diǎn)及逼近面陣的動(dòng)態(tài)范圍；

58、s72，置初始任務(wù)目標(biāo)值為f＝-∞；

59、s73，利用模糊模擬為模型產(chǎn)生不同面陣逼近的輸入數(shù)據(jù)，獲取可信度滿足給定要求可行面陣及節(jié)點(diǎn)數(shù)目；

60、s74，將滿足要求的數(shù)據(jù)代入模型，利用約束條件及mpm相關(guān)方法檢輸入數(shù)據(jù)的可行性；若可行，存儲(chǔ)模糊模擬的生成數(shù)據(jù)，并進(jìn)一步計(jì)算存儲(chǔ)當(dāng)前事件目標(biāo)值fn，如果f<fn，置f＝fn，否則返回步驟s72；

61、s75，重復(fù)步驟s72到s74至給定次數(shù)，所得f即為滿足給定置信度的目標(biāo)函數(shù)樂觀值，f對(duì)應(yīng)的模糊模擬生成數(shù)據(jù)即為需求滿足約束條件的解。

62、有益效果：

63、本發(fā)明的動(dòng)態(tài)多節(jié)點(diǎn)平臺(tái)的機(jī)會(huì)陣?yán)走_(dá)方向圖重構(gòu)方法，可以利用構(gòu)建的一般性模型及求解方法可以在不同任務(wù)需求下建立對(duì)應(yīng)的規(guī)劃模型，有效解決方向圖重構(gòu)問題在實(shí)際應(yīng)用時(shí)涉及的動(dòng)態(tài)環(huán)境影響造成的系統(tǒng)魯棒性問題，機(jī)會(huì)陣?yán)走_(dá)的節(jié)點(diǎn)資源及位置信息等可以實(shí)現(xiàn)隨環(huán)境任務(wù)而發(fā)生動(dòng)態(tài)調(diào)整，更加符合實(shí)際應(yīng)用，實(shí)現(xiàn)了機(jī)會(huì)陣?yán)走_(dá)的隨遇而變，即根據(jù)不同任務(wù)需求做到機(jī)會(huì)調(diào)整系統(tǒng)參數(shù)的特點(diǎn)，對(duì)今后機(jī)會(huì)陣?yán)走_(dá)涉及到的其它問題建模及求解提供了一定參考。