基于随机信号组互相关矩阵最大团模型的信号库生成方法
文献发布时间:2024-04-18 20:00:50
技术领域
本发明属于低截获雷达波形设计领域,具体涉及一种基于随机信号组互相关矩阵最大团模型的信号库生成方法。
背景技术
雷达系统是现代信息化战争中重要的组成部分,在战场中进行目标探测和成像的作用。而由于主动探测雷达发射的信号极易被敌方发现和截获,雷达电子战应运而生,其中,设计相应的雷达信号得到具有低截获特性的波形显得至关重要。低截获特性的波形能够在保证己方通信和探测安全的同时,实现对敌方发射信号的截获、检测和分析,从而发现敌方雷达位置,实现对敌方雷达设备的“软摧毁”,并影响敌方的战略决策。
在现有的低截获波形设计中,已经设计出了众多具有低截获特性的单一调制和复合调制波形,通过不同类型的单一调制信号的复合调制,将信号的优点结合,极大增加了波形的复杂度和低截获性能。
虽然目前设计出来的复合调制波形的成像分辨率、PSLR(峰值旁瓣比)、ISLR(积分旁瓣比)以及多普勒容限等都可以满足一定的成像要求,波形的低截获性能也很良好,但如果在雷达探测时,没有采用经筛选后得到的信号组进行探测,那么信号之间的互相关能量将会不可预知,若互相关能量峰值过高,信号一旦被敌方截获机截获,那么敌方就能根据已截获的信号设计出相关干扰信号,而由于互相关能量过高,敌方信号对我方后续信号的干扰将会很大。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于随机信号组互相关矩阵最大团模型的信号库生成方法。本发明要解决的技术问题通过以下技术方案实现:
第一方面,本发明实施例提供了一种基于随机信号组互相关矩阵最大团模型的信号库生成方法,所述方法包括:
设置雷达参数和信号基本参数作为仿真参数;
获取含有预先设计的M种随机信号类型的待选集;其中,所述M种随机信号类型分别设置有编号;
执行待筛选信号集生成步骤,包括获取待筛选信号个数n,在1~M内生成n个随机数;利用生成的每个随机数查找所述待选集中编号匹配的目标随机信号类型,根据所述目标随机信号类型生成目标随机信号,基于生成的n个目标随机信号得到待筛选信号集;
根据所述待筛选信号集中目标随机信号之间的互相关性,生成互相关矩阵;
设置最大团问题求解出的最大信号组中的期望信号数量;将所述互相关矩阵输入至预先设置的目标函数中,得到所述待筛选信号集中筛选出的最大信号组;其中,所述目标函数是基于求解最大团问题的回溯算法构建的;
判断筛选出的最大信号组中的信号数量是否大于或等于所述期望信号数量;若是,将筛选出的最大信号组作为生成的信号库;若否,扩大n的数值后返回执行待筛选信号集生成步骤。
在本发明的一个实施例中,所述雷达参数包括:载频频率、波长、信号脉冲宽度和分辨率;所述信号基本参数包括信号总带宽。
在本发明的一个实施例中,设计M种随机信号类型得到待选集的过程,包括:
基于多种初始信号类型中的每一种,分别设计多种不同的细分信号类型,共得到M种随机信号类型;其中,所述多种初始信号类型包括线性调频信号类型、编码信号类型和随机噪声信号类型;每一种随机信号类型设置有初始化参数;
将得到的M种随机信号类型依据所属的初始信号类型划分为多组,按组排列后为各随机信号类型依次编号,形成待选集。
在本发明的一个实施例中,每一种随机信号类型设置初始化参数的过程,包括:
根据M种随机信号类型,分别设置对应随机信号类型下信号的码元数目、带宽、调频率和采样率;其中,所述带宽根据随机信号类型不同包括调频信号带宽、编码信号带宽和噪声信号带宽。
在本发明的一个实施例中,所述根据所述待筛选信号集中目标随机信号之间的互相关性,生成互相关矩阵,包括:
设置维度为n×n的全0矩阵为原始矩阵;
将所述原始矩阵中对角元素设置为1;
针对每个非对角元素,判断该非对角元素对应的两目标随机信号互相关函数峰值能量,与各自自相关函数中峰值能量较大者的比值是否小于预设阈值,若是,将所述原始矩阵中该非对角元素设置为1,若否,将所述原始矩阵中该非对角元素保持为0,在所有非对角元素全部确定完成后得到互相关矩阵。
在本发明的一个实施例中,所述预设阈值为-15dB。
在本发明的一个实施例中,扩大n的数值的方式,包括:
将n扩大至2n。
第二方面,本发明实施例提供了一种基于随机信号组互相关矩阵最大团模型的信号库生成装置,所述装置包括:
参数设置模块,用于设置雷达参数和信号基本参数作为仿真参数;
待选集获取模块,用于获取含有预先设计的M种随机信号类型的待选集;其中,所述M种随机信号类型分别设置有编号;
待筛选信号集生成模块,用于获取待筛选信号个数n,在1~M内生成n个随机数;利用生成的每个随机数查找所述待选集中编号匹配的目标随机信号类型,根据所述目标随机信号类型生成目标随机信号,基于生成的n个目标随机信号得到待筛选信号集;
互相关矩阵生成模块,用于根据所述待筛选信号集中目标随机信号之间的互相关性,生成互相关矩阵;
最大信号组筛选模块,用于设置最大团问题求解出的最大信号组中的期望信号数量;将所述互相关矩阵输入至预先设置的目标函数中,得到所述待筛选信号集中筛选出的最大信号组;其中,所述目标函数是基于求解最大团问题的回溯算法构建的;
判断执行模块,用于判断筛选出的最大信号组中的信号数量是否大于或等于所述期望信号数量,若是,将筛选出的最大信号组作为生成的信号库;若否,扩大n的数值后返回执行所述待筛选信号集获取模块的处理过程。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现本发明实施例所提供的基于随机信号组互相关矩阵最大团模型的信号库生成方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例所提供的基于随机信号组互相关矩阵最大团模型的信号库生成方法的步骤。
本发明的有益效果:
本发明实施例所提供的方案,利用含有预先设计的M种随机信号类型的待选集通过随机选择生成信号的方式,得到含有n个目标随机信号的待筛选信号集,根据所述待筛选信号集中目标随机信号之间的互相关性生成互相关矩阵。将所述互相关矩阵输入至预先设置的目标函数中,得到所述待筛选信号集中筛选出的最大信号组。在筛选出的最大信号组中的信号数量大于或等于最大信号组中的期望信号数量时结束得到最大信号组,否则增加待筛选信号个数n的数值后再次获得待筛选信号集。本发明实施例基于众多具有低截获特性的单一调制以及复合调制的信号得到待筛选信号集,并创新性地提出将“最大团”思想结合到最大信号组的生成中,利用回溯算法筛选待筛选信号集中的信号形成一个最大信号组以满足低截获波形要求,使得在雷达发射该最大信号组的信号执行目标探测、成像等任务时,能大大降低被敌方截获机截获的概率,提高了雷达的低截获性能。
进一步的,得到的最大信号组中任意两个信号之间的互相关峰值能量与自相关峰值能量较大值之比小于预设阈值如-15dB等,能够使得雷达从筛选出来的最大信号组中选择信号进行探测时,即使先前发射的信号被敌方截获,后续发射的信号因为互相关能量较低,也会使得敌方对我方的干扰大大降低。
附图说明
图1为本发明实施例所提供的一种基于随机信号组互相关矩阵最大团模型的信号库生成方法的流程示意图;
图2为本发明实施例作为示例的互相关矩阵表示的无向图;
图3中的(a)、(b)、(c)为图2中的无向图的子图;
图4中的(a)、(b)、(c)为图2中的无向图的子图;
图5~图8为本发明实施例作为示例的最大信号组求解过程中各步骤的示意图;
图9为回溯算法的流程图;
图10为本发明实验中不同筛选次数下的筛选结果;
图11为本发明实验中起始信号数为5时筛选后的拓扑图;
图12为本发明实验中起始信号数为5时最大信号组信号互相关性能对比图;
图13为本发明实验中起始信号数为5时最大信号组信号互相关性能(dB)对比图;
图14为本发明实验中起始信号数为10时筛选后的拓扑图;
图15为本发明实验中起始信号数为10时最大信号组信号互相关性能对比图;
图16为本发明实验中起始信号数为10时最大信号组信号互相关性能(dB)对比图;
图17为本发明实验中起始信号数为15时筛选后的拓扑图;
图18为本发明实验中起始信号数为15时最大信号组信号互相关性能对比图;
图19为图18的放大图;
图20为本发明实验中起始信号数为15时最大信号组信号互相关性能(dB)对比图;
图21为本发明实施例所提供的一种基于随机信号组互相关矩阵最大团模型的信号库生成装置的结构示意图;
图22为本发明实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
第一方面,本发明实施例提供了一种基于随机信号组互相关矩阵最大团模型的信号库生成方法,如图1所示,该方法可以包括如下步骤:
S1,设置雷达参数和信号基本参数作为仿真参数;
具体的,所述雷达参数包括:载频频率、波长、信号脉冲宽度和分辨率;所述信号基本参数包括信号总带宽。所述仿真参数在S3生成目标随机信号的过程中使用。
S2,获取含有预先设计的M种随机信号类型的待选集;
其中,所述M种随机信号类型分别设置有编号;M为大于0的自然数,可以根据需要选取。
本发明实施例可以获取现有的M种随机信号类型构成待选集,也可以预先自行设计M种随机信号类型构成待选集,目的是在待选集中排列M种不同的随机信号类型并依次编号,以在后续利用待选集中的随机信号类型生成对应的随机信号。
可选的一种实施方式中,设计M种随机信号类型得到待选集的过程,可以包括:
1)基于多种初始信号类型中的每一种,分别设计多种不同的细分信号类型,共得到M种随机信号类型;
其中,所述多种初始信号类型包括线性调频信号类型、编码信号类型和随机噪声信号类型;每一种随机信号类型设置有初始化参数;
具体的,本发明实施例可以利用现有的频率编码信号类型、相位编码信号类型、随机噪声信号类型以及复合调制信号类型,得到所述多种初始信号类型;其中,所述线性调频信号类型属于所述相位编码信号类型的一种;所述编码信号类型包括所述频率编码信号类型、除了所述线性调频信号类型之外的其余相位编码信号类型,以及所述复合调制信号类型。
针对每一种初始信号类型,可以在该种初始信号类型下再细分出一种或多种不同的细分信号类型,并为M种细分信号类型分别设置初始化参数;
其中,可以根据调制方式不同来为初始信号类型细分出一种或多种不同的细分信号类型,比如频率编码信号类型是使得信号的频率得到不同调制,相位编码信号类型则是信号的相位生成方式不同,复合调制信号类型则是两种不同类型的信号按照不同的调制方式复合在一起,随机噪声信号类型可以根据噪声的不同来细分,等等。
其中,每一种随机信号类型设置初始化参数的过程,包括:
根据M种随机信号类型,分别设置对应随机信号类型下信号的码元数目、带宽、调频率和采样率;其中,所述带宽根据随机信号类型不同包括调频信号带宽、编码信号带宽和噪声信号带宽。
具体的,调频信号带宽、编码信号带宽和噪声信号带宽,分别对应线性调频信号类型、编码信号类型和随机噪声信号类型。针对线性调频信号类型、编码信号类型和随机噪声信号类型,码元数目可以设置为不同的数值。
2)将得到的M种随机信号类型依据所属的初始信号类型划分为多组,按组排列后为各随机信号类型依次编号,形成待选集。
比如,可以依据线性调频信号类型、编码信号类型和随机噪声信号类型的顺序,将M种随机信号类型划分为三组,并将各组内的随机信号类型进行排列,将排列的M种随机信号类型按照1~M进行编号。
为了便于理解,本发明实施例以M=25给出一个示例进行说明。待选集中含有25种随机信号类型,编号为1的随机信号类型属于线性调频信号类型,编号为2~22的随机信号类型属于编码信号类型,编号为23~25的随机信号类型属于随机噪声信号类型。编号为1以及编号为23~25的随机信号类型的码元数目为1,编号为2~22的随机信号类型的码元数目为36。
S3,执行待筛选信号集生成步骤,包括获取待筛选信号个数n,在1~M内生成n个随机数;利用生成的每个随机数查找所述待选集中编号匹配的目标随机信号类型,根据所述目标随机信号类型生成目标随机信号,基于生成的n个目标随机信号得到待筛选信号集;
本发明实施例以number表示待筛选信号个数,为了简化,以n表示。针对第一次执行待筛选信号集生成步骤,可以根据需要设置待筛选信号个数,n为大于0的自然数。
在1~M内生成n个随机数,针对生成的每个随机数,在所述待选集中查找与随机数数值一致的编号,将查找到的编号对应的随机信号类型作为目标随机信号类型,然后依据该目标随机信号类型生成属于该目标随机信号类型的一个目标随机信号,因此按照上述处理,可以生成n个目标随机信号,合并构成待筛选信号集。
其中,根据所述目标随机信号类型生成目标随机信号的过程中,需要利用S1中的仿真参数完成。具体的,生成目标随机信号时需要根据载频频率、波长、信号脉冲宽度、分辨率和信号总带宽来得到目标随机信号的采样点数,采样点数也可以叫做数字信号的长度,之后再根据不同目标随机信号类型的特点,依照对应的调制方式生成对应的目标随机信号。
其中,针对相同的目标随机信号类型,生成的多个目标随机信号并不相同,具体可以用不同的相位调制、不同的频率调制和不同的复合调制方式形成差异。
待筛选信号集可以利用元胞数组进行存储,所述元胞数组中的第一列存储生成n个目标随机信号,第二列存储对应的随机信号类型。
S4,根据所述待筛选信号集中目标随机信号之间的互相关性,生成互相关矩阵;
可选的一种实施方式中,S4可以包括:
S41,设置维度为n×n的全0矩阵为原始矩阵;
S42,将所述原始矩阵中对角元素设置为1;
S43,针对每个非对角元素,判断该非对角元素对应的两目标随机信号互相关函数峰值能量,与各自自相关函数中峰值能量较大者的比值是否小于预设阈值,若是,将所述原始矩阵中该非对角元素设置为1,若否,将所述原始矩阵中该非对角元素保持为0,在所有非对角元素全部确定完成后得到互相关矩阵。
具体的,原始矩阵中的元素,与n个目标随机信号中两两形成的一组对应,比如,位置为(1,1)元素对应第1个目标随机信号,位置为(1,2)元素对应第1个目标随机信号和第2个目标随机信号,……,以此类推。
针对位置为(p,q)的非对角元素a
其中,所述预设阈值是根据低截获波形对应信号的互相关函数峰值所满足的要求设计得到的,可以根据实际雷达需求设置,比如,可选的一种实施方式中,所述预设阈值为-15dB。
通过S4的处理,得到互相关矩阵作为后续筛选最大波形组的依据,能够使得互相关矩阵表征的目标随机信号的信号自相关性能良好,同时每个信号之间的互相关函数峰值低于一定的阈值,以保证后续从这些目标随机信号中筛选时能够满足雷达低截获波形的要求。
S5,设置最大团问题求解出的最大信号组中的期望信号数量;将所述互相关矩阵输入至预先设置的目标函数中,得到所述待筛选信号集中筛选出的最大信号组;
其中,所述目标函数是基于求解最大团问题的回溯算法构建的。
为了便于理解本发明实施例方案,在此对最大团问题的定义进行简介。
最大团问题(Maximum Clique Problem,MCP)是图论中一个经典的组合优化问题,也是一类NP完全问题。又称为最大独立集问题。
给定无向图G=(V,E),其中V是非空集合,称为顶点集;E是V中元素构成的无序二元组的集合,称为边集。无向图中的边均是顶点的无序对,无序对常用圆括号“()”表示。如果U∈V,且对任意两个顶点u,v∈U有(u,v)∈E,则称U是G的完全子图(完全图G就是指图G的每个顶点之间都有连边)。G的完全子图U是G的团当且仅当U不包含在G的更大的完全子图中。G的最大团是指G中所含顶点数最多的团,也就是最大的完全子图。
如图2所示,给定无向图G={V,E},其中V={1,2,3,4,5},E={(1,2),(1,4),(1,5),(2,3),(2,5),(3,5),(4,5)}。根据最大团定义,子集{1,2}(图3(a)所示)是图G的一个大小为2的完全子图,但不是一个团,因为它包含于G的更大的完全子图{1,2,5}(如图4(b)所示)之中。{1,2,5}是G的一个最大团。{1,4,5}(如图4(a)所示)和{2,3,5}(如图4(c)所示)也是G的最大团。
本发明创新性地提出将“最大团”思想结合到雷达波形所对应的信号组的生成过程中,利用求解最大团问题的回溯算法预先设计构建了所述目标函数。
用所述目标函数求解最大团问题是从待筛选信号集中筛选出部分信号作为最大团解,称之为最大信号组。
本发明实施例的目标函数是设计的算法程序,能够先将所述互相关矩阵表示为无向图,然后基于现有回溯算法求解最大团问题的过程求解最大信号组。
为了便于理解求解过程,以下给出一个示例进行说明。
假设所述互相关矩阵表示为图2所示的无向图。
(1)如图5所示,bestn代表搜索到的最大团中包含的顶点数目(即搜索到的最大信号组中的信号数目),顶点即表示本发明实施例待筛选信号集中的目标随机信号;cn代表当前团中包含的顶点数,i代表当前树的层数,number代表总共待搜索的顶点数,即前文所述的待筛选信号个数n,图2的无向图中number=5。从根结点1(即第一个目标随机信号)出发开始搜索,当前i=1,将顶点1加入到团中,故其左分支为1(顶点的左分支为1代表将该顶点加入到最大团中)。程序进入树的第二层,当前i=2,搜索顶点2,发现顶点1和2是连接的,故将顶点2加入团中,其左分支置1;程序进入树的第三层,当前i=3,搜索顶点3,发现顶点3不与之前团中的顶点1相连,顶点3不与当前团处于连接状态,故不加入到当前团。
(2)如图6所示,搜索至顶点3时,发现并不与当前团处于连接状态,故不将顶点3加入到团中(顶点3的右分支置0代表不将其加入到团中),接下来搜索其右分支,在搜索右分支之前,先做判断,当前已经确定的顶点数为2,剩余待搜索的顶点数为2(包括顶点4和5),两者相加大于当前得到的bestn,则可以搜索顶点3的右分支。若当前已经确定的顶点数与剩余待搜索顶点数之和小于当前的bestn则不搜索该顶点的右分支,因为即使剩余全部顶点都能加入到团中,其最终的bestn都将小于当前的bestn,这样的搜索就没有意义,故采取剪枝策略,节省搜索时间。
(3)如图7所示,程序进入树的第四层,当前i=4,搜索顶点4,发现其并不与当前团处于连接状态,判断当前已经确定的顶点数与剩余待搜索顶点数之和大于当前的bestn的值,故搜索其右分支;程序进入树的第五层,当前i=5,到达顶点5,发现顶点5与当前团处于连接状态,故将其加入到团中。
(4)程序进入树的第六层,当前i=6,发现i大于设置的number(总搜索的顶点数目),搜索到达树的叶节点,程序结束,cn=bestn=3,输出bestn的值以及各顶点的连接情况{1,1,0,0,1},这样就搜索到了一个最大团。
(5)程序此时回溯至第五层,i=5,cn的值减一为2,搜索顶点5的右分支,发现当前已经确定的顶点数与剩余待搜索顶点数之和小于当前的bestn的值,故不搜索其右分支,剪枝。至此顶点5的左右分支全部遍历完毕,此时结点5成为死结点;程序回溯至第四层,i=4,顶点4的左右分支也全部遍历完毕,结点4也是死结点;一直回溯到第二层,此时cn的值为1,发现结点2的右分支还未搜索,称结点2为活结点,搜索顶点2的右分支,发现当前已经确定的顶点数与剩余待搜索顶点数之和小于当前的bestn的值,故不搜索其右分支,剪枝。程序回溯至第一层,i=1。如图8所示完整的搜索过程,最终得到的最优值bestn为3,最大团为{12 5}。请参见图9所示的回溯算法的流程图理解上述搜索过程;图9中,X[i]=1表示将当前树的层数i所对应的顶点加入到团中,X[i]=0表示将当前树的层数i所对应的顶点不加入到团中。
通过S5的处理,可以得到所述待筛选信号集中筛选出的最大信号组,可以用Bestx表示。由于最大信号组是从互相关矩阵对应的待筛选信号集中筛选出的,因此任意两个信号的互相关峰值能量与自相关峰值能量最大值之比小于预设阈值-15dB,满足雷达低截获波形的要求。
S6,判断筛选出的最大信号组中的信号数量是否大于或等于所述期望信号数量;若是,将筛选出的最大信号组作为生成的信号库;若否,扩大n的数值后返回执行待筛选信号集生成步骤。
筛选出的最大信号组中的信号数量即为前文示例中的bestn,如果筛选出的最大信号组中的信号数量大于或等于所述期望信号数量;将筛选出的最大信号组作为生成的信号库,程序结束;利用得到的信号库可以作为低截获雷达波形库来进行雷达的探测、成像等工作。如果筛选出的最大信号组中的信号数量小于所述期望信号数量,扩大n的数值后返回S3。
其中,扩大n的数值的方式可以有多种,比如可以乘以一个大于1的系数等,在可选的一种实施方式中,扩大n的数值的方式,包括:将n扩大至2n。具体在此不作限制。
本发明实施例所提供的方案,利用含有预先设计的M种随机信号类型的待选集通过随机选择生成信号的方式,得到含有n个目标随机信号的待筛选信号集,根据所述待筛选信号集中目标随机信号之间的互相关性生成互相关矩阵。将所述互相关矩阵输入至预先设置的目标函数中,得到所述待筛选信号集中筛选出的最大信号组。在筛选出的最大信号组中的信号数量大于或等于最大信号组中的期望信号数量时结束得到最大信号组,否则增加待筛选信号个数n的数值后再次获得待筛选信号集。本发明实施例基于众多具有低截获特性的单一调制以及复合调制的信号得到待筛选信号集,并创新性地提出将“最大团”思想结合到最大信号组的生成中,利用回溯算法筛选待筛选信号集中的信号形成一个最大信号组以满足低截获波形要求,使得在雷达发射该最大信号组的信号执行目标探测、成像等任务时,能大大降低被敌方截获机截获的概率,提高了雷达的低截获性能。
进一步的,得到的最大信号组中任意两个信号之间的互相关峰值能量与自相关峰值能量较大值之比小于预设阈值如-15dB等,能够使得雷达从筛选出来的最大信号组中选择信号进行探测时,即使先前发射的信号被敌方截获,后续发射的信号因为互相关能量较低,也会使得敌方对我方的干扰大大降低。
为了验证本发明方法的有效性,以下以仿真实验数据进行说明。
一、仿真参数
设置雷达参数,包括载频频率Fc、波长lambda、信号脉冲宽度Tp、分辨率Res等,以及设置信号基本参数,包括信号总带宽B_all等。
表1
二、仿真内容
设置初始的待筛选信号个数number为100,期望信号数量best_num为50,第一次筛选得到最大信号组中信号个数为26个,并未满足best_num,故程序将number值乘2,以待筛选信号个数200重新筛选;第二次筛选得到最大信号组中信号个数为35个,故再将number乘2,以待筛选信号个数400重新筛选;第三次筛选得到最大信号组中波形个数为75个,大于best_num,将这75个信号对应的最大信号组作为生成的信号库。不同筛选次数下的筛选结果请见图10所示。
此外,为将筛选出的波形结果可视化,还将起始信号数为5、10、15的筛选结果拓扑图画出,更加清晰地看到最大信号组的构成情况,如图11~图20所示。图中起始点数即为起始信号数。
由图11所示的最大信号组的拓扑图可以看出,最大信号组内信号个数为:4,最优解向量为:[1,1,1,0,1],最大信号由信号1,2,3,5构成,即最优解向量中元素1对应的信号。
图12中红色曲线为最大信号组中第一个信号的自相关函数,其余颜色曲线为最大信号组中其他信号和第一个信号的互相关函数曲线,图13为图12转化为dB的对比图,可以看出信号的自相关峰值能量为82.4dB,其余的互相关峰值能量为51dB,26dB,均比自相关峰值能量小15dB以上,满足筛选要求。
由图14所示的最大信号组的拓扑图可以看出,最大信号组内信号个数为:5,最优解向量为:[1,1,1,0,0,0,1,0,1,0],最大信号组由信号1,2,3,7,9构成。
图15中红色曲线为最大信号组中第一个信号的自相关函数,其余颜色曲线为最大信号组中其他信号和第一个信号的互相关函数曲线,图16为图15转化为dB的对比图,可以看出信号的自相关峰值能量为84.05dB,其余的互相关峰值能量为44.85dB,51.35dB,33.39dB,均比自相关峰值能量小15dB以上,满足筛选要求。
由图17所示的最大信号组的拓扑图可以看出,最大信号组内信号个数为:10,最优解向量为:[1,1,1,0,1,1,1,0,0,1,1,0,1,0,1],最大信号组由信号1,2,3,5,6,7,10,11,13,15构成。
图18中红色曲线为最大信号组中第一个信号的自相关函数,其余颜色曲线为最大信号组中其他信号和第一个信号的互相关函数曲线,图19为图18的放大图,图20为图18转化为dB的对比图,可以看出信号的自相关峰值能量为84.05dB,其余的互相关峰值能量为44.85dB,51.26dB,33.46dB,均比自相关峰值能量小15dB以上,满足筛选要求。
可见,本发明的仿真实验中得到的最大信号组具有良好的互相关性能,比如当初始筛选数量为5时,生成的波形库中包含了4个波形,且任一信号的自相关峰值能量都比波形库中信号互相关峰值能量大于15dB以上,因而具有良好的互相关性能。
综上,区别于普通的雷达波形信号设计技术,本发明将最大团算法运用在基于互相关矩阵的随机信号组上,具体利用随机信号互相关矩阵结合最大团生成算法,形成了一个互相关性能良好的信号库,该信号库中的任一信号的自相关峰值能量比其他信号的互相关峰值能量大15dB,使得在实际应用时,该信号库的信号执行雷达探测、成像任务时具有更好的低截获性能,能够不被侦察且能够完成探测任务。
第二方面,相应于上述方法实施例,本发明实施例还提供了一种基于随机信号组互相关矩阵最大团模型的信号库生成装置,如图21所示,该装置包括:
参数设置模块,用于设置雷达参数和信号基本参数作为仿真参数;
待选集获取模块,用于获取含有预先设计的M种随机信号类型的待选集;其中,所述M种随机信号类型分别设置有编号;
待筛选信号集生成模块,用于获取待筛选信号个数n,在1~M内生成n个随机数;利用生成的每个随机数查找所述待选集中编号匹配的目标随机信号类型,根据所述目标随机信号类型生成目标随机信号,基于生成的n个目标随机信号得到待筛选信号集;
互相关矩阵生成模块,用于根据所述待筛选信号集中目标随机信号之间的互相关性,生成互相关矩阵;
最大信号组筛选模块,用于设置最大团问题求解出的最大信号组中的期望信号数量;将所述互相关矩阵输入至预先设置的目标函数中,得到所述待筛选信号集中筛选出的最大信号组;其中,所述目标函数是基于求解最大团问题的回溯算法构建的;
判断执行模块,用于判断筛选出的最大信号组中的信号数量是否大于或等于所述期望信号数量,若是,将筛选出的最大信号组作为生成的信号库;若否,扩大n的数值后返回执行所述待筛选信号集获取模块的处理过程。
关于该装置各个模块的具体处理过程请参见第一方面的相关内容,在此不做赘述。
第三方面,本发明实施例还提供了一种电子设备,如图22所示,包括处理器2201、通信接口2202、存储器2203和通信总线2204,其中,处理器2201、通信接口2202、存储器2203通过通信总线2204完成相互间的通信,
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现本发明实施例第一方面所提供的任一基于随机信号组互相关矩阵最大团模型的信号库生成方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例提供的方法可以应用于电子设备。具体的,该电子设备可以为:台式计算机、便携式计算机、智能移动终端、服务器等。在此不作限定,任何可以实现本发明的电子设备,均属于本发明的保护范围。
第四方面,相应于第一方面所提供的基于随机信号组互相关矩阵最大团模型的信号库生成方法,本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现本发明实施例第一方面所提供的任一基于随机信号组互相关矩阵最大团模型的信号库生成方法的步骤。
对于装置/电子设备/存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
- 基于计算机视觉的模板支架安全风险识别方法
- 基于计算机视觉和人工智能的公路安全风险识别方法及系统