發(fā)布時間：2020-11-21 18:38

　　 智能化雷達在現(xiàn)有雷達技術(shù)的基礎(chǔ)上,利用人工智能技術(shù)及先進的信號處理技術(shù),賦予雷達自主的感知、決策、學習、執(zhí)行和協(xié)作能力,從而提升其對復(fù)雜環(huán)境的感知能力及對目標的探測能力。文中針對人工智能驅(qū)動下的雷達技術(shù)發(fā)展問題,首先,分析了人工智能技術(shù)在雷達系統(tǒng)中的應(yīng)用現(xiàn)狀;然后,結(jié)合人工智能技術(shù)以及雷達信號處理技術(shù)的發(fā)展,從大數(shù)據(jù)、多平臺協(xié)同、多源信息融合、人機混合增強以及自主智能感知等方面對人工智能驅(qū)動下的雷達發(fā)展趨勢進行探討;最后,結(jié)合人工智能驅(qū)動下的雷達發(fā)展趨勢,提出了有針對性的發(fā)展建議,并進行總結(jié)。
【部分圖文】：

1．1認知雷達系統(tǒng)加拿大HAYKIN［5］提出認知雷達的概念，其提出的認知雷達系統(tǒng)架構(gòu)如圖1所示，主要技術(shù)特征包括:1)接收處理端與發(fā)射端具有反饋調(diào)節(jié)機制;2)具有多層知識記憶與學習網(wǎng)絡(luò);3)具有應(yīng)對時變不確定環(huán)境的智能決策能力［6］。圖1加拿大Haykin教授提出的認知雷達系統(tǒng)架構(gòu)圖GUEＲCI［4］教授提出的認知雷達原理框圖如圖2所示，主要技術(shù)特征包括:1)具有包含目標/環(huán)境信息的動態(tài)數(shù)據(jù)庫，支持知識輔助處理;2)接收端信息可反饋到發(fā)射端，優(yōu)化發(fā)射方式;3)通過發(fā)射接收的調(diào)節(jié)反饋，雷達系統(tǒng)具有高度自適應(yīng)能力。圖2美國學者GUEＲCI教授提出的認知雷達系統(tǒng)架構(gòu)圖美國海軍已于2006年左右搭建了一套認知雷達實驗平臺(如圖3所示)，具有極化捷變與波形捷變能力，許多學者利用該實驗系統(tǒng)開展了大量極化/波形自適應(yīng)優(yōu)化實驗驗證與效能評估研究，實驗結(jié)果表明:在3級海情下，借助波形優(yōu)化，海面小目標輸出信雜比改善4dB以上。圖3美國海軍極化/波形捷變雷達實驗系統(tǒng)示意圖自適應(yīng)匹配發(fā)射是認知雷達的一個重要特征［6－8］。認知雷達在傳統(tǒng)雷達探測的同時，通過接收端與發(fā)射端之間的反饋調(diào)節(jié)機制，把感知的信息反饋給發(fā)射端，從而可根據(jù)場景特征優(yōu)化發(fā)射信號。下面重點討論波形與極化優(yōu)化的研究現(xiàn)狀。在波形認知優(yōu)化方面，優(yōu)化發(fā)射信號能夠有效提高強雜波環(huán)境下目標檢測性能，認知雷達能夠根據(jù)感知的場景及目標信息調(diào)整發(fā)射信號從而獲得較好的探測性能［8］。針對點目標及擴展目標，有的學者以最大信雜噪比為代價函數(shù)，聯(lián)合設(shè)計了發(fā)射信號以及匹配濾波器;還有學者針對目標跟蹤，研究了波形優(yōu)化選擇

闃?都且溆胙?巴??3)具有應(yīng)對時變不確定環(huán)境的智能決策能力［6］。圖1加拿大Haykin教授提出的認知雷達系統(tǒng)架構(gòu)圖GUEＲCI［4］教授提出的認知雷達原理框圖如圖2所示，主要技術(shù)特征包括:1)具有包含目標/環(huán)境信息的動態(tài)數(shù)據(jù)庫，支持知識輔助處理;2)接收端信息可反饋到發(fā)射端，優(yōu)化發(fā)射方式;3)通過發(fā)射接收的調(diào)節(jié)反饋，雷達系統(tǒng)具有高度自適應(yīng)能力。圖2美國學者GUEＲCI教授提出的認知雷達系統(tǒng)架構(gòu)圖美國海軍已于2006年左右搭建了一套認知雷達實驗平臺(如圖3所示)，具有極化捷變與波形捷變能力，許多學者利用該實驗系統(tǒng)開展了大量極化/波形自適應(yīng)優(yōu)化實驗驗證與效能評估研究，實驗結(jié)果表明:在3級海情下，借助波形優(yōu)化，海面小目標輸出信雜比改善4dB以上。圖3美國海軍極化/波形捷變雷達實驗系統(tǒng)示意圖自適應(yīng)匹配發(fā)射是認知雷達的一個重要特征［6－8］。認知雷達在傳統(tǒng)雷達探測的同時，通過接收端與發(fā)射端之間的反饋調(diào)節(jié)機制，把感知的信息反饋給發(fā)射端，從而可根據(jù)場景特征優(yōu)化發(fā)射信號。下面重點討論波形與極化優(yōu)化的研究現(xiàn)狀。在波形認知優(yōu)化方面，優(yōu)化發(fā)射信號能夠有效提高強雜波環(huán)境下目標檢測性能，認知雷達能夠根據(jù)感知的場景及目標信息調(diào)整發(fā)射信號從而獲得較好的探測性能［8］。針對點目標及擴展目標，有的學者以最大信雜噪比為代價函數(shù)，聯(lián)合設(shè)計了發(fā)射信號以及匹配濾波器;還有學者針對目標跟蹤，研究了波形優(yōu)化選擇策略。針對目標分類識別，有的學者以最大互信息量以及最大馬氏距離為代價函數(shù)，設(shè)計了適用于目標分類識別的最佳波形。國內(nèi)外學者在極化優(yōu)化方面，尤其在應(yīng)用極化技術(shù)增強雷達對目

形覆蓋數(shù)據(jù)、高程信息和道路信息等輔助STAP，取得了不錯的效果，證明了先驗知識在STAP中的價值。各種傳感器的發(fā)展以及探測感知的需求促使信息融合的發(fā)展，將采集到的多種傳感器的信息與雷達回波數(shù)據(jù)進行融合處理，可提高對場景的感知能力。圖4KASSPEＲ結(jié)構(gòu)圖1．3基于深度學習的雷達信號處理深度學習是目前人工智能的一個研究熱點，其通過大量數(shù)據(jù)對深度學習網(wǎng)絡(luò)進行訓練，從而實現(xiàn)對預(yù)想功能的實現(xiàn)，目前深度學習在圖像處理、自動駕駛、文本識別等領(lǐng)域已經(jīng)取得了不錯的效果，在雷達領(lǐng)域的目標識別、干擾識別、場景分類等方面也展現(xiàn)了其應(yīng)用潛力。傳統(tǒng)的目標識別算法需要選取合適的目標特征，而所選擇的特征好壞決定了目標識別的最優(yōu)性能�；�于深度學習的目標識別可以從雷達數(shù)據(jù)中自動提取特征，用訓練樣本自動學習，用動靜目標獲取識別(MSTAＲ)數(shù)據(jù)進行驗證，目標識別正確率可達99．9%。雖然基于深度學習的雷達信號處理已經(jīng)通過實驗證明了其對目標識別、干擾識別、場景分類等的有效性，但其實際工程化應(yīng)用還有一些問題亟需解決:深度學習網(wǎng)絡(luò)需要大量的訓練樣本進行訓練，如果訓練樣本數(shù)據(jù)不足，則導(dǎo)致其對目標識別的性能不好;在實際戰(zhàn)場環(huán)境中存在著大量非合作目標，對這些非合作目標的數(shù)據(jù)有限，這就導(dǎo)致對這些目標的識別能力不足。如何在小樣本、大動態(tài)場景下實現(xiàn)基于深度學習的雷達性能提升是需要解決的一項重要課題。2人工智能驅(qū)動下的雷達發(fā)展趨勢探討在人工智能技術(shù)發(fā)展應(yīng)用現(xiàn)狀以及雷達發(fā)展現(xiàn)狀及趨勢的基礎(chǔ)上，本文從多個方面對未來人工智能驅(qū)動下的雷達發(fā)展趨勢進行探討，人工智能驅(qū)動下的雷達發(fā)展主要趨勢包括而不限于如下五個方面。
【相似文獻】

相關(guān)期刊論文 前10條

1 胡哲穎;;現(xiàn)代雷達信號處理及其發(fā)展趨勢探析[J];中國新通信;2014年18期

2 張繼喬;;雷達信號處理技術(shù)及其發(fā)展的若干研究論述[J];黑龍江科技信息;2016年11期

3 馬楊;;現(xiàn)代雷達信號處理及發(fā)展趨勢分析[J];中國新通信;2016年18期

4 潘婷;;現(xiàn)代雷達信號處理的技術(shù)和發(fā)展趨勢[J];科學中國人;2016年18期

5 孫曉聞,張林讓,吳順君;脈沖多卜勒雷達信號處理系統(tǒng)的仿真[J];系統(tǒng)仿真學報;2002年11期

6 William C.Booth ,呂杰;雷達信號處理方法[J];系統(tǒng)工程與電子技術(shù);1984年08期

7 張學森;葉彥;;四代雷達信號處理系統(tǒng)研究[J];艦船電子對抗;2019年05期

8 史昊明;肖文;;現(xiàn)代雷達信號處理及發(fā)展趨勢探討[J];通訊世界;2017年06期

9 韓文俊;黎賀;劉鳳;;雷達信號處理軟件健康管理設(shè)計[J];現(xiàn)代雷達;2019年03期

10 程榮剛;徐青;張林讓;;雷達信號處理國家級重點實驗室的建設(shè)與發(fā)展[J];實驗室研究與探索;2018年04期

相關(guān)博士學位論文 前10條

1 王盛利;雷達信號處理的新方法——匹配傅里葉變換研究[D];西安電子科技大學;2003年

2 周浩;高頻雷達信號處理中的若干問題研究[D];武漢大學;2004年

3 杜雨洺;近程小扇區(qū)LFMCW雷達信號處理研究[D];電子科技大學;2006年

4 陳潔;超寬帶雷達信號處理及成像方法研究[D];中國科學院研究生院（電子學研究所）;2007年

5 蘇濤;并行處理技術(shù)在雷達信號處理中的應(yīng)用研究[D];西安電子科技大學;1999年

6 李明;機載寬帶雷達信號處理若干問題研究[D];西安電子科技大學;2007年

7 龐娜;MIMO雷達信號處理技術(shù)及實現(xiàn)的研究[D];北京理工大學;2015年

8 周紅平;雷達信號處理若干關(guān)鍵技術(shù)的研究[D];中國科學技術(shù)大學;2010年

9 王鞠庭;MIMO雷達信號處理：目標檢測與角度估計[D];南京理工大學;2010年

10 戴奉周;寬帶雷達信號處理[D];西安電子科技大學;2010年

相關(guān)碩士學位論文 前10條

1 王朗;HPM短脈沖雷達信號處理仿真研究[D];中國工程物理研究院;2019年

2 徐麗;脈沖多普勒雷達信號處理并行技術(shù)研究[D];電子科技大學;2019年

3 翟小娟;基于通用處理器的雷達信號處理算法設(shè)計與實現(xiàn)[D];西安電子科技大學;2018年

4 周仕祺;彈載毫米波導(dǎo)引頭雷達信號處理系統(tǒng)設(shè)計與實現(xiàn)[D];南京理工大學;2018年

5 宋衛(wèi)東;三角波雷達信號處理技術(shù)研究[D];哈爾濱工程大學;2018年

6 陳亮;基于FPGA的多功能陣列雷達信號處理[D];西安電子科技大學;2018年

7 葉藝峰;基于VLIW結(jié)構(gòu)的雷達信號處理引擎設(shè)計與實現(xiàn)[D];西安電子科技大學;2018年

8 沈濤;毫米波車檢雷達信號處理與實現(xiàn)[D];南京理工大學;2018年

9 劉銀玲;基于TMS320C6678的多功能陣列雷達信號處理[D];西安電子科技大學;2018年

10 蔣雨宏;自適應(yīng)陣列導(dǎo)引頭雷達信號處理與仿真[D];電子科技大學;2018年

本文編號：2893429