一种基于粒子群算法的脉冲序列去交错方法

周秀珍 张汉伟

摘要

本文提出了一种基于粒子群算法的脉冲序列去交错方法。该方法通过使用脉冲序列信息PA计算粒子群算法的惯性权重ω，通过粒子群算法预测脉冲序列中每个脉冲的全局最优解，结合脉冲序列的TOA信息最终实现脉冲序列去交错。在试验场景中对该方法进行仿真的结果表明，该方法可解决现有信号分选方法中两部雷达RF和DOA信息相同，且扫描包络交错时分选困难的难题，对复杂电磁环境下的信号分选研究具有实际参考意义。

【关键词】粒子群算法 去交错 脉冲序列信息PA

作为电子战领域的一项重要技术，雷达信号分选是ESM（电子支援措施）和ELINT（电子情报）的关键组成部分，面对日益严峻的高密度复杂电磁环境，脉冲序列的去交错能力更成了衡量信号分选方法是否适应现代电子战环境的一项重要指标。

传统的基于复杂电磁环境的信号分选算法有CDIF（累计差值直方图法）、SDIF（序列差值直方图法）、PRI变换法等方法，是基于TOA（脉冲到达时间）计算脉冲重复周期实现脉冲去交错的算法，在面对参差信号、抖动信号和抑制谐波等方面具有一定的局限性，需要研究新的脉冲序列去交错方法。

1 基于粒子群算法的脉冲序列去交错原理

在传统的脉冲去交错方法中，主要以RF和DOA进行预分选，构建PRI盒，然后对各PRI盒中的脉冲序列的TOA，利用CDIF、SDIF以及PRI变换法进行脉冲序列去交错。通常PA（幅度）不被认为是一个好的去交错参数。由于在一个包络中从一个脉冲到另一个脉冲的幅度变化并不是很大，如果幅度差异很大的相邻脉冲肯定不会来源于同一个辐射源。用脉冲幅度可以容易的实现信号的去交错。本文提出使用基于粒子群算法的预测方法，同时结合相应的脉冲幅度信息，进行脉冲序列的去交错处理。

假设粒子群在一个n维空间中搜索，由m个粒子组成种群Z={Z₁，Z₂，…，Z_m}，其中每个粒子所处的位置Z_i={z_i1，z_i2，…，z_im}都表示问题的一个解。粒子通过不断调整自己的位置z_i来搜索新解。每个粒子都能记住自己搜索到的最好解，记作p_id，以及整个粒子群经历过的最好的位置，即目前搜索到的最优解，记作p_gd。

脉冲序列的PA值对维持粒子的惯性起了关键性作用，脉冲的PA值越接近最大PA值，则粒子速度记性性越弱，粒子群越快收缩到当前全局最优值，即相邻脉冲PA值距离越小，属于同一脉冲序列的可能性就越大。

从上述分析可以看出，用PA作为粒子群算法的惯性权重系数ω，通过粒子群算法预测某个脉冲序列中每个脉冲的全局最优解，结合脉冲序列的TOA信息可以容易的实现脉冲序列的去交错。

2 基于粒子群算法的脉冲序列去交错算法流程

为寻找满足最优解的粒子位置，基于粒子群算法的脉冲序列去交错算法流程如下：

（1）粒子群的初始化。

初始化粒子群，给定聚类目标数目M，粒子数量m.对于第i粒子，先将每个样品随机指派为某一类，作为最初的聚类划分，并计算各类的聚类中心，作为粒子i的位置编码，计算粒子i的适应度，设置粒子i的初始速度为0。反复进行至生成m个粒子。

（2）根据初始粒子群得到粒子的个体最优位置P_id（i）（i-1，…，m）和全局最优位置P_gd。

（3）根据式（1）和（2）更新所有粒子的速度和位置。

其中η₁=2，η₂=2，ω按式（3）取值，iter為当前迭代次数，itermax为最大迭代次数。

（4）对每个样品，根据粒子的聚类中心编码，按照最近邻法则，来确定该样品的聚类划分。

（5）对每个粒子，按照相应聚类划分，计算新的聚类中心，更新粒子的适应度值。

（6）对每个粒子i，比较它的适应度值和它经历过的最好位置的适应度值p_id（i），如果更好，更新p_id（i）。

（7）对每个粒子i，比较它的适应度值和群体所经历的最好位置的p_gd的适应度值，如果更好，更新p_gd。

（8）如果达到结束条件（得到足够好的位置或最大迭代次数），则结束算法，输出全局最优解;否则转c继续迭代。

3 仿真结果与分析

为了检验本方法的有效性，采用仿真数据进行分析，仿真数据来源于实际复杂电磁环境中传统方法进行去交错失败的脉冲序列。

如图1所示，在同一时间段，两个雷达脉冲序列存在交错的情况，两部雷达为同型雷达，频率和方位参数相同，重复间隔的抖动量达到38%。若采用传统的分选方法分析，很难达到去交错的目的。采用本方法后，两个交叠的序列分离开，达到了去交错的目的。

如图2所示，在复杂的电磁环境下，同一时间段的两个雷达脉冲序列存在交错，其中一个雷达脉冲序列是由主瓣加副瓣构成。采用本方法后，不仅可以将交错的序列分开，而且可以将副瓣去除，仅保留主瓣，这是传统分选方法无法做到的。

4 结论

本文提出了一种基于粒子群算法的脉冲序列去交错方法。它是一种使用脉冲序列信息PA计算粒子群算法的惯性权重ω，通过粒子群算法预测脉冲序列中每个脉冲的全局最优解，结合脉冲序列的TOA信息最终实现脉冲序列去交错的方法。仿真结果表明，该方法可解决现有信号分选方法中两部雷达RF和DOA信息相同，且扫描包络交错时分选困难的难题。该方法所采用的粒子群算法具有构造简单、不存在随机寻优的退化现象，具有后期收敛比较平稳且收敛速度快的特点，对复杂电磁环境下的信号分选研究具有实际参考意义。

参考文献

[1]刘建华.粒子群算法的基本理论及其改进研究[D].长沙：中南大学，2009.

[2]KENNEDY J，EBERHART R.Particle swarmoptimization[C].InternationalConference on Neural Networks，Perth，Australia：IEEE，1995：1942-1948.