基于ICGA的雷达与雷达干扰一体化信号的优化设计

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (2): 212-215.

基于ICGA的雷达与雷达干扰一体化信号的优化设计

韩国玺，何俊，潘启中

电子工程学院，合肥 230037

出版日期:2014-01-15 发布日期:2014-01-26

Optimization design of radar and jammer integration signal based on improved chaos genetic algorithm

HAN Guoxi, HE Jun, PAN Qizhong

Electronic Engineering Institute, Hefei 230037, China

Online:2014-01-15 Published:2014-01-26

摘要/Abstract

摘要： 现代雷达与雷达干扰一体化系统中一体化信号的优化设计对整个系统性能发挥具有深远意义。结合伪随机信号特点，运用时空混沌系统构造伪随机二相序列，并在分析一体化信号设计原则的基础上建立了一体化二相序列的优化模型，将基于自适应排序选择策略的混沌遗传算法应用于求解序列优化模型，给出了具体的解算步骤，并进行了实例仿真。仿真结果表明改进的混沌遗传算法有效地解决了雷达与雷达干扰一体化信号优化设计问题，得到了性能良好的一体化信号。

关键词: 混沌遗传算法, 雷达与雷达干扰一体化, 一体化信号, 优化设计

Abstract: The optimization design of integrated signal plays an important role in modern radar and jammer integration system. According to the characteristics of Pseudo-random signal, the bi-phase sequences are generated using spatiotemporal chaos system. Meanwhile, the optimization model is constituted based on the design principles of integrated signal. The chaos genetic algorithm based on adaptive choice strategy is applied to solve the model and the calculation steps are presented in detail. The idiographic examples are analyzed and the simulation results show that the improved chaos genetic algorithm is valid and applicable for the optimization design of radar and jammer integration signal.

Key words: chaos genetic algorithm, radar and jammer integration, integrated signal, optimization design

韩国玺，何俊，潘启中. 基于ICGA的雷达与雷达干扰一体化信号的优化设计[J]. 计算机工程与应用, 2014, 50(2): 212-215.

HAN Guoxi, HE Jun, PAN Qizhong. Optimization design of radar and jammer integration signal based on improved chaos genetic algorithm[J]. Computer Engineering and Applications, 2014, 50(2): 212-215.

[1]	梁承姬，陈登川. 自动化集装箱码头AGV配置与调度耦合问题研究[J]. 计算机工程与应用, 2020, 56(14): 216-225.
[2]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[3]	孙田雨，史峥. 采用改进遗传算法优化FIR数字滤波器设计[J]. 计算机工程与应用, 2017, 53(17): 108-111.
[4]	候聪亚1，2，王宗彦1，2，郭小雷1，2，樊恒1，2，滕绯虎1. 桥式起重机智能定制与报价系统开发[J]. 计算机工程与应用, 2016, 52(22): 248-252.
[5]	张屹，万兴余，郑小东，詹腾. 基于改进元胞多目标遗传算法的机床主轴优化[J]. 计算机工程与应用, 2015, 51(6): 260-265.
[6]	张　　屹，胡方军，卢　　超. 基于同步元胞遗传算法的弹簧可靠性优化设计[J]. 计算机工程与应用, 2014, 50(10): 31-37.
[7]	蒋科辉. Taguchi方法混合ABC算法的车辆部件优化设计[J]. 计算机工程与应用, 2014, 50(1): 246-250.
[8]	李可维1，李小谦1，徐正喜1，雷刚2. 联合紧支径向基函数和微分进化算法的电磁优化方法[J]. 计算机工程与应用, 2013, 49(22): 219-222.
[9]	汪伟，莫蓉，张岩. 叶片气动优化仿真数据的数据挖掘应用研究[J]. 计算机工程与应用, 2013, 49(12): 11-15.
[10]	史蕊，白晨希. 混沌遗传算法在时延约束选播路由中的应用[J]. 计算机工程与应用, 2013, 49(10): 96-99.
[11]	王佳1，2，符卓1. 双层城市公交网络设计及优化方法研究[J]. 计算机工程与应用, 2012, 48(36): 1-8.
[12]	王振锋1，崔岩1，王亮1，谢敏2. 不确定环境下的再制造闭环物流网络优化[J]. 计算机工程与应用, 2012, 48(36): 221-226.
[13]	严勇1，赵长宽2. 一种多学科设计优化工作流验证方法[J]. 计算机工程与应用, 2012, 48(26): 235-242.
[14]	伍星华¹，王旭². 再制造混合物流网络的多周期多目标优化设计[J]. 计算机工程与应用, 2011, 47(2): 21-25.
[15]	王芳，戴永寿，王少水. 改进的混沌遗传算法[J]. 计算机工程与应用, 2010, 46(6): 29-32.