雷达学报

作者：朱培坤, 梁菁, 罗子涵, 沈晓峰

单位：电子科技大学信息与通信工程学院 成都 611731；

关键词：目标跟踪, 认知雷达, 波形挑选, 基于准则优化(CBO), 熵奖励Q学习(ERQL)

基金：国家自然科学基金(61731006)，四川省自然科学基金(2023NSFSC0450)，111计划(B17008)

认知雷达通过不断与环境互动并从经验中学习，根据获得的知识不断调整其波形、参数和照射策略，以在复杂多变的场景中实现稳健的目标跟踪，其波形设计在提高跟踪性能方面一直备受关注。该文提出了一种用于跟踪高机动目标的认知雷达波形选择框架，该框架考虑了恒定速度(CV)、恒定加速度(CA)和协同转弯(CT)模型的组合，在该框架的基础上设计了基于准则优化(CBO)和熵奖励Q学习(ERQL)方法进行最优波形选择。该方法将雷达与目标集成到一个闭环中，发射波形随目标状态的变化实时更新，从而达到对目标的最佳跟踪性能。数值结果表明，与CBO方法相比，所提出的ERQL方法大大减少了获取最优波形的处理时间，并实现了与CBO相近的跟踪性能，相比于固定参数(Fixed-P)方法，极大地提高了机动目标的跟踪精度。

来源：2023年第2期

《雷达学报》期刊编辑部

查看雷达学报杂志2023年第2期