基于流向算法的协同雷达-NOMA通信系统布站优化.pdf

：引用格式：吴丽卓，苏颖，张静基于流向算法的协同雷达通信系统布站优化无线电工程，（）：，（）：基于流向算法的协同雷达通信系统布站优化吴丽卓，苏颖，张静（上海师范大学 信息与机电工程学院，上海）摘要：研究了协同雷达通信系统的布站优化问题，通信系统搭载在无人机（，）上，采用非正交多址接入（，）技术服务多个地面用户，雷达系统为多基地雷达，其多个接收机和发射机分置，雷达系统和通信系统存在部分频谱重叠共享。建立了通信系统发射机和雷达接收机的联合布站优化模型，目标是在通信传输速率约束下，实现通信系统平均传输能耗最小化、通信发射机雷达接收机信道的信噪比最大化以及雷达定位几何精度因子（，）最小化。引入流向算法（，）进行最优化求解，仿真结果表明，相对于通信系统未采用技术时，所提出的布站优化方案平均传输能耗更低，且较其他常用智能优化算法的精度和寻优效率更高。关键词：协同雷达通信系统；联合布站优化；非正交多址接入技术；流向算法；多基地雷达中图分类号：文献标志码：开放科学（资源服务）标识码（）：文 章 编 号：（），（，）：，（）（），（）（），：；收稿日期：基金项目：国家自然科学基金（）：（）引言近年来，协同雷达通信系统因其能够实现雷达和通信双重功能受到越来越多的关注。文献考虑了通信基站充当双基地雷达接收机的协同场景，提出了基于克拉美罗下界最小化的雷达波形优化方法。文献通过对通信系统干扰的限制和对雷达发射功率、副载波功率比的约束来实现波形优化。文献提出了一种在毫米波雷达通信系统背景下的协同探测技术，通过多个支持雷达模式的协作基站进行联合目标检测。文献提出了面信号与信息处理 年 无线电工程 第 卷 第 期 向雷达通信一体网络的资源分配决策方法，用来最小化各设备的平均发射功率。文献针对车联网的协同雷达通信场景，用随机几何的理论方法对车辆进行定位，推导了不同场景不同车辆数的平均协同检测范围的闭环表达式。文献针对毫米波通信被集成到无人机无人车协作系统中的场景，提出了一种波束成形和功率分配的联合优化方案。文献提出了多输入多输出（，）雷达与通信系统协同频谱共享框架，通过雷达波束成形和通信系统码本设计，在功率和通信速率的约束下实现雷达有效干扰功率的最小化。文献考虑了点对点通信系统和多基地雷达共存的场景，提出了一种自适应雷达接收机放置机制，以最大限度地提高通信发射机雷达接收机信道的信噪比（，），同时最小化几何精度因子。综上所述，现有的针对协同雷达通信系统的研究大多集中在波形设计和功率分配等方面，但由于雷达系统和通信系统频谱重叠共享时存在相互干扰问题，因此协同系统的工作效能还严重依赖对站点资源和位置的合理配置。而目前针对协同雷达通信系统的联合布站研究较少，且仍存在一些问题，如未考虑多用户通信且通信传输速率较低，未考虑无人机通信系统的续航问题等。针对以上不足，本文构建了一种协同多基地雷达辅助的通信系统的更为复杂的应用场景，建立了和雷达接收机的联合布站优化模型，通过优化目标加权来平衡性能指标。其中辅助的通信系统以通信系统平均传输能耗为性能指标，多基地雷达系统以通信系统发射机雷达接收机信道的和雷达定位几何精度因子（，）为联合性能指标。在求解最优化问题时，针对目前常用智能优化算法存在寻优精度和寻优效率方面的不足，引入一种基于流向排水池出口运动原理的新算法流向算法（，）对联合布站最优化问题进行求解。最后通过仿真验证了该算法在精度和寻优效率方面的优越性。系统模型考虑的协同雷达通信系统示意如图所示。该系统由个通信系统、部署于地面的个通信用户、个雷达发射机、个雷达接收机和个雷达目标组成。无人机通信系统下行链路基于服务于个地面用户，雷达发射机发送信号到雷达目标后，回波信号返回到雷达接收机。通信系统和雷达系统存在部分频谱重叠共享。各部分的位置坐标表示为：通信发射机，通信用户，雷达发射机，雷达接收机，雷达目标，。图协同雷达通信系统示意 通信系统模型由于通信与信道模型直接相关，在布站优化时首先建立链路模型，然后建立功率分配模型，得出接收端的。通信系统发射机与地面用户之间存在一定的视距（，）和非视距（，）链路概率，则通信发射机与地面用户的概率可表示为：()()()，（）式中：、为取决于通信环境的常数值，槡为通信发射机与用户之间的水平欧氏距离。通信发射机与用户之间的概率表示为：。（）因此，通信发射机与地面用户之间的平均路径损耗可表示为：，（）式中：，为载波频率，为光速；为路径信号与信息处理 损耗指数，和分别为和链路的衰减损耗因子，槡为通信发射机与用户之间的欧氏距离。因此，通信发射机与地面用户之间的信道增益可表示为：。（）下行通信的多用户共享带宽来提高频谱效率，通信发射机采用不同的发射功率向用户发射下行信号。发射端采用固定功率分配（，）算法进行功率分配，将个用户按照信道增益的大小降序排列，排列后的新用户表示为（），对应的信道增益为（）。则功率分配方案可表示为：（）（），（）式中：（，）为固定功率分配因子，（）（，）为分配给用户（）的功率，（），为发射功率。则用户（）接收到的可表示为：（）（）（）（）（）（），（）式中：为噪声功率，为加性高斯白噪声的功率谱密度，为载波带宽；为来自雷达发射机的共道干扰，其中为雷达发射机功率，为雷达发射机与地面用户之间的信道增益。因此通信发射机与地面用户（）之间的可达速率为：（）（）。（）通信系统的平均传输能耗为：（），（）式中：为通信服务的数据大小。雷达定位系统模型是衡量分布式传感器网络拓扑结构对定位精度影响的一个重要指标，其值越小，拓扑结构越好，定位精度就越高。但考虑到协同雷达通信场景中通信的干扰会对雷达测量误差产生影响，为提高通信发射机雷达接收机信道的通信数据解调能力，最小化通信干扰对雷达接收信号的影响，从而最大限度地提高雷达测量精度，采用一种基于雷达通信信道最大化和最小化的联合度量优化方法，提高通信发射机雷达接收机信道的通信数据解调能力，进而提高通信干扰下的目标定位精度。第个通信发射机和第个雷达接收机之间的可表示为：，（）式中：为第个雷达接收机噪声功率，为第个雷达接收机处接收到的通信信号功率。()，（）式中：为通信多径传播系数，和分别为第个通信发射机和第个雷达接收机的增益，为通信传输功率，为波长，为路径损耗指数，槡为第个通信发射机和第个雷达接收机之间的欧式距离。在计算时，首先采用最小二乘定位算法估计目标位置得到的目标参数估计向量为，则的协方差矩阵为：（）（）。（）则：槡。（）因此，雷达定位系统的综合性能优化目标采用基于雷达通信信道最大化和最小的联合度量指标，可以表述为：，（）式中：为第个雷达接收机的位置坐标，为由最小二乘定位算法获得的在实际目标位置估计处的联合度量评估，为部分在联合目标函数中的权重，如果雷达由于通信干扰而测距误差较高，则取值等于或大于。联合布站优化模型针对图所示协同雷达通信系统场景，将通信系统和雷达系统性能指标作为综合优化目标，其中，考虑到无人机的资源及续航能力有限，通信系统以最小化平均传输能耗为优化目标；考虑到信号与信息处理 年 无线电工程 第 卷 第 期 通信干扰对雷达定位精度的影响，雷达系统以最大化通信发射机雷达接收机信道的，同时最小化为优化指标。因二者均最小化为最优，故采用线性加权方法将其转化为单目标优化问题。约束条件考虑协同雷达通信系统的通信传输速率满足速率门限要求，且部署位置满足部署范围要求。该系统通信发射机和雷达接收机联合部署优化问题可表示为：，（）()，（），（），（），（）式中：、分别为通信发射机和雷达接收机的位置集合，为通信系统平均传输能耗，为雷达系统基于雷达通信信道最大化和最小的联合度量，为协同雷达通信系统对通信能力优化和雷达定位能力优化的权重系数，取值不同，可以得到对二者不同偏好下的联合优化部署方案。式（）表示每个用户必须满足的最低可达速率要求，其中为最低可达速率。式（）表示通信发射机和雷达接收机的水平坐标约束范围。式（）表示通信发射机的高度约束。流向算法由于式（）所描述的联合部署优化问题模型为非线性连续非凸问题，因此采用智能优化算法进行求解，以便逃脱局部最优，并在确定全局最优时提供更高的精度。在过去的几十年中学者们研究开发了多种智能优化算法，包括遗传算法（，）、模拟退火（，）算法、粒子群（，）算法和灰狼（，）算法等多种元启发式智能优化算法，然而上述算法都存在一定的缺陷，如每次迭代只生成一个解，通过特定的概率来更新，因此找到全局最优的概率较小，而定义了从大值到小值的邻域半径和下沉填充过程，以便跳出局部最优；、和等基于群智能的优化方法通过概率函数来更新种群，每次迭代可以生成多个解，但缺点是函数评估的次数（即种群最大迭代次数）更多，算法复杂度偏高，寻优效率降低，而使用特定策略将搜索过程的某个持续时间分配给全局搜索，其余时间分配给局部搜索，大大提高了寻优效率。因此引入流向算法求解该联合部署优化问题。是一种基于物理的优化算法，多用于自然地理学、地球物理学和测绘学等。该算法首先在搜索空间中创建初始种群，水流流向海拔较低的位置，以寻得最低海拔出口点即最佳适应度值。算法的初始参数包括种群数量、邻域数量和邻域半径。第个水流的初始位置可表示为：（）（），（）式中：和分别为决策变量的下限和上限，为 均匀分布的随机数。假设每个水流周围都存在邻域，则第个邻域的位置可表示为：（）（），（）式中：表示标准正态分布随机数，为小数值时在小范围内搜索，为大数值时在大范围内搜索。在大范围内搜索能产生更多种类的解，进而增加找到全局最优解的概率，当接近全局最优解时，在小范围内搜索可以进一步提升精度。因此为了平衡全局搜索和局部搜索，将从较大值线性减少到较小值：（）（），（）式中：为非线性权重。()（）()()。（）是由式（）生成的随机位置：（），（）式中：为降雨量，为降雨期间的平均失水量，为时间间隔，为时间步长。水流以速度向目标函数最小的邻域移动：（，），（）式中：（，）为第个水流与第个邻域位置之间的斜率向量。（，）（）（）（，）（，），（）式中：（）和（）分别为第个水流和第个邻域的目标值，为问题的维度。则第个水流的更新后的位置可表示为：信号与信息处理 （）（）（）（）（）（）。（）如果邻域的目标函数小于当前水流的目标函数，则该水流沿当前方向移动；反之，该水流沿海拔最低方向移动：（）（）（）（），（）（），（）（）（），其他（）式中：为随机整数。将的思想应用于建立的和雷达接收机联合布站优化模型的算法流程，如算法所示。算法和雷达接收机联合布站优化模型的流程确定初始参数：种群数量、邻域数量和邻域半径；产生初始水流种群，即通信发射机和雷达接收机的初始位置种群；根据式（）评估每个水流的适应度函数，即初始位置的目标函数值，并将最佳目标函数值作为出口点；为每个个体创建邻域半径为的个邻域；评估每个邻域的适应度函数，确定最佳邻域；如果最佳邻域具有比当前位置的最佳邻域更好的适应度函数值，则进行步骤；否则，进行步骤；根据式（）更新水流速度，并根据式（）生成新的水流位置，即生成通信发射机和雷达接收机新的位置；根据式（）更新当前部署位置；计算新位置的适应度函数值，如果优于先前的，则更新适应度函数值和当前的位置；控制终止条件；如果满足，则返回最优适应度函数和最优位置值，否则将重复步骤 。仿真结果考虑一个协同雷达通信系统，其中架无人机为地面的个通信用户进行服务，无人机的高度限制在 ，通信用户在 范围内随机独立均匀分布生成；在同一环境下部署了由台固定位置的雷达发射机与台宽间隔的雷达接收机组成的多基地雷达系统定位个雷达目标。假设该协同雷达通信系统对通信能力优化和雷达定位能力优化的侧重程度相同，即 。固定功率分配因子，种群数量，邻域数量，迭代次数，其他仿真参数设置如表所示。表仿真主要参数设置 参数值参数值 （）（）采用和非通信技术下系统平均传输能耗随发射功率的变化曲线如图所示。图 和非通信技术下系统平均传输能耗随发射功率变化曲线 由图可以看出，随着发射功率的增加，系统平均传输能耗也随之增大，相同发射功率情况下，通信技术下的系统平均传输能耗始终明显优于非通信技术下的系统平均传输能耗。这是因为当信道条件较差的用户被分配更多的功率、信道条件较好的用户被分配更少的功率时，整个系统的传输速率会增大，进而系统平均传输能耗减小。例如，当发射功率为 时，通信时的系统平均传输能耗比非通信时的系统平均传输能耗降低。信号与信息处理 年 无线电工程 第 卷 第 期 协同雷达通信系统中基于不同智能优化算法下系统平均传输能耗随发射功率变化曲线如图所示。发射功率为 时，不同智能优化算法的迭代收敛曲线如图所示。图基于不同智能优化算法下系统平均传输能耗随发射功率变化曲线 图不同智能优化算法迭代收敛曲线 由图和图可以看出，相同发射功率情况下，基于所求得的布站最优方案的系统平均传输能耗较低，算法收敛速度也较快，总体表现优于其他种算法。例如，当发射功率为 时，采用得出的系统平均传输能耗比采用时的能耗降低。图中改进灰狼（，）算法虽然也可以达到较小的系统平均传输能耗，但由图可知，其运行耗时较长，寻优效率过低。因此在该协同雷达通信系统中，选择基于对通信发射机和雷达接收机联合布站优化问题进行求解明显优于其他几种智能算法。发射功率为 时，基于求得的最优通信发射机、雷达接收机位置关系图，其中通信发射机是在水平面上的二维投影，如图所示。图基于的最优雷达发射机和通信接收机平面位置关系 雷达发射机放置在原点位置，通信用户和雷达目标的位置在迭代联合度量优化过程中保持不变，求得的最佳高度 。得到的最优雷达发射机和通信接收机位置是最小化系统平均传输能耗，最大限度地提高每个通信发射机雷达接收机信道的，同时最小化的结果。结束语本文针对协同雷达通信系统的布站场景，建立了通信发射机和雷达接收机的联合布站优化模型，优化目标函数为最小化系统平均传输能耗，最大化每个通信发射机雷达接收机信道的，同时最小化，来提升雷达和通信系统性能。引入流向算法进行最优化求解，弥补了常用智能优化算法找到全局最优概率小、寻优效率低的缺陷，并将与、五种元启发式智能优化算法进行对比。仿真结果表明，在发射功率 时，相比于，所提出的基于信号与信息处理 的协同雷达通信系统的通信平均传输能耗降低了，且寻优效率更高。?参考文献 ，（）：，（）：黄高见，欧阳缮，廖可非雷达通信一体化信号调制技术综述无线电工程，（）：，（）：?，：，：?，（）：，（）：，：管鑫，吴启晖，黄洋，等雷达通信网络频谱共享的动态协同算法信号处理，（）：，（）：，：，（）：，：，：，（）：，（）：，（）：，：，（）：，：，：蔺莹，黎锁平，彭铎 移动通信中非正交接入方式下的功率控制算法研究兰州大学学报（自然科学版），（）：，（）：作者简介吴丽卓女，（），硕士研究生。主要研究方向：智能通信。（通信作者）苏颖女，（），博士，研究员。主要研究方向：无线通信、通信与信息系统建模仿真。张静女，（），博士后，副教授。主要研究方向：移动通信、自适应信号处理和统计信号处理。信号与信息处理