随着人类对宇宙空间的不断探索、开发和利用,电磁信号环境日益复杂,对雷达性能的要求越来越高,传统波形选择算法比较单一,无法满足实际的需要。针对这一问题,本项目设计了基于自适应动态规划的波形优化器,是认知雷达关键技术研究中的一个重要课题,包括环境参数的辨识、目标函数的构造、波形选择及波形优化等问题,并获得了一系列的研究成果。首先研究了复杂电磁环境下信号特征参数的提取方法;在此基础上,提出了波形选择问题的动态规划模型。该模型能够反映出雷达发射不同波形和检测不同目标时的代价差异,为动态规划方法在波形选择问题中的应用提供了理论基础;基于此模型,提出了基于动态规划的最优波形选择算法,从而能够得到最优波形序列;当状态空间和波形空间较大时,给出了基于Q学习的波形选择算法,提高了计算效率,避免计算状态观测转移概率;为了实现智能的认知雷达,需要同时考虑检测任务和估计任务,提出了基于互信息的最优波形设计算法,给出了认知雷达发射波形的设计准则。本项目的研究成果可以为未来的雷达系统和通信系统提供理论依据和技术储备,为军事、航天和通信等领域的应用提供有效工具。
英文主题词Environmental cognition; Adaptive Dynamic Programming; Waveform Optimization