利用具有近端算子的ADMM方法进行量化相位编码波形设计

《Digital Signal Processing》:Quantized Phase-Coded Waveform Design By Using ADMM with Proximal Operator

【字体: 大 中 小 】 时间:2026年01月07日 来源:Digital Signal Processing 3

编辑推荐:

  雷达信号相位量化波形设计优化方法研究,提出基于ADMM算法与近端算子的量化相位波形优化模型,通过分解约束优化问题实现旁瓣电平最小化,实验验证其较传统方法计算效率更高且旁瓣抑制效果更优。

  
魏璐|姜俊铮|吴耀军|权英辉
杭州工业大学,西安电子科技大学,中国杭州,311231

摘要

研究表明,脉冲压缩后的雷达回波信号的高旁瓣会对抗干扰性能产生不利影响。本文提出了一种基于近端优化框架的波形设计方法。该方法首先建立了一个模型,用于最小化积分旁瓣水平(ISL),并利用其与波形旁瓣能量的直接相关性。采用交替方向乘子法(ADMM)算法来解决所提出的问题。在ADMM迭代过程中,近端算子将波形的相位分量量化为预定义的离散相位。实验结果表明,与现有设计技术相比,所提出的算法具有更优的优化性能。

引言

随着电子对抗措施的加强,调频(FM)信号在电子战中的有效性面临挑战,因为其实时复杂性较高[1]。相比之下,相位调制技术具有显著优势,包括更好的抗噪声能力、高带宽效率、对多径效应的鲁棒性、低功耗以及降低的硬件复杂性[2]、[3]、[4]、[5]。这些特性使得相位调制特别适合数字通信系统,能够在有限的带宽内实现高效的数据传输,同时保持对噪声和多径干扰的抵抗能力[6]。然而,在雷达信号脉冲压缩过程中,高旁瓣不可避免地会降低对弱目标的检测能力。此外,一些雷达系统需要量化的相位值来简化信号生成和处理。因此,设计低旁瓣的相位编码波形并对其进行相位量化已成为一个关键的研究焦点。
已经进行了大量研究来设计低旁瓣的相位编码序列。数值优化算法[7]-[8]通常遵循一个共同的程序:首先,建立一个数学模型,目标是最小化积分ISL或峰值旁瓣水平(PSL)。然后,使用各种优化方法(如梯度下降法或交替方向乘子法(ADMM)来解决该模型。正如[9]-[10]中所强调的,深度学习方法在操作效率方面表现出色。首先生成一个训练数据集,包括随机初始化的波形及其性能指标。然后,通过最小化预定义的成本函数(如所需的ISL)来设计和训练神经网络。最后,使用训练好的模型生成波形,并通过仿真验证其性能。然而,深度学习的应用往往受到训练数据质量的限制。此外,训练复杂的深度学习模型需要大量的计算资源,包括先进的硬件能力。尽管如此,大多数现有算法都专注于设计连续相位的波形,即相位可以是[0, 2π]范围内的任意值。
虽然连续相位编码波形提供了很大的理论设计自由度,但由于需要高分辨率的数模转换器和精确的模拟电路,它们在实现上具有较高的复杂性。它们还容易受到噪声和元件缺陷引起的失真影响。这些缺点可以通过使用量化相位编码波形来缓解,这种波形在实际的雷达和通信系统中被广泛采用。虽然启发式算法[11]、[12]、[13]可以用来设计量化相位编码波形,但它们的计算复杂性较高,在处理日益复杂的环境时效果较差。例如SA[14]和GA[15]算法可以实现相位量化,但计算复杂性也很高。而MM[16]和EXPP[17]算法虽然降低了计算复杂性,但不适用于相位量化。
鉴于这些问题,本文提出了一种结合ADMM和近端优化算法的量化相位编码波形设计方法。首先,建立了一个用于最小化积分旁瓣水平的优化模型。然后,使用ADMM算法来解决它。为了加速算法的执行,我们采用了Nesterov加速梯度下降法(NAG)[18]。在迭代过程中,引入了近端算子来量化相位。最后,通过实验表明,所提出的算法能够在量化相位的同时设计出低旁瓣的波形。本文的贡献如下:
  • •
    提出了一个用于量化相位编码的优化模型。它从最小化积分旁瓣水平的角度出发来减少脉冲压缩后的旁瓣。
  • •
    提出了一种带有近端算子的ADMM方法来解决波形设计问题,首先设计连续波形,然后使用近端算子将其量化为预定义的相位。
  • •
    仿真结果表明,与类似平衡相位量化和计算复杂性的现有方案相比,ADMM算法具有更短的运行时间和更优的优化性能。
  • 本文的结构如下。第2节介绍背景知识。第3节提出了所提出的方法。第4节报告了实验结果。最后,第5节总结了文章。

    部分摘录

    背景知识

    在本节中,我们首先介绍相位编码序列和积分旁瓣水平(ISL)。随后,介绍了近端优化算法的一般过程。

    算法过程

    在本节中,我们介绍了如何使用ADMM算法来解决最小化积分ISL的问题。首先,我们通过引入一个辅助变量z来重新表述优化问题(6)。
    相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普

    热点排行

      今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

      版权所有 生物通

      Copyright© eBiotrade.com, All Rights Reserved

      联系信箱:

      粤ICP备09063491号