自适应波形设计（精选5篇）
自适应波形设计 第1篇
自适应波形选择的依据是,所选择的波形要能使下一次目标照射的检测概率不低于预设的检测概率门限。按脉冲宽度从小到大依次选择各波形,根据每种波形在下次照射时返回的平均信噪比计算出相应的检测概率,若某个波形可达到所需的检测概率,则选择此波形作为下次照射波形;若所有波形均不满足,则选择最后一个脉冲宽度最长的波形,这便是雷达所能提供的最佳选择。
1 雷达模型
相控阵雷达的工作频率为4 GHz,采用单脉冲幅度比较法测角,天线阵面为平面方形;波束宽度随着扫描角的增大而展宽,阵面法向的双程3 dB波束宽度为1. 6°,偏离法向60°时的波束宽度展宽至3. 2°;雷达虚警概率为10- 6,检测概率为0. 975。
相控阵天线为方形阵列,水平方向和垂直方向各55 个单元;各天线单元水平和垂直间距均为1 /2 波长;阵面法向位于0°方位角和15°俯仰角。
平面阵单波束归一化电压方向图[1]
其中,b1= 0. 25sin( Bkt- b0);b2= 0. 5π[sin( Bkt- b0) -sin(bk- b0)];e1= 0. 25sin(Ekt- e0);e2= 0. 5π[sin(Ekt-e0) -sin(ek- e0)];(Bkt,Ekt)为目标所在的方位角和俯仰角;(bk,ek)为波束指向的方位角和俯仰角。
设 θbsq,θesq分别为方位和仰角的斜视角,则与波束的电压方向图为∑kt则
方位和俯仰的差波束电压为
图1 给出了法线时(0,15°) 的和波束方向图。图2给出了波束宽度随扫描角变化的情况。
图3 给出了和波束方位与俯仰面的波瓣图,图4 给出了差波束方位和俯仰面的波瓣图,其中实线表示指向方位0°,俯仰15°,即阵面法向时的波瓣图;虚线表示波束指向方位-45°,俯仰30°方向时的波瓣图。从图中可看出,随着波束指向偏离法向,和波束宽度略有展宽。另外,和波束的副波瓣电平在20 dB以下[2,3]。
雷达参数和波形参数如表1 和表2 所示。
2 自适应波形选择
若目标RCS服从Swerling3 型分布,其理论的检测概率计算公式为[4]
其中,Save为目标回波的平均信噪比,按目标RCS平均值进行计算;TH为恒虚警情况下雷达检测门限;TH=10log10(-lnPCFARfa)。
设有Nw个脉冲波形,假设k时刻的雷达照射面积为^σave(k),可得到k时刻使用波形wi(1≤i≤Nw)预估的目标回波平均信噪比为
其中,τe(wi) 为波形wi(1 ≤i≤Nw) 对应的脉冲宽度;Rkt为雷达距离波门的中心距离;∑kt为天线和波束电压方向图;Gstc(R) 为距离雷达R处的灵敏度时间控制增益。由于下一时刻的Rkt,∑kt未知,需使用其预测值代入计算,这样便可确定出Save(tk,wi),于是有
其中,为tk时刻目标距离的预测值;为假定雷达平均波束指向误差为σtp倍的波束宽度时,预估目标与波束天线方向图,方位和俯仰的波束宽度分别为Bbw和Bew,则可按下式计算[1,2,3,4]
σpt按预设的置信度PCL计算且
双侧分位数u0. 5α[4]按 α =1 - PCL求出。由于期望目标以置信度PCL落入预测波束内,波束指向误差由方位和俯仰的标准差门限计算。
设检测概率门限记为,tk时刻选择的波形W( tk)按以下公式确定
上式中,PD(tk,wi)表示依波形变化预估的检测概率。
3 仿真实验
假设目标真实轨迹,如图5 所示,跟踪时间为400 s:起点为(15 000,3 000,6 000);0 ~ 100 s,匀速直线运动;100 ~ 200 s,第一次小机动拐弯;200 ~ 250 s,匀速直线运动;250 ~ 275 s,第二次大机动拐弯;275 ~400 s,匀速直线运动。径向距离噪声标准差为75 m,方位和仰角由雷达模型产生。雷达采用IMM[5,6,7,8,9]跟踪算法,跟踪周期为T =2 s,并分别使用固定波形和自适应波形。
为保证检测概率,固定波形使用最宽脉冲80 μs,且假设采样一次只发一个脉冲,在时间400 s内发射的总脉冲宽度 τtotal= 200 × 80 = 16 000 μs。
对上边同一次采样,同时进行自适应波形选择。假设初始3 个量测均以最大脉冲测量,则自适应波形选择如图6 所示。总采样脉冲宽度τtotal= ∑τi= 10 840 μs;单次平均脉冲宽度 τe= 10 840 /200 = 54. 2 μs。
4 结束语
由仿真数据可看出,自适应波形选择可在确保检测概率的同时,有效地节约雷达能量资源。而若要同时采用自适应采样间隔,其资源节约性能将更理想。参考文献
摘要：针对相控阵雷达的检测概率与能量资源消耗间的矛盾问题,采用了一种按照预测检测概率来自适应选择照射波形的方法,并在建立相控阵雷达模型的基础上进行了仿真。结果表明,该方法可在保证检测概率的同时,有效地节约雷达能量资源。
自适应翼型的气动外形优化设计 第2篇
自适应翼型的气动外形优化设计
二维翼型自适应的研究是设计自适应机翼的基础.提出了在不同Ma数、迎角下,用Powell法优化二维翼型前、后缘襟翼的偏转角,以获得比常规翼型在亚声速时升阻比大而在超声速时阻力系数小的自适应翼型的研究方案.并与原始翼型以及气动双目标(亚声速时,大升阻比;超声速时,小阻力系数)的`优化翼型进行了比较,证明了自适应翼型比气动双目标的优化翼型气动效率更高.初步探讨了二维翼型前、后缘襟翼的偏转位置对气动效率的影响.
作 者：刘航 朱自强 吁日新 作者单位：付鸿雁,北京航空航天大学,流体力学研究所,北京,100083 刊 名：航空学报 ISTIC EI PKU英文刊名：ACTA AERONAUTICA ET ASTRONAUTICA SINICA 年，卷(期)：2002 23(4) 分类号：V211.41 V224 关键词：自适应翼型 双目标优化翼型 数值优化自适应波形设计 第3篇
【关键词】无人飞行器 自适应控制 设计 实验
无人飞行器是目前较为先进的无人侦查设备之一，具有较好的机动性，体重较轻，能够高速飞行，适合未来战场上的侦查工作。目前世界上的飞行器主要以无人旋翼飞行器为主，其根据螺旋桨的个数或螺旋桨轴的个数进行分类，可以实现高难度的空中动作，如翻滚、直停、侧飞、垂直升降等，在继承直升机等机型优点的基础上，加入了一些更加先进的技术。
一、自适应飞行控制律的设计
（一）模型逆
自适应控制系统最早是被应用在航天航空领域，提出这一理念是因为当飞行设备在外部环境下进行飞行的过程中会遇到各类外界因素的影响。这些因素都会影响飞行装置的稳定性，对飞行器的飞行高度和速度造成一定的影响。目前想要获得无人旋翼飞行器的精确公式还有一定困难，通常情况下均是采用经验对相关数据进行估计，或实验中所得出的平均参数，因此这类计算方法存在一定的误差性。其误差可以用：来进行表示。其代表飞行器系统的实际动态情况和预估动态情况之间的差异，这种误差可以通过控制器逆误差来进行补偿。
（二）模型逆误差动态特性
以三轴无人飞行器为例，其控制回路的设计模型一般上是用二阶稳定模型来进行表示，其指令向量的公式为：。而飞行器在飞行过程中所收到的角加速度影响向量的公式则为：，用来表示神经网络中计算数据所需要的输出量，以此来对模型的逆差进行补偿。
由上图中可以看出，在对控制无人飞行器姿态的系统进行设计时，其模型逆控制器输出值的伪控制量一般利用：来表示，其中来表示，是模型的跟踪误差。代表无人飞行器控制器的输出，可以用来抵消模型所产生的误差。当无人飞行器控制器的输出量能够完全抵消掉误差，则上述公式即转化为无固定控制量的方程，其动态误差呈现收敛性，并且矩阵A对其起到了决定性的影响作用。如果可以有效保证、的正确性，则就会使无人飞行器整体系统趋于稳定，其所产生的误差就会缩小，并且误差趋势也会有所收敛。
（三）模型逆误差神经网络补償
神经网络是自适应系统中比较重要的组成部分，其使得自适应系统具备了自学习和自适应属性，因此，这一组成部分可以有效帮助整个系统对模型带来的误差进行补偿。以但隐层神经网络为例，以具体构成图如下：
在这一系统中，其隐含的层节点激活函数一般是以S型函数进行表达的，其具体可列为：。而输出层节点则与隐含层节点存在不同的表达方式，其主要是以线性函数进行表单，具体可以列为：
。其中代表输入层的节点数，代表隐含层的节点数，而则代表输出层的节点数，代表输入层的偏置量，而则表示隐含层的偏置量，表示隐含层的阈值，而则表示输出层的阈值。其中和均不能是负数。
为了保证系统在实际操作阶段不出现较大波动的变化，稳定操作量的输出，可以对神经网络输出值进行有效地计算，其是以增加高增益鲁棒项为标准的，具体为：，其中，。
（四）神经网络权系数自主学习的算法
神经网络的在线学习能力也是整个系统自适应的一种表现，其主要是由于非线性函数使得该系统能够无限接近自主学习特性。所有的参考模型信号有界，而神经网络的权系数计算公式则可以表示为：
二、无人旋翼飞行器控制系统实验
在控制系统设计并安装完毕后，需要对整个系统进行实际操作测试，如果条件允许的情况下可以先制作出样机进行测试；而如果条件不允许的情况下则可以利用Simulink工具对其进行仿真模拟测试。主要测试的项目包括无人旋翼飞行器的水平垂直升降的稳定性和控制器对其的操作性能，还要验证飞行器在飞行过程中悬停、侧飞、翻滚、复位等动作的稳定性和控制性的可操作性。利用计算机程序对飞行器飞行轨迹进行计算，分析其飞行姿态和动作轨迹是否能够与控制器保持一致。
无人旋翼飞行器是目前较为先进的飞行技术，其打破了传统飞行器设计理念，结合目前最为先进的科学技术，对未来飞行设备的发展有着巨大的影响。
参考文献：
【1】夏青元，徐锦法.变转速共轴旋翼载荷建模及实验验证[J].实验力学，2012.
自适应波形设计 第4篇
飞机操纵面损伤的自适应容错控制设计
针对飞控系统实时控制和高可靠性的`要求,提出一种飞控系统多操纵面损伤的在线容错控制算法.首先建立包含各种常见故障的操纵面参数仿真模型和故障注入仿真机制,其次由于故障的随机性,设计多个并行的在线观测器,对应于每个观测器模型建立一个基于特征结构配置的控制器.最后根据多个观测器和相应的控制器可完成系统在线故障隔离与重构.应用某型飞机横侧向控制系统进行仿真,得到了预期的效果.此方法设计简单合理,适于工程应用.
作 者：刘小雄 章卫国 李广文 LIU Xiao-xiong ZHANG Wei-guo LI Guang-wen 作者单位：西北工业大学,自动化学院,陕西,西安,710072刊 名：测控技术 ISTIC PKU英文刊名：MEASUREMENT & CONTROL TECHNOLOGY年，卷(期)：26(8)分类号：V249关键词：飞行控制系统 故障隔离与重构 特征结构配置
自适应波形设计 第5篇
关键词： DBF；ADBF；TMS320C6678；矩阵求逆
引言：数字波束形成（DBF）技术属于阵列信号处理范畴，它充分利用了阵列天线所检测到的空间信息，在模拟波束形成原理的基础上，引入了先进的数字信号处理方法，可以获得优良的波束性能，可以自适应地形成波束实现空域抗干扰，可以进行非线性处理改善角分辨率，还可以同时形成多个独立可控的波束而不损失信噪比，且天线具有较好的自校正和低副瓣性能可以方便地实现波束扫描、自校准和自适应波束形成等。
当前，在雷达面临的日益复杂的电磁环境和敌方干扰下，DBF技术越来越受到雷达研制单位的重视，随着大规模集成电路和高速信号处理芯片的发展，使得波束形成的全数字化得以实现。
一、数字波束形成原理
（一）DBF。波束形成的基本思想就是通过将各阵元输出加权求和，在某一時间内将天线阵列各波束“导向”到某一方向上，这是通过调整加权系数完成的，如下图8.1所示，阵列输出是对各阵元的接收信号向量X（t）在各阵元上分量的加权和。令权矢量W=[w0，w1，…，wM-1]T，其中上标T表示矩阵转置，M表示阵元个数，则输出可写为
y（t）=WHX（t） （1.1）
若空间只有一个来自方向θd的电波，其方向向量为a（θd）=[ ]T， λ为载频波长，d为阵元间距。则当权w取作a（θd）时，输出y（t）=aH（θd）a（θd）=M最大，实现了导向定位作用。
（二）ADBF。匹配滤波在白噪声背景下是最佳接收的，如果存在干扰信号则要另加考虑。考虑一M元窄带线性天线阵列，有p+1个远场信号分别从θi（i=0，1，…，P）入射，其中有一个期望信号（θ0方向）和P个干扰。假设p+1个信号互不相干，各阵元噪声为互相独立，功率相等的白噪声，且与信号无关。令
p+1 其中si（t）为信号的复包络，a（θi）为信号导向矢量，设i=0时为期望信号，i=1，2，…，P为干扰信号。nk（t）为第k个阵元接收的噪声。 二、数字波束形成实现关键技术 （一）矩阵运算。由上所述得知，要实现数字波束的形成主要难点在于实时计算协方差矩阵和逆矩阵，并且随着阵元数目的增多运算量随之快速增加，对信号处理提出了较高要求。 我们充分发挥TMS320C6678多核的特点，将运算过程分解成若干个部分，在时间上可以重叠的运算交由不同的核来同时完成，并且将所有运算数据都保存在速度最高的内部RAM中，极大地提高了运算效率，减少了运算时间。下面以逆矩阵的计算来说明：首先将矩阵进行LU三角分解， 得到两个三角矩阵， 接着求这两个三角矩阵的逆矩阵，最后将两个三角逆矩阵相乘得到原矩阵的逆矩阵。 （二）高速实时处理系统。进行10路DBF/ADBF的计算需要实时传输很大的数据量，因此在系统设计中我们充分利用TMS320C6678集成的高速接口SRIO和HyperLink，并结合 FPGA芯片来实现。其中4xSRIO速度可达12.5Gbps，Hyper Link 4lane速度可达50Gbps。实际工作中最大采样率20Mhz， 10（路）*32bit*2（iq）/0.05us = 12800Mbps，可以满足要求。 三、工程实现结果 （一）矩阵求逆精度。矩阵求逆运算和协方差运算对精度要求较高，在仿真时较小的误差会带来较大的结果差异，从而影响实际工作效果。所以我们对实际采样数据分别采用系统和matlab计算来对比，结果证实系统工作精度可以满足要求。 （二） ADBF波束形成。在有干扰的情况下，我们希望通过计算最优权向量，使得波束在干扰方向形成零陷，从而达到干扰抑制的作用。这也是数字波束形成体制雷达具备的优点。 四、结束语