一种雷达波形捷变中正交泰勒四相编码信号的搜索方法
【专利摘要】本发明涉及一种雷达波形捷变中正交泰勒四相编码信号的搜索方法。其设计方法是：提出了基于遗传算法的多约束的适应度准则：通过计算码型的自相关主副比和不同码型之间互相关模值的最大值倒数，对二者采用自适应尺度因子加权后求和，作为码型选择的适应度准则，即构成适应度函数。通过搜索适应度函数值最大的二相编码信号来产生随机二相码型，码型具有很好的自相关性，同时不同码型之间具有一定的非相关性，即得到若干组正交二相码型。正交二相码经过二相-四相变换得到正交的泰勒四相码信号。本发明使雷达可以通过在不同工作周期交替发射不同的正交波形来实现波形捷变，提高雷达的抗干扰能力。
【专利说明】一种雷达波形捷变中正交泰勒四相编码信号的搜索方法
【技术领域】
[0001]本发明属于雷达信号处理领域中波形优化设计，优化搜索正交码型，应用于雷达抗干扰，提高雷达在复杂战争环境中的生存能力。
【背景技术】
[0002]近年来，随着综合电子干扰技术的发展，为了提高雷达在复杂战争环境中的生存能力，降低雷达信号被敌方截获、识别的概率，雷达发射波形的设计成为雷达系统设计的一个重要内容。多部同频雷达同时工作时发射信号容易相互干扰，通过发射相互(准)正交的波形是一种很好的解决途径。正交信号之间应具有好的自相关和互相关特性。对于多个正交的波形，雷达可以通过在不同工作周期交替发射来实现波形捷变，提高雷达的抗干扰能力。
[0003]相位编码信号具有良好的抗干扰性和隐蔽性、高测量精度以及通信中可多址复用等优点，搜索多组正交相位编码信号的理论已经得到了很多发展。比如借助神经网络、遗传算法及模拟退火算法进行相位编码的优选，用混沌现象来产生随机的相位编码等。同时也有很多文献给出了基于改进的遗传算法或者遗传算法与模拟退火算法相结合的正交相位编码信号设计方法。本发明采用了遗传算法，但是提出了多约束的适应度准则:通过计算码型的自相关主副比和不同码型之间互相关模值的最大值倒数，对二者采用自适应尺度因子加权后求和，作为码型选择的适应度准则，即构成适应度函数。通过搜索适应度函数值最大的二相编码信号来产生随机二相码型，码型具有很好的自相关性，同时不同码型之间具有一定的非相关性，即得到若干组正交二相码型。正交二相码经过二相-四相变换得到正交的泰勒四相码信号。
【发明内容】
[0004]本发明的目的在于提供一种正交泰勒四相编码信号搜索方法。泰勒四相编码信号，它由所选择的二相码经过所谓的二相-四相变换得到，它的优劣很大程度上依赖于其二相原码型，因此关键在于二相编码信号的搜索。二相编码信号有巴克码、M序列码、L序列码及随机序列码等，巴克码具有最出色的主副比特性，但是码型长度受限。M序列码和L序列码通常来说也是理想的码型，但是由于考虑到码型捷变，很难找到多组正交的码型。
[0005]本发明采用遗传算法搜索正交二相编码信号，其主要特点是采用不依赖于梯度信息搜索的遗传算法，利用群体搜索策略和群体中个体之间的信息交换，搜索得到正交二相编码信号；重点在于提出了基于遗传算法的多约束的适应度准则:通过计算码型的自相关主副比和不同码型之间互相关模值的最大值倒数，对二者采用自适应尺度因子加权后求和，作为码型选择的适应度准则，即构成适应度函数。通过搜索适应度函数值最大的二相编码信号来产生随机二相码型，码型具有很好的自相关性，同时不同码型之间具有一定的非相关性，即得到若干组正交二相码型。下面结合附图对本发明作进一步详细描述。【专利附图】
【附图说明】
[0006]附图1是遗传算法流程图。
[0007]附图2是四相编码信号产生原理框图。
[0008]附图3是码型捷变的抗干扰效果。
【具体实施方式】
[0009]本发明基于遗传算法，搜索得到正交泰勒四相相编码信号组。具体实施步骤如下:
1、适应度函数的计算
适应度/是遗传算法中衡量个体优劣的尺寸，选取n个二相码使之满足多目标函数的约束:
【权利要求】
1.一种雷达波形捷变中正交泰勒四相编码信号的搜索方法，其特征在于: (1)采用不依赖于梯度信息搜索的遗传算法，利用群体搜索策略和群体中个体之间的信息交换，搜索得到正交二相编码信号； (2)基于遗传算法，提出了多约束的适应度准则:通过计算码型的自相关主副比和不同码型之间互相关模值的最大值倒数，对二者采用自适应尺度因子加权后求和，作为码型选择的适应度准则，即构成适应度函数。
2.一种根据权利要求1所述的雷达波形捷变中正交泰勒四相编码信号的搜索方法，其特征在于所述正交二相编码信号的搜索过程: (1)随机产生若干组二相编码序列，即O，I序列，每组为遗传算法的一个个体； (2)对二相编码序列进行二进制编码，进行适应度函数值的计算； (3)采用“赌轮盘”的方式根据适应度函数值来选择优良的个体，同时将适应度最高的个体直接复制到下一代，保证最佳个体在遗传过程中不丢失； (4)采用交叉方法来产生新个体，就是将两个个体的部分字符互相交换； (5)在交叉后的种群中进行变异，即把某一位的内容进行变异，变异需要和交叉操作妥善配合使用，目的是挖掘群体中个体的多样性，克服有可能陷于局部解得弊病； (6)当完成设定迭代次数或得到期望的适应度函数值时，将最优个体取出，算法结束，否则，回到步骤2。
【文档编号】G01S7/36GK103592636SQ201310584521
【公开日】2014年2月19日 申请日期:2013年11月20日 优先权日:2013年11月20日
【发明者】李颖, 李赛辉 申请人:中国船舶重工集团公司第七二四研究所