买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学;电子科技大学长三角研究院(衢州)

摘要：本发明公开了一种基于迭代优化网络法的恒模MIMO雷达波形设计，涉及雷达技术领域。本发明包括：制定加权综合目标函数，其为加权峰值旁瓣和加权积分旁瓣电平的线性组合；通过改变加权综合目标函数的权重系数，以转化为波形优化问题，最小化加权综合目标函数的问题很复杂，现有的方法无法直接解决；本发明利用深度学习网络提出了一种无监督双迭代优化网络，首先通过外部迭代更新输入波形；然后内迭代通过残差网络优化波形；最后通过不断更新和优化，在满足收敛条件的情况下，得到所需的波形序列。与现有方法相比，本发明所设计出的波形具有更低的加权最大自相关旁瓣加权最大互相关旁瓣，并且计算成本更低。

主权项：1.基于迭代优化网络法的恒模MIMO雷达波形设计，其特征在于，包括下列步骤：步骤1，构建恒模MIMO雷达波形设计的优化目标函数： 其中，L为优化目标函数，为MIMO雷达的波形矩阵，M为发射天线数量，N为子脉冲数，为第m根天线发射的序列，smn表示第m个序列sm的第n个子脉冲，e为自然底数，j为虚数单位，ymn为smn的相位序列；l1为第一权重系数，第二至第五权重系数l2～l5分别为加权自相关峰值旁瓣WAPSL的权重、加权互相关峰值旁瓣电平WCPSL的权重、加权自相关积分旁瓣电平WAISL的权重、加权互相关积分旁瓣电平WCISL的权重；步骤2，构建无监督双迭代优化网络算法对步骤1构建的优化目标函数进行求解，基于求解结果得到恒模MIMO雷达波形优化结果；其中，无监督双迭代优化网络算法包括外迭代处理和内迭代处理；外迭代处理用于替换的波形矩阵S的相序初始值y0，当满足预置的外迭代收敛条件时，基于内迭代处理最近输出的最优相序y′得到恒模MIMO雷达波形优化结果；内迭代处理基于深度残差网络以相序初始值y0为输入，通过深度残差网络的输出得到增量相序基于融合因子对相序初始值y0和当前的增量相序进行融合，得到优化相序yt；其中上标t用于标识内迭代次数；基于优化目标函数设置深度残差网络的损失函数，在未满足内迭代收敛条件之前，基于当前优化相序yt计算深度残差网络的损失值ct，并基于损失值ct对深度残差网络的网路参数进行更新，再将相序初始值y0输入更新后的深度残差网络，以获取下一次内迭代的优化相序yt+1；当满足内迭代收敛条件时，将具有最小损失值ct的优化相序yt作为本轮内迭代处理输出的最优相序y′。

全文数据：

权利要求：

百度查询： 电子科技大学 电子科技大学长三角研究院(衢州) 基于迭代优化网络法的恒模MIMO雷达波形设计