А.А. Филатов1, Г.П. Слукин2, В.В. Чапурский3, М.И. Нониашвили4

1–4 НИИ РЭТ МГТУ им. Н.Э. Баумана (Москва, Россия)

Постановка проблемы. Для многопозиционных (МП) РЛС, работающих в некооперативном режиме с одним передающим и роем приемных элементов, актуален вывод и исследование вида обобщенной функции неопределенности (ОФН) по пространственным координатам. Критерий ОФН может быть обобщен для применения метода роевой оптимизации к кооперативным МП РЛС и MIMO РЛС, в том числе на подвижных носителях.

Цель. Исследовать как критерий роевой оптимизации ОФН для частного случая некооперативной МП РЛС с когерентным пачечным многочастотным зондирующим сигналом.

Результаты. Для некооперативной МП РЛС с использованием теоретического выражения для ОФН в случае неподвижной точечной цели определены двумерные топографические диаграммы ОФН в плоскости «дальность-азимут». Они сопоставлены для разных вариантов регулярного и случайного расположения приемных элементов МП РЛС при двух значениях длин волн на средних рабочих частотах.

Практическая значимость. Показано наличие главного максимума двумерных диаграмм ОФН «дальность–азимут» в точке координат цели, превосходящего по интенсивности побочные максимумы, что является предпосылкой для использования двумерных диаграмм ОФН в качестве критерия при роевой оптимизации положения приемных позиций.

Филатов А.А., Слукин Г.П., Чапурский В.В., Нониашвили М.И. Обобщенная функция неопределенности для некооперативной многопозиционной РЛС c роевым расположением приемных позиций // Успехи современной радиоэлектроники. 2023. T. 77. № 9. С. 27–34. DOI: https://doi.org/10.18127/ j20700784-202309-03

1. Kennedy J., Eberhart R. Particle Swarm Optimization // Proceedings of IEEE International Conference on Neural Networks. IV. 1995.
2. Saptarshi S., Sanchita B., Richard II. Particle Swarm Optimization: A survey of historical and recent developments with hybridization perspectives. 2018. 0.3390/make1010010.
3. Ильин Е.В. Презентация по оптимизации на основе метода «роя частиц». М.: МАИ. Pdf –файл (particle swarm).
4. Fabio Renan Durand, Taufik Abrão Power allocation in multibeam satellites based on particle swarm optimization // AEU – International Journal of Electronics and Communications. August 2017.
5. Pachler, Nils & Garau Luis, Juan Jose &Guerster, Markus & Crawley, Edward &Cameron, Bruce. Allocating Power and Bandwidth in Multibeam Satellite Systems using Particle Swarm Optimization // In 2020 IEEE Aerospace Conference. 2020.
6. Слукин Г.П., Чапурский В.В., Лоскутов В.Ю., Водолазов А.В. Когерентное объединение информации от виртуальных MIMO РЛС при кратном увеличении межэлементных расстояний исходной реальной MIMO РЛС // Антенны. 2023. № 3 (283). С. 52–63. DOI: https://doi.org/10.18127/j03209601-202303-06.
7. Чапурский В.В., Филатов А.А., Коротеев Д.Е. Пространственно-временная обработка при измерениях «дальность – азимут – угол места» в некооперативных системах РЛС с ФАР // Успехи современной радиоэлектроники. 2021. T. 75. № 9. С. 48–61. DOI: https://doi.org/10.18127/j20700784-202109-04.