Метод детализации радиолокационного изображения на основе генетического алгоритма
- 1 д.т.н., профессор, вед. науч. сотрудник, ФГУП «РНИИРС» ФНПЦ
- 2 Засл. изобретатель РФ, к.т.н., доцент, начальник бюро, ФГУП «РНИИРС» ФНПЦ
- 3 инженер-программист, ФГУП «РНИИРС» ФНПЦ
- 4 начальник сектора, ФГУП «РНИИРС» ФНПЦ
- 5 руководитель группы, ФГУП «РНИИРС» ФНПЦ
Аннотация
Постановка проблемы. Преодоление ограничений критерия Рэлея в цифровых антенных решетках является одной из актуальных проблем развития радиотехнических систем. Ее решение связано с получением в реальном времени детального радиолокационного изображения.
Цель. Предложить способ повышения разрешающей способности приемных цифровых антенных решеток (ЦАР) при обработке сигналов в реальном масштабе времени. Для этого рассмотрено адекватное решение задачи экстраполяции поля в раскрыве реальной антенны на раскрыв большего размера с использованием при обработке принятых ЦАР сигналов генетического алгоритма, обеспечивающего восстановление пространственного распределения источников.
Результаты. Разработан метод детализации радиолокационного изображения с использованием генетического алгоритма при обработке принятых цифровой антенной решеткой комплексных амплитуд сигналов. Метод обеспечивает восстановление пространственного распределения и непосредственное определение параметров источников излучения в результате решения задачи минимизации среднеквадратического отклонения фурье-образов принятого и моделируемого распределений комплексных амплитуд.
Практическая значимость. Работоспособность метода подтверждена результатами численного моделирования и в ходе обработки результатов эксперимента. Для рассматриваемой цифровой антенной решетки получены оценки быстродействия генетического алгоритма, на основе которого реализован предлагаемый метод.
Для цитирования
Мищенко С.Е., Шацкий В.В., Винник Л.В., Литвинов А.В., Помысов А.С. Метод детализации радиолокационного изображения на основе генетического алгоритма // Радиотехника. 2019. № 7. С. 49–61. DOI: https://doi.org/10.18127/j00338486-201907(9)-06
Список источников
- Лаговский Б.А. Восстановление изображения групповой цели цифровыми антенными решетками // Антенны. 2011. № 2(165). С. 40−46.
- Shamsunder S., Giannakis G.B. Detection and parameter estimation of multiple nongaussian sources via higher order statistics // IEEE Trans. Signal process. 1994. V. 42. № 5. P. 1145−1155.
- Nikel U. Algebraic formulation of Kumaression-Tufts superresolution method, showing relation to ME and MUSIC methods // IEE Proc. Pt.F. 1988. V. 135. № 1. P. 7−14.
- Ратынский М.В. Адаптация и сверхразрешение в антенных решетках. М.: Радио и связь. 2003. 200 с.
- Литвинов О.С. Алгоритм сверхразрешения по методу Кейпона при обработке сигналов в адаптивной антенной решетке с неидентичными каналами // Антенны. 2004. № 8−9(87−88). С. 72−79.
- Лаговский Б.А. Сверхразрешение на основе синтеза апертуры цифровыми антенными решетками // Антенны. 2013. № 6(193). С. 9−16.
- Ashikhmin A.V., Pasternak Yu.G., Rembovskiy Yu.A., Fedorov S.M. Virtual antenna array theory and applications // American Journal of Electromagnetics and Applications. 2015. № 3(1) P. 1−11. Published online January 30, 2015. (http://www.sciencepublishinggroup. com/j/ajea), doi: 10.11648/j.ajea.20150301.11.
- Марков Г.Т., Петров Б.М., Грудинская Г.П. Электродинамика и распространение радиоволн. М.: Сов. радио. 1969. 376 с.
- Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М.: Изд-во МГТУ им. Н.Э. Баумана. 2014. 446 с.
- Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации. СПб.: Наука и техника. 2003. 384 с.