论文部分内容阅读
海面上反射回来的不需要的杂波就被称为海杂波。海杂波的存在对雷达的目标检测、定位跟踪的性能都将产生影响,因此,在海杂波为主要干扰源的情况下,有必要对雷达探测区域内的海杂波特性进行分析,建立准确的海杂波模型,一方面可以为雷达系统仿真提供逼真的杂波环境的模型;另一方面则有助于雷达杂波滤波器的设计和实现,提高抑制杂波的能力,提高雷达的探测性能。因此,海杂波的建模与仿真具有实际意义。粒子群优化(Particle Swarm Optimization, PSO)算法是一类启发式随机全局优化技术,是一种基于群智能方法的演化计算技术。PSO算法通过粒子间的相互作用发现复杂搜索空间中的最优区域。PSO的优势在于只涉及简单计算,易于实现,适用范围广泛。本文介绍了基本的PSO算法及若干类改进的PSO算法。所谓海杂波的建模,就是要产生同时具有某种特定的概率密度(PDF)和功率谱密度(PSD)的随机序列来就可以了。目前有两种方法比较成熟:一种是球形不变随机过程法(Spherically Invariant Random Process, SIRP),另一种是无记忆非线性变换(Zero Memory Nonlinearity, ZMNL)。本文主要采用无记忆非线性变换法对各种幅度分布的海杂波进行建模仿真,并给出仿真结果。又通过对ZMNL方法的分析,结合海杂波幅度分布和频谱分布的特点,将海杂波的产生过程简化为一个线性滤波器的参数优化的问题,进而引入粒子群优化算法,通过对滤波器参数进行优化,使最终仿真结果更好的接近理想杂波。仿真实验证明,将粒子群优化算法应用到海杂波的产生过程中去,完全可行。