基于參數可變遺傳算法的多普勒雷達目標識別方法

摘 要: 目標識別是防空信息處理中的一個重要環節，而對空中目標類型的識別還沒有成熟的理論。通過對高分辨雷達回波信號的分析，在遺傳算法的基礎上，提出了一種高分辨雷達目標識別方法，由此進行目標識別。仿真實驗結果表明，該方法具有高的識別率和強的抗干擾能力。

關鍵詞: 多普勒雷達; 相關系數; 參數可變遺傳算法; 交叉概率; 變異概率

A Recognition Method of Doppler Radar Target

based on Alterable Parameter Genetic Algorithm

Pan Wei， Wang Yunfeng， Diao Huazong

Electric Detection Department， Shenyang Artillery Academy， Shenyang 110867， China.

Abstract: Target recognition is an important link in the chain of information processingfor air-defense. There is not any ripe theory for air target type recognition. Through an analysis of the echo data of high- resolution radar target and on the foundation of genetic algorithm， a recognition method of radar target is presented in this paper. The experiments of recognition using the data of three kinds of aircraft models were performed and demonstrated this method has high recognition rate and low sensitivity to noise.

Key Words: Doppler radar; correlation coefficient; alterable parameter genetic algorithm; crossover probability; mutation probability

1．引言#61472;

遺傳算法(GA)是模仿自然生物進化的隨機全局搜索和優化方法。遺傳算法操作使用適者生存的原則，在潛在的解決方案種群中逐次產生一個近似最優的方案。在GA的每一代，根據個體在問題域中的適應度值和從自然遺傳學中借鑒來的再造方法進行個體選擇產生一個新的近似集。這個過程導致進化的個體比創造它們的個體能更好地適應它們的環境，就象自然適應一樣。通過對生物遺傳和進化過程中選擇、交叉和變異機制的模仿，來完成對問題最優解的自適應搜索過程。

對于高分辨雷達來說，目標不再被看成點目標，其回波表現為一維距離像，即目標變成了擴展的面目標，所以，不能直接使用常規的點目標檢測方法。多普勒雷達目標的后向散射回波含有目標的精細的物理結構特征信息，可視為有限個散射中心及其散射中心相互作用產生的合成信號。其散射中心一般位于目標的邊緣、拐點和連接處?；夭ㄐ盘栔械倪@些精細結構信息反映了目標的本質特征。這些目標特征表現為散射中心在目標上的空間分布。當空中目標的位置發生變化時，目標的強散射點相對于雷達視角發生了變化，因而，由回波信號所得到的目標散射中心的位置也發生了變化。所以，在高分辨雷達目標識別中，需要考慮雷達視角的變化這一因素。但如果考慮雷達視角因素，則需要處理的數據量成倍增加，所以常規的識別方法就不能滿足需要。本文利用遺傳算法對高分辨雷達目標進行識別取得了較好的效果。

2. 實數自適應遺傳操作

復雜目標的高分辨雷達回波信號在時域上出現多個峰值，這些峰值對應目標徑向上的多個強散射中心。但是，當空中目標的位置發生變化時，目標的強散射點相對于雷達視角發生變化，因此，從數據庫中尋找與待識別目標模式相匹配的模式的工作量很大，傳統的匹配方法已不能滿足需要。

遺傳算法中的編碼策略和遺傳操作對算法起到至關重要的作用，也是實數遺傳算法與二進制遺傳算法區別最大的地方。下面就對編碼策略和遺傳操作進行詳細說明。

2.1 編碼策略

實數編碼與二進制編碼的方法是相似的[9]，只是每個基因有10種可能取值：0～9。若每個變量用L位十進制數表示，變量個數為m，則染色體長度為m*L。實值編碼策略不對變量進行編碼，而將每個變量當作一位基因直接處理。

2.2 遺傳操作

1．選擇：排序選擇＋最佳個體保存法

選擇是從群體中選擇優勝個體，淘汰劣質個體的操作，目的是把優化的個體遺傳到下一代。

排序選擇法是指在計算每個個體的適應度后，根據適應度大小順序對群體中個體排序，然后把事先設計好的概率表按序分配給個體，作為各自的選擇概率。這樣，個體的適應度不直接影響后代的選擇，保持了一定的選擇壓力，從而在一定程度上抑制了標準遺傳算法基于適應度比例的選擇算子所帶來的早熟和局部收斂。

最佳個體保存法是把群體中適應度最高的個體不進行遺傳操作而直接復制到下一代中。此方法可以保證某一代的最優解不被破壞。

2．交叉：非一致交叉

設進行交叉的兩父代個體為 和 ，交叉后得到的子代個體 和 為：

(1)

其中 ，可取定值也可以變化。

當r取固定值時為一致交叉，兩對相同的交叉父代只能得到相同的兩對新個體，不利于增加群體多樣性，并且r 的不同取值對交叉算子有著直接影響。當r取[0，1]中的隨機值時為非一致交叉，它有利于將一致交叉中r取不同值產生的效果平均，改善搜索特性。

3．變異：實值變異

變異的本質是挖掘群體中個體的多樣性，同時提高算法的局部隨機搜索能力。

變異步長的選擇比較困難，最優的步長視具體情況而定。本文變異步長則在優化過程中根據群體的進化進程自動改變。變異步長

(2)

其中，X和X′分別為變異前和變異后的個體； 以 的概率取值1，以 的概率取值0，本文設m=20；L為各代群體中的個體最大值與最小值之差。

2.3 適應度確定

個體適應度的檢測評估:設X(i， j)為第i種目標在第j個雷達視角的高分辨雷達目標回波信號序列，對應的個體為Ik。待識別目標的高分辨雷達目標回波信號序列為X。個體Ik的適應度可定義為f(Ik):

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文