基于免疫遗传算法的雷达重复频率选择

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (27): 187-189.

基于免疫遗传算法的雷达重复频率选择

吴涛^1,2,尚丽¹,王荣¹

1.安徽大学数学与计算科学学院,合肥 230039
2.安徽大学智能计算与信号处理教育部重点实验室,合肥 230039

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-21 发布日期:2007-09-21
通讯作者: 吴涛

Medium PRF set selection based on IGA

WU Tao^1,2,SHANG Li¹,WANG Rong¹

1.School of Mathematics and Computational Science,Anhui University,Hefei 230039,China
2.Key Laboratory of Intelligent Computing & Signal Processing of Ministry of Education,Auhui University,Hefei 230039,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-21 Published:2007-09-21
Contact: WU Tao

摘要/Abstract

摘要： 多普勒雷达能够在较强的杂波背景中检测目标,被广泛应用,但它既存在距离模糊,又存在速度模糊,需要在巨大的解空间中选择一组重复频率解模糊。免疫遗传算法是基于免疫原理,对遗传算法的改进,它克服了遗传算法易早熟、搜索效率低、不能很好保持个体的多样性等缺点。运用基于实数编码的免疫遗传算法来选择多重中脉重复频率。实验表明该方法便于编码,比基本的遗传算法能更快更准确地找到满意解。

关键词: 免疫遗传算法, 脉冲多普勒雷达, 盲区

Abstract: As Pulsed-Doppler radars can detect target from background of very large clutter beam,they have been widely used.But there are unavoidably blind regions in range and velocity.So,a set of PRFs need to be selected to resolve ambiguity.Immune Genetic Algorithm（IGA） is based on immune theory.It’s the improvement of GA,and conquers GA’s disadvantage such as：premature,low efficiency of perform and less individual diversity.This paper selects multiple PRFs using IGA,based on real coding.The experiment shows that this method turns out to be convenient for coding and finding optimal solutions more accurately than general GA.

Key words: Immune Genetic Algorithm（IGA）, Pulsed-Doppler radar, blind region

吴涛^1,2,尚丽¹,王荣¹. 基于免疫遗传算法的雷达重复频率选择[J]. 计算机工程与应用, 2007, 43(27): 187-189.

WU Tao^1,2,SHANG Li¹,WANG Rong¹. Medium PRF set selection based on IGA[J]. Computer Engineering and Applications, 2007, 43(27): 187-189.

[1]	李婕1，李昊2，赵新蕖1. 免疫遗传算法的混合动力汽车多目标优化[J]. 计算机工程与应用, 2018, 54(4): 237-243.
[2]	陈树，季忠军. 复杂三维曲面覆盖算法研究[J]. 计算机工程与应用, 2016, 52(20): 127-131.
[3]	马伯乐1，张秀山1，赵冰化2，张紫霏3. 虚拟战场雷达作用范围与波束可视化方法研究[J]. 计算机工程与应用, 2013, 49(9): 263-266.
[4]	牛之贤，李武鹏，张文杰. 基于AIGA-BP神经网络的粮食产量预测研究[J]. 计算机工程与应用, 2012, 48(2): 235-237.
[5]	倪霖1，贾春兰2，葛显龙2. 多项目资源均衡优化的免疫遗传算法研究[J]. 计算机工程与应用, 2012, 48(13): 206-210.
[6]	钱艳萍1，何洪英1，蒋正龙2，赵纯2，关石磊3，夏德分3. 改进免疫遗传算法的零值绝缘子分割方法研究[J]. 计算机工程与应用, 2011, 47(31): 157-159.
[7]	文欣秀1，许光泞2. DNA免疫遗传算法及其应用[J]. 计算机工程与应用, 2011, 47(26): 55-57.
[8]	周本达1，陈明华2. 求解最大子团的随机抽样免疫遗传算法[J]. 计算机工程与应用, 2011, 47(16): 40-42.
[9]	陈琦¹，马向阳². 求解串并联系统配置问题的免疫遗传算法[J]. 计算机工程与应用, 2010, 46(15): 235-238.
[10]	王鲜芳^1，2，杜志勇³，潘丰¹. 基于混沌免疫遗传算法整定PID参数[J]. 计算机工程与应用, 2010, 46(13): 242-244.
[11]	余振华. 车辆路径问题的自适应伪并行免疫遗传算法[J]. 计算机工程与应用, 2010, 46(1): 221-223.
[12]	章杰鑫^1，2，郑羽洁¹. 3G基站选址的智能优化实现[J]. 计算机工程与应用, 2009, 45(35): 230-232.
[13]	刘升平¹，王剑²，葛红¹. 超声波测距系统的开发与研究[J]. 计算机工程与应用, 2009, 45(25): 78-81.
[14]	孙洋，罗可. 基于免疫遗传算法的模糊C-均值聚类[J]. 计算机工程与应用, 2009, 45(23): 152-153.
[15]	张一栋,吴锡生. 结合免疫遗传和粗糙集的改进图像分割方法[J]. 计算机工程与应用, 2009, 45(16): 180-181.