预警探测系统中雷达组网优化部署研究

杨阳

摘  要：雷达组网优化部署方案能够对紧急事件完成及时的预警和安排，快速发现异常问题，及时做出应急措施。文章通过概述雷达组网内容和优势，围绕多雷达、冗余度等因素探究预警探测系统中雷达组网优化部署方案，进而为创新预警探测系统结构提供支持，提升雷达组网技术能力，突出雷达部署的准确性和科学性。

关键词：预警探测系统;雷达组网;优化部署

中图分类号：TP391         文献标志码：A         文章編号：2095-2945（2020）31-0050-02

Abstract： The optimal deployment scheme of radar network can complete the timely early warning and arrangement for emergencies， quickly find abnormal problems， and make emergency measures in time. By summarizing the contents and advantages of radar networking， this paper probes into the optimal deployment scheme of radar networking in early warning detection system around the factors such as multi-radar and redundancy， so as to provide support for innovating the structure of early warning detection system， improve the technical ability of radar netting， and highlight the accuracy and scientific nature of radar deployment.

Keywords： early warning detection system; radar networking; optimal deployment

前言

预警探测系统主要是针对威胁目标完成识别、探测和跟踪操作，借助雷达技术及时获取最新数据，有效识别监测对象，可以应用于多种领域。因此，通过创新预警探测系统雷达组网部署策略，可以凸显监测工作准确性和合理性，能够提高区域监测水平和控制能力，优化预警探测系统性能，提升雷达组网水平。

1 雷达组网内容及优势

1.1 雷达组网概述

预警探测系统中涉及到遥控技术、传感技术，可以完成对目标的识别和定位，找寻其中危险因素并及时预警，便于找寻针对性解决措施。同时，在军事方面该系统能够及时获取敌方情报，做出快速反应，应用于雷达、卫星等设备中。雷达组网实际上是多个雷达设备连接构成的雷达信号覆盖区，由于其频段、平台、体制、极化形式具有差异性，因此部署过程综合性较强，能够完成数据信息共享，提升预警、识别、定位、探测功能的可靠性，完善系统功能。

1.2 雷达组网优势

1.2.1 抗干扰。雷达在工作中容易受到电磁波干扰，导致其强度被削弱，影响其识别、定位、探测等功能的发挥。例如，电子干扰属于一种电磁波信号，会借助调制干扰方式产生误导信号，影响雷达判断。而雷达组网相较于单台设备的优势较大，可以有效应对干扰问题，提升雷达信号强度，精准分辨误导信息。

1.2.2 快速识别隐身主体。单台雷达设备一般很难定位表面吸波材料、隐身材料，影响自身定位和探测功能的发挥，通常需要借助天线口径识别或完成辐射功率定位，但该过程会耗费大量资金。利用雷达组网能够提升其定位、探测水平，将其与干扰信号相互区分，了解监测目标的航迹、速度。此外，雷达组网的抗辐射导弹水平较高，不会被反辐射导弹定位，可以规避被打击的风险[1]。因此在应用雷达组网时，有必要科学部署和优化组网，提升预警探测系统的工作水平。

2 雷达组网优化部署研究

2.1 多雷达联合探测组网部署

2.1.1 部署种类。第一，线状部署。该模式能够结合目标可能入侵的轨迹完成线状部署，设置宽度一定的雷达警戒网，其中包含扇形和直线两种形式。该部署模式常见于边境、沿海、要地等区域，优势是具有大面积的正面监测区域，能及时定位入侵目标，为后续应急操作争取时间。第二，环形部署。通过将雷达装置设置在圆环上侧，可以提升数据传输效率，完成多角度搜索。该模式适用于入侵方向不确定情况，将重要保卫目标设置在圆环中央，进而实现防空警戒。第三，面状部署。该模式是指在相同高度上衔接相邻雷达，形成密实的雷达网。面状部署主要集中在战地附近，可以持续监控目标，为后续指挥作战提供帮助。该模式按照“三角形”原则进行部署，具有合理性、经济性、抗干扰性质，在主要进攻区域能提升雷达的密度，准确定位进攻规模。

2.1.2 蒙特拉罗测试方法。蒙特拉罗计算过程即随机抽样模式，是统计学和概率学的结合，具有实用性优势，可以准确模拟雷达组网情况。同时，随机抽样模式能解决多维度复杂问题，因此该方式属于可行性较强的数据模拟计算形式。在本课题中，结合多台雷达联合探测背景，构建雷达组网部署优化方案，借助随机抽样的方式计算目标函数，进而获取最优部署方案。经过测试得出，当测试概率超过0.9时，雷达组的探测面积最大，完成雷达之间的科学连接，可以模拟其探测过程，获取准确结果。因此，基于多雷达联合监测方式，构建组网部署优化模型，能够得出探测面积和仿真结果，该方法适用于雷达数量较少、型号单一的情况，可以准确计算探测面积，优化部署效率，并借助随机抽样方式提升常规雷达设置的精准性和直观性。

2.2 结合覆盖冗余度的雷达部署

2.2.1 雷达部署方案。在针对覆盖冗余度构建雷达组网模型时，应结合“一般性”部署原则，设置约束条件，进而过滤可行性较低的方案，降低部署寻优范围，突出部署寻优的方向性。在优化部署时应确保邻近雷达单元在垂直、水平层面上完成探测配合，使雷达网整体探测能力满足实际要求，因此有必要初步约束雷达单元垂直、水平探测威力，具体过程如下：其一，衔接系数。该数值主要判断某一高度水平探测威力，将雷达单元探测威力重叠面积设置为SCH，小半径雷达单元探测面积SrH的比值是KCH=，同时，若明确衔接系数后，能够获取邻近雷达单元的实际部署区域。其二，衔接高度。例如，在实战环境内，雷达网监测过程需要一并找寻低空、中空、高空目标。当前我国雷达设备种类较多，性能具有差异性。例如，分米波、厘米波雷达低空性较强，不过在高空区域优势较小;米波雷达高空探测能力显著，但是低空探测水平较低，因此在部署雷达组网时，需要综合多种雷达的优势，在低空、中空、高空区域实现雷达网的有效衔接[2]。

2.2.2 遗传算法。遗传算法是随机、高度并行、自动搜索的算法，实现个体和搜索策略的互动。遗传算法的主要应用过程如下：随机生成个体数固定的种群，对其进行初始化设置，并对升级问题开始编码;分析每一个个体的适应性，判断其优劣性，若满足要求选择最合适的个体。在利用遗传算法设计数学模型中的目标函数时，建议结合重点区域、警戒区域、雷达型号。依据实际要求明确KCH（衔接系数），结合该系数计算邻近雷达的实际部署间距，再借助遗传算法得出雷达实际位置，确保雷达组网后实现整体作战能力的最佳化[3]。

因此，通过二维码编码方式、遗传算法模式可以转化雷达位置点坐标，获取适应度函数进行模型设计。当模型组件完成后，建议借助科学的计算方法提升雷达网探测水平。例如，忽略地物、电子干扰情况，将探测区域设置为圆形结构，通过随机抽样方式获取探测面积、雷达网探测范围和雷达实际覆盖面积。因此，基于覆盖冗余度的优化部署方案侧重区域覆盖的严密性，提升雷达网的可靠性和稳定性，提高其抗干扰水平，借助遗传算法求解模型，获取最佳部署方案。

2.3 实战条件下雷达组网部署

2.3.1 数学模型构建。在实战条件下实现雷达组网的优化部署，可以使雷达网在某警戒区内完成最大化覆盖，并覆盖重点区域。控制覆盖冗余度，防止资源浪费和雷达同频相互影响的问题，获取最优的部署计划。因此若想优化部署方案应构建数学模型，由于量化系数越高，雷达组网性能越强。建议借助指标加权模式构建数学模型，数学模型公式为：F=k1ρ+k2？滓+k3？孜+k4τ，s·t·？兹=1，将两个公式联立得到模型方程。其中k1、k2、k3、k4属于加权系数，该数值需要结合战略意图、实际情况确定，同时k1+k2+k3+k4=1。若想使雷达网部署时可以最大程度地增加覆盖区域，建议提升k1的比重。此外应关注雷达网“四抗”水平，提高k1、k2、k3占比，若采取均衡战略方案，则k1、k2、k3、k4的数值均为0.25，可以契合基本作战要求。

2.3.2 模型约束。基于实际作战环境的雷达组网模型属于非线性的优化组合，因此近似最优解较多，在求解阶段十分复杂，若想提升其求解的能力，应增加模型限制条件。由于雷达上侧具有探测盲区，且型号不同其范围具有差异性。因此，在对雷达设备进行组网时，邻近的雷达间距不可过长，应相互发挥辅助作用。该约束过程表示为：r（i，j）

2.3.3 粒子群计算。粒子群优化模式又称PSO，属于进化、迭代的升级形式，其在计算阶段不会出现变异和交叉问题。每个粒子均属于监测空间的解，自身具备飞行速度，可以借助飞行经验完成动态调整。粒子可以在空间内相互合作，结合最优粒子找到最优解。该算法中粒子具有适应度，和适应度函数相关。利用该数值能够获取群体经验和个体经验，及时设置下次搜索方向。该算法的优势在于能完成数据共享，具有较强的方向性和收敛速度。

2.3.4 控制参数。粒子群控制参数和算法性能密切相关，例如w（惯性权重元素）、N（粒子数量）;c1、c2学习因子;r1、r2随机数;k迭代次数。在选择参数时需要围绕以下原则开展工作：（1）粒子数量。若待优化情况较为简单，粒子数量设置为20-40即可满足要求;若需要优化的问题难度较大，可以将粒子数量设置在100之上。（2）c1、c2学习因子中，c1能够控制粒子向自身方向靠近的步长，c2可以控制粒子向群体靠近的步长，二者综合后能体现出因子的学习效率。（3）惯性权重因子，通过调节其大小提升其搜索能力和开发水平。（4）粒子范围，结合待优化问题，建议依据适应度函数，设置维度范围。

2.3.5 结合数学模型使用粒子群算法。第一，明确算法设计步骤。设置数量是N的粒子群，将粒子个体的位置和速度完成初始化设置;结合适应度函数分析粒子数值，并存储位置信息，将其存储至pbest内;获取粒子更新位置和速度;判断粒子适应度值并选择最佳设置，将每次得出的最佳位置数据替换原始数据;判断粒子pbest，选择最优粒子。第二，设置适应度函数。计算粒子适应度值可以获取群体和个体的最优解，因此设置适应度函数十分重要，建议围绕“越大越好”的原则，提升雷达组网的“四抗”水平，科学设置控制参数，获得最优解和最佳部署方案。

3 结束语

综上所述，预警探测系统中雷达组网的优化部署可以提升系统识别和监测能力，彰显组网优势。将技术和数据充分结合，通过构建雷达组网优化部署模型配置雷达数量。并依据雷达网的严密性要求，基于冗余度、多雷達、实战环境层面完成雷达部署，提升其抗干扰能力、可靠性和稳定性，获取最佳优化部署方案。

参考文献：

[1]白钊铭，廖可非，欧阳缮，等.基于调度效益最大化的多功能组网认知雷达资源优化调度算法[J].科学技术与工程，2020，20（14）：5709-5714.

[2]谢明池.分布式组网雷达资源自适应管控算法研究[D].电子科技大学，2019.

[3]张杲旻，姜志敏，李永伟.预警机雷达探测性能评估与仿真分析[J].舰船电子对抗，2019，42（06）：69-75+111.