认知雷达基础概念与核心理念总结
一、认知雷达的基础概念与核心理念认知雷达是一种全新的雷达技术范式由 Haykin 和 Guerci 提出借鉴了与知识相关的心理能力和认知过程的特性核心理念是通过发射机与接收机之间持续且协调的反馈让传感器算法根据实际运行环境和外部响应动态调整以此提升雷达系统性能1。 认知雷达的核心特征包括自适应性能够随信息变化、目标和需求演进学习容忍不可预测性1记忆性记住过往经验和与环境的交互在合适的时间返回适配特定应用的信息1上下文感知能够识别提取上下文元素可利用环境数据库、传感器输入等多种信息来源1智能决策具备决策机制充分利用收发链路的闭环反馈决定系统动作1。认知雷达架构和经典自适应雷达的区别在于经典自适应雷达仅存在从发射机到环境再到接收机的单向信号流而认知雷达形成了闭环使发射机能通过环境接收间接控制同时架构依靠动态数据库存储器存储环境知识补充反馈过程的信息共享1。数据库中存储的知识包括照射区域的地理特征、叠加辐射源的电磁特性、其他传感器的数据等1。二、基于部分可观测马尔可夫决策过程 POMDP 的预期认知实现POMDP 的基础逻辑 POMDP 是实现认知雷达预期过程的经典建模方式动作选择同时基于对系统当前状态的感知以及对未来系统演化的预期目标是在决策周期内最大化累积奖励由于真实系统状态无法直接观测控制器会基于历史动作和观测以概率分布形式维护对系统状态的信念最优策略将信念状态映射为最大化期望奖励的动作2。POMDP 本身集成了三种核心认知过程记忆与感知信念状态是基于全部动作-测量历史对部分可观测系统状态的解释是 POMDP 的核心2动作基于历史记忆和当前对状态的感知选择最优动作是 POMDP 的核心任务2预期当决策时间范围远大于 1 时 POMDP 会推理未来预期获得的奖励并以此选择动作这种对未来奖励的推理就是一种认知过程对应传感器管理中的非近视考虑未来管理区别于仅考虑当前的近视管理2。求解方法 POMDP 的最优解通常难以求解多采用近似解法分为离线和在线两类离线算法部署前预先针对所有可能信念状态计算策略依赖信念价值函数分段线性凸的特性用 a-向量表示更适合离散系统针对雷达的连续状态空间需要额外离散化现有算法计算量大扩展性较差2。在线算法部署后根据当前信念在线计算策略仅需探索当前信念可到达的未来信念树通过剪枝、滚动展开策略推出、信念值近似、奖励替代等方法近似求解 Q 值更适配雷达这类连续测量的场景2。 其中策略展开 Rollout 是常用的近似方法用遵循人工设计的基础策略得到的预期值替代最优策略下的未来预期值只需要比较候选动作的相对排序即可选出最优动作能有效降低计算量2。雷达目标跟踪应用实例将基于策略展开的 POMDP 应用于含遮挡区的目标跟踪场景目标是选择雷达测量间隔在保证跟踪估计精度的同时最小化资源消耗场景设定机载雷达跟踪匀速目标目标会进入一段已知边界的不可观测遮挡区域2仿真结果和传统自适应跟踪相比 POMDP 能够提前预判遮挡在目标进入遮挡前主动增加测量次数、优化轨迹精度遮挡后能大幅降低轨迹丢失概率避免了传统方法丢失轨迹后重新初始化带来的高额资源消耗2。三、典型认知雷达信号处理应用1. 认知 MIMO 雷达发射波束图形成共址 MIMO 雷达相比传统雷达在发射波束形状调整上具备更高灵活性适配认知雷达根据环境动态调整波束的需求若检测到特定方向存在非期望回波杂波或无威胁目标可调整波束在对应方向降低增益抑制干扰也可以自适应交织多波束跟踪和搜索提升多功能性1。实际中会考虑导向矢量失配的不确定性通过带约束的鲁棒优化设计波形协方差矩阵能够在最坏情况下获得比传统方法更低的峰值旁瓣电平实现聚焦波束、抑制旁瓣、设置角度零点的认知适配性能显著优于传统非鲁棒设计方法1。2. 认知恒虚警率 CFAR 处理传统自适应 CFAR 处理假设待测单元和邻近训练单元杂波特性一致但实际中训练数据常被杂波异常值污染导致性能下降。认知 CFAR 利用认知框架解决该问题结合前瞻预测信息、存储的环境知识 DTEM 地形数据、历史经验、 GIS 地理信息、电磁模型、系统校准信息等自适应筛选训练数据1。 典型架构 KA-RP-ANMF 分为三步首先基于知识筛选地形和测试单元匹配的次级单元再通过自适应算法剔除动态异常值最后用递归对称自适应归一化匹配滤波器做最终检测。实测数据验证显示该方法虚警次数远低于传统方法在低信杂比条件下也能保证良好的检测性能1。3. 基于多先验谱模型的目标检测该方法从认知视角出发利用前瞻信息、环境知识从存储的多种干扰协方差先验模型中选择适配当前场景的模型组合估计实际干扰协方差矩阵能够在训练样本量有限的情况下保持良好检测性能1。该思路设计的两种检测器 GLRT-1 、 GLRT-2 性能显著优于传统的 AMF 、凯利广义似然比检验且采用的模型越多性能越好 GLRT-1 性能更优 GLRT-2 计算复杂度更低能有效弥补传统自适应结构在有限样本下的性能损失1。四、其他认知雷达研究方向知识库中提及的认知雷达其他研究方向还包括认知脉冲重复频率自适应跟踪、认知检测器阈值学习、雷达与通信频谱共存共享、认知雷达网络、车载雷达回声流感知、认知波形调度、无人机路径规划等
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2449728.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!