认知雷达技术及其发展研究

方案，而是采用自适应算法智能地选择波形参数从而适应射频环境。认知雷达能从环境中学习，智能地改变发射波形。认知技术是认识雷达的核心，也是其与常规雷达相比最大的区别。

认知雷达的关键技术包括：

（1）智能的信号处理。它建立在雷达通过与周围环境交互进行学习的能力之上，其主要任务是通过与环境的不断交互，获得并提高雷达对环境的认知。

（2）从接收机到发射机的反馈，这是智能的推进器。接收机截获雷达信号，经智能信息处理得到目标信息，然后将其反馈给发射机，使得发射机能够自适应调整发射信号，以期望提高整机性能。

（3）雷达回波数据的存储。通过更多雷达回波的积累效果，以提高雷达认知环境的精确程度，这是通过在跟踪期间使用贝叶斯目标探测方法实现的。

3 认知雷达的处理

3.1 认知雷达工作方式

图2描述了认知雷达的工作方式。

系统首先采用数据库根据先验目标信息来识别频段和感兴趣的子频段，指出目标可能响应的射频（图2a）内的谱区域。该数据库还用于存取已知的射频系统波形类型，从而令认知非线性雷达避免干扰其它射频系统以及被其它射频系统所干扰。

然后，系统无源地扫描射频环境，从而获取噪声、射频干扰和已知射频系统的波形（图2b）。然后根据由无源扫描获得的发射机和接收机频率上的射频干扰和噪声功率电平来选择雷达波形参数；同时系统还可以根据某种先验的目标信息（由数据库提供）选择雷达波形参数，为解决多目标优化难题，使用自适应算法选择雷达波形参数。

然后，雷达探测信号照射环境，再测量雷达回波（图2c）。

之后，处理测得的雷达回波，证实感兴趣的目标存在或不存在。

再根据下面三点为下一个循环选择新的雷达波形参数：射频干扰和噪声的无源测量；某种先验的目标和数据库信息；基于前一个循环的感兴趣目标的似然性。

因此，对一个给定的循环，新雷达波形的频率可以变到一个新子频带（图2d）上以验证感兴趣的目标。

3.2 认知雷达的处理构架

认知非线性雷达的处理框架见图3所示。

雷达系统组成包括多部接收机，对这些接收机进行编组，可分为两类：

（1）阵面无源频谱接收机。

（2）雷达接收机。无源频谱接收机感知射频环境，探测电磁干扰。系统采用多部无源接收机同时测量多个感兴趣波段。与采用单部无源接收机相比，采用多部无源接收机的优点在于减少了测量多个感兴趣波段的所需时间。频谱感知技术对噪声、干扰、工作在射频环境中的射频信号进行无源测量，以便雷达的发射机和接收机工作在这些预先存在的信号的波段之外。

选择了探测目标的合适波形之后，雷达接收机测量射频环境。从雷达接收信号中提取潜在的目标信息或特征。用目标特征（来自雷达接收机处理链）、干扰和噪声（来自无源接收机处理链）估算信噪比（SNR）。然后，用目标检测/分类算法和某种先验的目标信息对信噪比信号进行处理。根据目标检测似然性、噪声和干扰功率电平、允许的发射频率（如数据库指定的），优化发射波形参数（幅度、频率、相位、调制等），然后选择并发射波形。这一过程不断重复，直至高度确信目标出现或缺失。

3.3 频谱感知处理

频谱感知处理用于估算图3中无源频谱接收机提供的有限持续数据流的功率谱。该无源频谱接收机（含模数转换）提供信息的数字化数据流。

图4说明了频谱感知处理流程。由于采用快速傅里叶变换（FFT）有效计算了有限观察窗以及功率谱估计，所以，窗函数被用来减少谱泄漏或副瓣。然后，将功率谱与雷达接收机信息提取出的特征结合起来，估算目标检测和分类的信噪比。最后，采用一种信号检测技术来检测工作环境中的潜在通信和其它射频信号。该信号检测技术可采用访问数据库的方式获取已知射频系统波形类型。

3.4 目标检测与分类

图5说明了目标检测和分类技术的流程。

目标检测器的输入是谐波和/或互调失真乘积的信噪比估算。目标检测方法包括：匹配滤波器、贝叶斯决策理论、通用似然比测试（GLRT）、恒虚警率（CFAR）处理。

目标检测之后进行目标类型识别。常见的分类方法有贝叶斯鉴别函数、最近邻分类器、支持矢量机（SVM）、神经网络、基于树的算法、无人监管学习算法。

3.5 优化处理

目标检测和分类之后，根据频率信息、数据库提供的允许发射频率、以及频谱感知步骤给出的适用发射频率，采用优化器来确定新发射频率的参数以及其它波形参数。优化器根据雷达探测需求对多个目标函数进行优化。与雷达系统相关的目标函数，包括信噪比、系统功耗、頻率、所占带宽、计算的复杂性。与雷达系统相关的决策变量包括频率、信号功率、带宽、调制类型、脉冲重复间隔（PRI）。

多目标函数优化的实现方法之一是遗传算法。与其它机器学习方案相比，遗传算法有优势，因为它们不需要目标和/或环境的练习数据或统计模型。

遗传算法的基本步骤示于图6。首先，随机产生N个方案，采用适切性原则识别出群中最合适的染色体，这里，适切性测量取决于目标函数。然后，用交叉、突变的方法产生一个新的群，即下一代就形成了。对新群中的染色体，要评估其适切性，淘汰掉适应性程度低的解，经过多代迭代，最终评估一种中止条件，以确定新群满足优化过程的要求。

4 认知雷达的发展趋势

认知雷达作为一个崭新的发展方向，尚处于“幼年”阶段，全面、完善、实际的认知雷达还远没有变成现实。下面是若干需要进一步发展的领域：

（1）最优发射波形的设计和选择。如何根据雷达回波和先验知识等，确定相应的优化指标，采取高效、稳健的算法，自适应地设计、选择发射波形参数，直接决定着雷达的智能程度。

（2）数据挖掘和基于知识的推理。认知雷达具有存储器，如何从大量的传感器信号和“记忆”中挖掘出有效的信息并加以利用，是实现智能行为的关键。

（3）资源分配的最优化算法。在雷达波发射、计算、存储等环节，如何规划有限资源，对于多目标，如何设计、选择发射波同时探测不同特性的目标，使整个系统的性能达到最优，涉及到高效、稳健的最优化算法的研究。

（4）自适应波形的生成技术。

5 结束语

目前，国内外对认知雷达的研究都处于起步阶段，认知雷达的实际装备尚未见诸于报道。认知雷达是一门交叉学科，其研究工作良好有效的发展需要结合雷达专业技术人员和人工智能相关学科研究人员的共同努力。雷达专业人员可从事雷达技术指导和雷达仿真技术研究；人工智能相关专业人员，可从事运筹学、最优化算法、知识推理等研究。从长远发展来看，认知雷达的相关理论成果可推广到通信装备、导航装备、电子对抗装备等的智能化研究中，将对相关领域的发展具有巨大的促进作用。

参考文献

[1]S.Haykin.Cognitive radar：a way of the future[J].IEEE Signal Processing Magazine，2006，23（1）：30-40.

[2]E.Axell， G.Leus， E. Larsson，V.Poor. Spectrum Sensing for Cognitive Radio. IEEE Signal Processing Magazine，May，2012，29 （3）， 101-116.

[3]R.Duda，P.Hart，D.Stork， Pattern Classification；New York， NY：John Wiley & Sons，2001.

[4]C.Rieser，T.Rondeau，C.Bostian，T. Gallagher.Cognitive Radio Testbed： Further Details and Testing of a Distributed Genetic Algorithm Based Cognitive Engine for Programmable Radios.in Proceedings of the 2004 IEEE Military Communications Conference，vol.3，pp.1437-1443， November 2004.

作者单位

南京电子技术研究所 江苏省南京市 210039

相关热词搜索： 认知 研究 发展 技术