1.一种动态环境下基于预测的组网雷达优化天线配置方法，包括以下步骤：步骤1、采用卡尔曼滤波的预测模型，根据t 1 之前的多个时刻天线优化配置方案，预测出t 1 时刻天线配置方案；S1.1、针对t 1 之前的多个时刻的环境，采用已有的天线优化配置方法求得每个时刻的最优天线配置方案；S1.2、利用已确定时刻的最优天线配置方案，建立t 1 -1时刻的状态向量；S1.3、利用t 1 -1时刻状态向量，采用卡尔曼滤波的预测模型，预测t 1 时刻天线配置方案状态向量；步骤2、将粒子群优化算法的初始粒子群随机初始化于预测的t 1 时刻天线配置方案状态向量周围；步骤3、用粒子群优化算法在变量空间中搜索求得最优天线配置方案；确定某一粒子是否被其余粒子支配的方法为：以监视区域的覆盖率作为监视性能的目标函数，比较两个粒子的各监视区域目标函数值，若某个粒子的所有监视区域的目标函数值大于等于另一个粒子相对应的目标函数值，则称另一个粒子被这个粒子所支配；首先建立用于存储非支配粒子的外部档案集，并从初始粒子群中挑选出互不支配的粒子存储到外部档案集，并随机挑选一个粒子作为全局最优粒子，该粒子的位置为 这里的支配指的是Pareto支配；每一个迭代周期更新所有粒子的速度和位置：式中w(l)是惯性权重，随着迭代周期的增加而衰减，其迭代公式表示为：w(l)＝0.9-0.5*(l/l max )，l max 为迭代周期的最大值，c 1 和c 2 为加速度常数，r 1 和r 2 是在[0,1]内均匀分布的随机实数， 和Φ i (l)代表第i个粒子在第l个迭代周期内的速度和位置，其中，所有粒子速度不超过V max ， 表示第i个粒子的历史最优位置， 表示全局粒子的最优位置；每次迭代后，首先计算外部档案集中各粒子是否被新迭代出的粒子支配，删除被支配的外部档案集中的粒子；然后计算新迭代出的粒子中与外部档案集中粒子关系，与外部档案集内的粒子互不支配，则被加入外部档案集；直到达到最大的迭代次数，确定最终的外部档案集；根据当前实际情况从外部档案集中选择出一个粒子，作为t 1 时刻实际天线配置方案；步骤4、用步骤3求得的外部档案集中的站点配置方案，结合卡尔曼滤波，对预测模型进行修正；S4.1、根据实际情况从外部档案集中选择出多个粒子；S4.2、计算第t 1 时刻预测误差互相关矩阵为 A即为状态转移矩阵，Q为过程噪声， 为第t 1 -1时刻修正后预测误差互相关矩阵；S4.3、计算卡尔曼增益矩阵为 其中H为观测矩阵，R为观测噪声矩阵；S4.4、结合S4.1选择出多个粒子 对t 1 时刻的站点配置方案进行修正：其中： 表示第t 1 时刻修正后的状态向量， 表示未加修正的状态预测向量；S4.5、对状态误差互相关矩阵的修正为：其中：E表示单位矩阵。
2.如权利要求1所述的一种动态环境下基于预测的组网雷达优化天线配置方法，其特征在于所述步骤1中采用已有的天线优化配置方法求得前三个时刻的最优天线配置方案；预测出第四时刻天线优化配置方案，具体操作方法为：第三时刻天线配置方案的状态向量为：其中 和 分别为第一、第二、第三时刻的天线最优配置方案中各天线位置， 和 分别为第三时刻的天线移动趋势的速度和加速度；则对第四时刻的天线配置方案的站点位置进行估计： 表示第四时刻的天线配置方案状态向量， 为状态转移矩阵。
3.如权利要求1所述的一种动态环境下基于预测的组网雷达优化天线配置方法，其特征在于所述步骤S4.1中从步骤3得到的外部档案集中选择出最优的粒子的方法为：从t 1 时刻外部档案集中选择出与粒子Q欧氏距离最小的粒子，其中粒子Q属于从t 1 -1时刻外部档案集中选择出的粒子。
4.如权利要求2所述的一种动态环境下基于预测的组网雷达优化天线配置方法，其特征在于所述步骤2具体方法为对估计出的第四时刻各天线位置的周围划定一个方形或圆形邻域，邻域大小根据实际情况决定，各站点邻域的总和为第四时刻的天线位置邻域，将初始粒子群随机初始化于第四时刻的天线位置邻域中并随机初始化粒子的初始速度。
转果果小程序
转果果公众号