基于双互信息准则的雷达自适应波形设计方法

doi:10.12068/j.issn.1005-3026.2019.12.004

东北大学学报:自然科学版 ›› 2019, Vol. 40 ›› Issue (12): 1690-1694.DOI: 10.12068/j.issn.1005-3026.2019.12.004

基于双互信息准则的雷达自适应波形设计方法

辛凤鸣¹，汪晋宽²，王彬¹，李梅梅¹

(1.东北大学秦皇岛分校计算机与通信工程学院，河北秦皇岛066004;2.东北大学信息科学与工程学院，辽宁沈阳110819)

收稿日期:2018-12-05 修回日期:2018-12-05 出版日期:2019-12-15 发布日期:2019-12-12
通讯作者: 辛凤鸣
作者简介:辛凤鸣(1984-)，男，吉林通化人，东北大学讲师，博士；汪晋宽(1957-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(61601109)；中央高校基本科研业务费专项资金资助项目(N182304022)；河北省自然科学基金资助项目(F2018501051).

Adaptive Radar Waveform Design Based on Dual Mutual Information Criterion

XIN Feng-ming¹， WANG Jin-kuan²， WANG Bin¹， LI Mei-mei¹

1. School of Computer and Communication Engineering， Northeastern University at Qinhuangdao， Qinhuangdao 066004， China; 2. School of Information Science & Engineering， Northeastern University， Shenyang 110819， China.

Received:2018-12-05 Revised:2018-12-05 Online:2019-12-15 Published:2019-12-12
Contact: XIN Feng-ming
About author:-
Supported by:
-

摘要/Abstract

摘要： 自适应波形优化技术是认知雷达的关键技术之一，通过优化发射波形能够提高雷达系统性能.针对目标检测问题，在杂波环境下，提出一种基于双互信息优化准则的自适应波形优化方法.该方法同时以接收信号与目标冲激响应之间的互信息最大和接收信号与杂波冲激响应之间的互信息最小为优化准则，在发射信号能量有限的约束条件下，建立优化模型，通过最大边缘分配算法求解最优波形.仿真结果表明，相对于固定波形，所提方法优化发射波形能够提高目标检测性能.

关键词: 认知雷达, 波形设计, 互信息, 信息熵, 最大边缘分配算法

Abstract: Adaptive waveform optimization technology is one of the key technologies of cognitive radar， which can improve the performance of radar systems. For the target detection， an adaptive waveform design method based on dual mutual information (DMI) criterion was proposed in the clutter environment. The mutual information (MI) was maximized by the proposed method between the received signal and the target impulse response while the mutual information could be minimized between the received signal and clutter impulse response. With the transmitted signal energy constraint， the optimization model for optimal waveform was established， and the optimal waveform was solved by the maximum marginal allocation algorithm (MMA). The simulation results demonstrate the validation of the proposed method.

Key words: cognitive radar, waveform design, mutual information, entropy, maximum marginal allocation algorithm

中图分类号:

TP911.2

辛凤鸣，汪晋宽，王彬，李梅梅. 基于双互信息准则的雷达自适应波形设计方法[J]. 东北大学学报:自然科学版, 2019, 40(12): 1690-1694.

XIN Feng-ming， WANG Jin-kuan， WANG Bin， LI Mei-mei. Adaptive Radar Waveform Design Based on Dual Mutual Information Criterion[J]. Journal of Northeastern University Natural Science, 2019, 40(12): 1690-1694.

参考文献

[1]Haykin S.Cognitive radar:a way of the future［J］.IEEE Signal Processing Magazine，2006，23 (1):30-40.
[2]Bell M R.Information theory and radar waveform design［J］.IEEE Transactions on Information Theory，1993，39(5):1578-1597.
[3]Leshem A，Naparstek O，Nehorai A.Information theoretic adaptive radar waveform［J］.IEEE Journal of Selected Topics in Signal Processing，2007，1(1):42-55.
[4]Goodman N A，Venkata P R，Neifeld M A.Adaptive waveform design and sequential hypothesis testing for target recognition with active sensors［J］.IEEE Journal of Selected Topics in Signal Processing，2007，1(1):105-113.
[5]Romero R A，Goodman N A.Waveform design in signal-dependent interference and application to target recognition with multiple transmissions［J］.IET Radar Sonar and Navigation，2009 3(4):328-340.
[6]Romero R A，Bae J，Goodman N A.Theory and application of SNR and mutual information matched illumination waveform［J］.IEEE Transactions on Aerospace and Electronic Systems，2011，47(2):912-927.
[7]Kim H S，Goodman N A，Lee G K，et al.Improved waveform design for radar target classification［J］.IET Electronics Letters，2017，53(13):879-881.
[8]Zhu Z，Kay S，Raghavan R S.Information-theoretic optimal radar waveform design［J］.IEEE Signal Processing Letters，2017，24(3):274-278.
[9]Yao Y，Zhao J，Wu L.Cognitive radar waveform optimization based on mutual information and Kalman filtering［J］.Entropy，2018，20(9):653-666.
[10]Kay S.Waveform design for multistatic radar detection［J］.IEEE Transactions on Aerospace and Electronic Systems，2009，45(3):1153-1165.
[15]关守平，房少纯.一种新型的区间-粒子群优化算法［J］.东北大学学报(自然科学版)，2012，33(10):1381-1384.(Guan Shou-ping，Fang Shao-chun.A new interval particle swarm optimization algorithm ［J］，Journal of Northeastern University(Natural Science)，2012，33(10):1381-1384.)

[1]	李占山，杨云凯，张家晨. 基于熵权法的过滤式特征选择算法[J]. 东北大学学报（自然科学版）, 2022, 43(7): 921-929.
[2]	张子璠，李强，刘汉文，丁然. 基于信息熵的城轨车辆应变传感器优化布置[J]. 东北大学学报:自然科学版, 2020, 41(3): 367-374.
[3]	李占山，吕艾娜. 基于新冗余度的特征选择方法[J]. 东北大学学报:自然科学版, 2020, 41(11): 1550-1556.
[4]	赵文丹，汪定伟. 基于信息熵的Push/Pull策略下供应链不确定性[J]. 东北大学学报:自然科学版, 2019, 40(4): 457-461.
[5]	郑一峰，李龙，房玮，高欣. 基于信息熵-未确知测度理论的公路桥梁耐久性评价[J]. 东北大学学报:自然科学版, 2014, 35(8): 1206-1211.
[6]	苗长胜，原常青，王兴伟，常桂然. 基于互信息和文化基因算法的网络流量特征选择[J]. 东北大学学报:自然科学版, 2014, 35(11): 1530-1533.
[7]	潘晓光;李宏;康雁;刘积仁;. 双向梯度归一化互信息医学图像配准方法[J]. 东北大学学报(自然科学版), 2012, 33(8): 1107-1110.
[8]	车成逸;马宗民;焦晓龙;. Web表格中本体实例自动获取方法[J]. 东北大学学报(自然科学版), 2012, 33(3): 332-335.
[9]	李鹤;张杰;张磊;闻邦椿;. 起重机械制动器可靠度的不确定性分析[J]. 东北大学学报(自然科学版), 2011, 32(9): 1295-1298.
[10]	戢守峰;黄英健;何家强;张川;. 基于指数加权分位数回归预测的CPFR成本模型[J]. 东北大学学报(自然科学版), 2011, 32(7): 1053-1056.
[11]	刘冲;赵海滨;李春胜;王宏;. 基于CSP与SVM算法的运动想象脑电信号分类[J]. 东北大学学报(自然科学版), 2010, 31(8): 1098-1101.
[12]	王丹;. 基于信息熵和DEA的企业技术创新能力评价方法[J]. 东北大学学报(自然科学版), 2010, 31(5): 741-745.
[13]	支力佳;张少敏;赵大哲;赵宏;. 基于灰度共生矩阵和梯度相位互信息的医学图像检索[J]. 东北大学学报(自然科学版), 2010, 31(3): 358-361+365.
[14]	魏玉兰;颜云辉;李兵;董德威;. 结合邻域信息的带钢表面明暗域缺陷图像配准[J]. 东北大学学报(自然科学版), 2010, 31(11): 1619-1622.
[15]	黄海龙;王宏;郭璠;张金峰;. 一种基于数学形态学的多形状多尺度边缘检测算法[J]. 东北大学学报(自然科学版), 2010, 31(10): 1483-1486.

基于双互信息准则的雷达自适应波形设计方法

Adaptive Radar Waveform Design Based on Dual Mutual Information Criterion

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价