預警探測系統中雷達組網優化部署研究

楊陽

摘 ?要：雷達組網優化部署方案能夠對緊急事件完成及時的預警和安排，快速發現異常問題，及時做出應急措施。文章通過概述雷達組網內容和優勢，圍繞多雷達、冗余度等因素探究預警探測系統中雷達組網優化部署方案，進而為創新預警探測系統結構提供支持，提升雷達組網技術能力，突出雷達部署的準確性和科學性。

關鍵詞：預警探測系統;雷達組網;優化部署

中圖分類號：TP391 ? ? ? ? 文獻標志碼：A ? ? ? ? 文章編號：2095-2945（2020）31-0050-02

Abstract： The optimal deployment scheme of radar network can complete the timely early warning and arrangement for emergencies， quickly find abnormal problems， and make emergency measures in time. By summarizing the contents and advantages of radar networking， this paper probes into the optimal deployment scheme of radar networking in early warning detection system around the factors such as multi-radar and redundancy， so as to provide support for innovating the structure of early warning detection system， improve the technical ability of radar netting， and highlight the accuracy and scientific nature of radar deployment.

Keywords： early warning detection system; radar networking; optimal deployment

前言

預警探測系統主要是針對威脅目標完成識別、探測和跟蹤操作，借助雷達技術及時獲取最新數據，有效識別監測對象，可以應用于多種領域。因此，通過創新預警探測系統雷達組網部署策略，可以凸顯監測工作準確性和合理性，能夠提高區域監測水平和控制能力，優化預警探測系統性能，提升雷達組網水平。

1 雷達組網內容及優勢

1.1 雷達組網概述

預警探測系統中涉及到遙控技術、傳感技術，可以完成對目標的識別和定位，找尋其中危險因素并及時預警，便于找尋針對性解決措施。同時，在軍事方面該系統能夠及時獲取敵方情報，做出快速反應，應用于雷達、衛星等設備中。雷達組網實際上是多個雷達設備連接構成的雷達信號覆蓋區，由于其頻段、平臺、體制、極化形式具有差異性，因此部署過程綜合性較強，能夠完成數據信息共享，提升預警、識別、定位、探測功能的可靠性，完善系統功能。

1.2 雷達組網優勢

1.2.1 抗干擾。雷達在工作中容易受到電磁波干擾，導致其強度被削弱，影響其識別、定位、探測等功能的發揮。例如，電子干擾屬于一種電磁波信號，會借助調制干擾方式產生誤導信號，影響雷達判斷。而雷達組網相較于單臺設備的優勢較大，可以有效應對干擾問題，提升雷達信號強度，精準分辨誤導信息。

1.2.2 快速識別隱身主體。單臺雷達設備一般很難定位表面吸波材料、隱身材料，影響自身定位和探測功能的發揮，通常需要借助天線口徑識別或完成輻射功率定位，但該過程會耗費大量資金。利用雷達組網能夠提升其定位、探測水平，將其與干擾信號相互區分，了解監測目標的航跡、速度。此外，雷達組網的抗輻射導彈水平較高，不會被反輻射導彈定位，可以規避被打擊的風險[1]。因此在應用雷達組網時，有必要科學部署和優化組網，提升預警探測系統的工作水平。

2 雷達組網優化部署研究

2.1 多雷達聯合探測組網部署

2.1.1 部署種類。第一，線狀部署。該模式能夠結合目標可能入侵的軌跡完成線狀部署，設置寬度一定的雷達警戒網，其中包含扇形和直線兩種形式。該部署模式常見于邊境、沿海、要地等區域，優勢是具有大面積的正面監測區域，能及時定位入侵目標，為后續應急操作爭取時間。第二，環形部署。通過將雷達裝置設置在圓環上側，可以提升數據傳輸效率，完成多角度搜索。該模式適用于入侵方向不確定情況，將重要保衛目標設置在圓環中央，進而實現防空警戒。第三，面狀部署。該模式是指在相同高度上銜接相鄰雷達，形成密實的雷達網。面狀部署主要集中在戰地附近，可以持續監控目標，為后續指揮作戰提供幫助。該模式按照“三角形”原則進行部署，具有合理性、經濟性、抗干擾性質，在主要進攻區域能提升雷達的密度，準確定位進攻規模。

2.1.2 蒙特拉羅測試方法。蒙特拉羅計算過程即隨機抽樣模式，是統計學和概率學的結合，具有實用性優勢，可以準確模擬雷達組網情況。同時，隨機抽樣模式能解決多維度復雜問題，因此該方式屬于可行性較強的數據模擬計算形式。在本課題中，結合多臺雷達聯合探測背景，構建雷達組網部署優化方案，借助隨機抽樣的方式計算目標函數，進而獲取最優部署方案。經過測試得出，當測試概率超過0.9時，雷達組的探測面積最大，完成雷達之間的科學連接，可以模擬其探測過程，獲取準確結果。因此，基于多雷達聯合監測方式，構建組網部署優化模型，能夠得出探測面積和仿真結果，該方法適用于雷達數量較少、型號單一的情況，可以準確計算探測面積，優化部署效率，并借助隨機抽樣方式提升常規雷達設置的精準性和直觀性。

2.2 結合覆蓋冗余度的雷達部署

2.2.1 雷達部署方案。在針對覆蓋冗余度構建雷達組網模型時，應結合“一般性”部署原則，設置約束條件，進而過濾可行性較低的方案，降低部署尋優范圍，突出部署尋優的方向性。在優化部署時應確保鄰近雷達單元在垂直、水平層面上完成探測配合，使雷達網整體探測能力滿足實際要求，因此有必要初步約束雷達單元垂直、水平探測威力，具體過程如下：其一，銜接系數。該數值主要判斷某一高度水平探測威力，將雷達單元探測威力重疊面積設置為SCH，小半徑雷達單元探測面積SrH的比值是KCH=，同時，若明確銜接系數后，能夠獲取鄰近雷達單元的實際部署區域。其二，銜接高度。例如，在實戰環境內，雷達網監測過程需要一并找尋低空、中空、高空目標。當前我國雷達設備種類較多，性能具有差異性。例如，分米波、厘米波雷達低空性較強，不過在高空區域優勢較小;米波雷達高空探測能力顯著，但是低空探測水平較低，因此在部署雷達組網時，需要綜合多種雷達的優勢，在低空、中空、高空區域實現雷達網的有效銜接[2]。

2.2.2 遺傳算法。遺傳算法是隨機、高度并行、自動搜索的算法，實現個體和搜索策略的互動。遺傳算法的主要應用過程如下：隨機生成個體數固定的種群，對其進行初始化設置，并對升級問題開始編碼;分析每一個個體的適應性，判斷其優劣性，若滿足要求選擇最合適的個體。在利用遺傳算法設計數學模型中的目標函數時，建議結合重點區域、警戒區域、雷達型號。依據實際要求明確KCH（銜接系數），結合該系數計算鄰近雷達的實際部署間距，再借助遺傳算法得出雷達實際位置，確保雷達組網后實現整體作戰能力的最佳化[3]。

因此，通過二維碼編碼方式、遺傳算法模式可以轉化雷達位置點坐標，獲取適應度函數進行模型設計。當模型組件完成后，建議借助科學的計算方法提升雷達網探測水平。例如，忽略地物、電子干擾情況，將探測區域設置為圓形結構，通過隨機抽樣方式獲取探測面積、雷達網探測范圍和雷達實際覆蓋面積。因此，基于覆蓋冗余度的優化部署方案側重區域覆蓋的嚴密性，提升雷達網的可靠性和穩定性，提高其抗干擾水平，借助遺傳算法求解模型，獲取最佳部署方案。

2.3 實戰條件下雷達組網部署

2.3.1 數學模型構建。在實戰條件下實現雷達組網的優化部署，可以使雷達網在某警戒區內完成最大化覆蓋，并覆蓋重點區域。控制覆蓋冗余度，防止資源浪費和雷達同頻相互影響的問題，獲取最優的部署計劃。因此若想優化部署方案應構建數學模型，由于量化系數越高，雷達組網性能越強。建議借助指標加權模式構建數學模型，數學模型公式為：F=k1ρ+k2？滓+k3？孜+k4τ，s·t·？茲=1，將兩個公式聯立得到模型方程。其中k1、k2、k3、k4屬于加權系數，該數值需要結合戰略意圖、實際情況確定，同時k1+k2+k3+k4=1。若想使雷達網部署時可以最大程度地增加覆蓋區域，建議提升k1的比重。此外應關注雷達網“四抗”水平，提高k1、k2、k3占比，若采取均衡戰略方案，則k1、k2、k3、k4的數值均為0.25，可以契合基本作戰要求。

2.3.2 模型約束。基于實際作戰環境的雷達組網模型屬于非線性的優化組合，因此近似最優解較多，在求解階段十分復雜，若想提升其求解的能力，應增加模型限制條件。由于雷達上側具有探測盲區，且型號不同其范圍具有差異性。因此，在對雷達設備進行組網時，鄰近的雷達間距不可過長，應相互發揮輔助作用。該約束過程表示為：r（i，j）

2.3.3 粒子群計算。粒子群優化模式又稱PSO，屬于進化、迭代的升級形式，其在計算階段不會出現變異和交叉問題。每個粒子均屬于監測空間的解，自身具備飛行速度，可以借助飛行經驗完成動態調整。粒子可以在空間內相互合作，結合最優粒子找到最優解。該算法中粒子具有適應度，和適應度函數相關。利用該數值能夠獲取群體經驗和個體經驗，及時設置下次搜索方向。該算法的優勢在于能完成數據共享，具有較強的方向性和收斂速度。

2.3.4 控制參數。粒子群控制參數和算法性能密切相關，例如w（慣性權重元素）、N（粒子數量）;c1、c2學習因子;r1、r2隨機數;k迭代次數。在選擇參數時需要圍繞以下原則開展工作：（1）粒子數量。若待優化情況較為簡單，粒子數量設置為20-40即可滿足要求;若需要優化的問題難度較大，可以將粒子數量設置在100之上。（2）c1、c2學習因子中，c1能夠控制粒子向自身方向靠近的步長，c2可以控制粒子向群體靠近的步長，二者綜合后能體現出因子的學習效率。（3）慣性權重因子，通過調節其大小提升其搜索能力和開發水平。（4）粒子范圍，結合待優化問題，建議依據適應度函數，設置維度范圍。

2.3.5 結合數學模型使用粒子群算法。第一，明確算法設計步驟。設置數量是N的粒子群，將粒子個體的位置和速度完成初始化設置;結合適應度函數分析粒子數值，并存儲位置信息，將其存儲至pbest內;獲取粒子更新位置和速度;判斷粒子適應度值并選擇最佳設置，將每次得出的最佳位置數據替換原始數據;判斷粒子pbest，選擇最優粒子。第二，設置適應度函數。計算粒子適應度值可以獲取群體和個體的最優解，因此設置適應度函數十分重要，建議圍繞“越大越好”的原則，提升雷達組網的“四抗”水平，科學設置控制參數，獲得最優解和最佳部署方案。

3 結束語

綜上所述，預警探測系統中雷達組網的優化部署可以提升系統識別和監測能力，彰顯組網優勢。將技術和數據充分結合，通過構建雷達組網優化部署模型配置雷達數量。并依據雷達網的嚴密性要求，基于冗余度、多雷達、實戰環境層面完成雷達部署，提升其抗干擾能力、可靠性和穩定性，獲取最佳優化部署方案。

參考文獻：

[1]白釗銘，廖可非，歐陽繕，等.基于調度效益最大化的多功能組網認知雷達資源優化調度算法[J].科學技術與工程，2020，20（14）：5709-5714.

[2]謝明池.分布式組網雷達資源自適應管控算法研究[D].電子科技大學，2019.

[3]張杲旻，姜志敏，李永偉.預警機雷達探測性能評估與仿真分析[J].艦船電子對抗，2019，42（06）：69-75+111.