一种增强型MOPSO方法用于分布式雷达拓扑优化

《Sensors》：An Enhanced MOPSO Method for Distributed Radar Topology Optimization Lin Cao, Shengwu Qi, Zongmin Zhao, Chong Fu and Dongfeng Wang

　　

到达时间差（TDOA）定位通过分析目标信号在分布式雷达节点处的到达时间差实现高精度定位，其性能强烈依赖于雷达节点拓扑。然而，现有研究往往更侧重于提高定位精度，而忽视了雷达几何布局和监视覆盖对定位性能的影响。为此，研究人员提出了一种基于改进的非支配排序多目标粒子群优化（NS-MOPSO）算法的分布式雷达系统拓扑优化方法。首先，建立了分布式TDOA雷达系统的几何定位模型。基于该模型，制定了三个优化目标，包括最小化几何精度因子（GDOP）、最大化目标覆盖以及改善节点布局的几何平衡性。这三个目标函数被纳入NS-MOPSO框架中，以实现更合理的雷达几何分布。为了增强优化性能，采用了一系列策略，例如基于Pareto解选择的非支配排序、改进的拥挤距离方案以鼓励均衡的多目标优化，以及高斯变异以增加解多样性并降低早熟收敛风险。为了验证所提方法，在不同节点部署场景下进行了仿真研究与实际实验。结果表明，与表现最佳的对比方法相比，优化后的拓扑实现了均方根位置误差（RMSPE）降低6.4%，高质量定位区域比例增加4.3%，同时展现出更快的收敛速度和更好的稳定性。这些发现证实了所提方法在提高定位精度、扩大有效覆盖范围以及改善整体系统性能方面的有效性和鲁棒性。

**论文解读：一种增强型MOPSO方法用于分布式雷达拓扑优化**

**1. 研究背景与问题**

在现代电子对抗与智能感知系统中，无源辐射源定位是关键技术之一。到达时间差（TDOA）定位通过分析目标信号到达不同分布式雷达节点的时差来实现高精度定位，因其不依赖辐射源先验信息且具有较高精度和抗多径能力而得到广泛应用。尽管已有大量研究在信号处理、同步策略和鲁棒估计算法方面取得了进展，但分布式雷达系统的几何拓扑对定位精度和覆盖性能具有根本性影响。现有研究在优化拓扑时，往往将几何性能作为局部定位精度或覆盖指标的聚合因子，而非将其建模为显式结构目标，导致优化过程倾向于提升离散评估点的性能，而忽略全域空间稳定性。此外，在高维或部署受限场景中，异构目标尺度常导致进化搜索中的支配偏差，造成种群分布不均和Pareto多样性有限。因此，亟需一种能够同时协调定位精度、覆盖能力和几何平衡性的拓扑优化框架。本研究旨在开发一种几何感知的多目标拓扑优化方法，以解决上述问题。

**2. 研究内容与结论**

研究人员提出了一种基于改进的非支配排序多目标粒子群优化（NS-MOPSO）算法的分布式雷达拓扑优化方法。首先，建立了分布式TDOA雷达系统的几何定位模型，并在此基础上制定了三个优化目标：最小化几何精度因子（GDOP）、最大化目标覆盖以及改善节点布局的几何平衡性。为增强优化性能，引入了非支配排序、改进的拥挤距离方案（目标感知拥挤队列策略）以及高斯变异和重新初始化机制。通过仿真和实地实验验证，优化后的拓扑在定位精度、覆盖效率和几何稳定性方面均优于传统部署策略（如均匀阵列、随机部署、切线布局、单目标PSO、NSGA-II、标准MOPSO和MOPSO-NRCD）。具体而言，所提NS-MOPSO方法在RMSPE上降低了6.4%，高质量定位区域比例提高了4.3%，同时表现出更快的收敛速度和更好的稳定性。该研究发表在《Sensors》期刊上。

**3. 主要关键技术方法**

研究人员主要采用了以下关键技术方法：基于TDOA的几何定位模型构建，用于描述节点空间配置对定位性能的影响；改进的非支配排序多目标粒子群优化（NS-MOPSO）算法，融合了目标感知拥挤队列策略以缓解异构目标空间中的支配偏差，以及停滞感知的高斯变异和GDOP引导的重新初始化机制以增强全局搜索能力；通过蒙特卡洛仿真和实地实验（在开放户外区域使用四个80 GHz毫米波雷达）进行综合验证，仿真场景包括关键任务区域和雷达部署区域，实地实验在102 m×68 m场地进行。

**4. 研究结果**

- **4.1. 仿真实验与分析**
研究人员在仿真中设置雷达部署区域为[-40 km, 40 km]×[0 km, 80 km]，辐射源监测区域为[-200 km, 200 km]×[0 km, 380 km]，包含两个关键辐射源，并采用5个雷达节点。通过比较8种部署策略（随机部署、均匀阵列、切线布局、单目标PSO、NSGA-II、标准MOPSO、MOPSO-NRCD和所提NS-MOPSO），得出以下结果：
- **定位精度（RMSPE）**：NS-MOPSO平均RMSPE为287.5 m，相比随机部署（445.3 m）降低约35%，相比MOPSO-NRCD（302.2 m）降低约5%，表明引入几何平衡调节和场景感知多样性控制可获得更稳定的空间配置。
- **监视覆盖率**：NS-MOPSO平均覆盖率为77.6%，相比随机部署（58.5%）提高约19%，相比MOPSO-NRCD（72.9%）提高约4.7%，表明几何感知多样性调节增强了监视完备性。
- **收敛性**：NS-MOPSO在早期阶段更快接近Pareto最优区域，且后期波动幅度更小，归一化适应度值最低，归因于几何约束变异、GDOP引导重新初始化及目标感知拥挤调节的协同作用。
- **GDOP分布**：优化部署的平均GDOP从均匀阵列的28.91降至18.63，降低35.6%，GDOP<20的区域比例从47.9%提升至85.1%，且三维GDOP分布显示优化部署消除了高GDOP“盲区”，实现了更均匀的精度分布。
- **计算成本与可扩展性**：在5节点配置下，NS-MOPSO平均运行时间为97.6 ms，与标准MOPSO相当且低于MOPSO-NRCD和NSGA-II；当节点数增至50时，运行时间升至892.1 ms，仍保持近线性增长，表明具有良好可扩展性。
- **消融研究**：移除目标感知拥挤策略导致定位精度和覆盖一致性下降；移除GDOP引导重新初始化使RMSPE显著增加且GDOP<20比例从89.2%降至73.7%；自适应变异算子提供中等程度的改进，验证了各模块的贡献。

- **4.2. 实验验证与分析**
在实地实验中，研究人员在开放户外场地部署四个80 GHz毫米波雷达，构建了六种拓扑配置（均匀阵列、随机部署、MOPSO、NSGA-II、MOPSO-NRCD和NS-MOPSO），并在多个目标位置进行定位测试。结果如下：
- **定位精度**：NS-MOPSO平均RMSPE为1.60 m，相比随机部署（2.32 m）提高约31%，相比MOPSO-NRCD（1.71 m）提高约6.4%，且误差方差最小。
- **有效监视覆盖率**：NS-MOPSO覆盖率为66.9%，相比MOPSO-NRCD（62.6%）提高4.3个百分点，相比随机部署（37.5%）显著提高，表明几何感知多样性调节实现了更有效的空间分布。
- **定位误差累积分布函数（CDF）**：NS-MOPSO的CDF曲线最左且最陡，表明在较低误差区间内汇聚了更高比例的采样点，有效抑制了大误差发生，增强了定位可靠性。

**5. 讨论与结论**

讨论部分指出，所提NS-MOPSO框架通过将雷达特定的几何约束嵌入多样性调节和算子设计，增强了异构目标空间中的结构稳定性，为其他几何耦合传感系统的多目标优化提供了启示。研究结论部分总结如下：本文提出了一种面向分布式雷达TDOA定位系统的拓扑优化框架。为克服传统均匀部署策略的局限性，开发了一种改进的多目标粒子群优化方法，称为NS-MOPSO。建立了几何TDOA定位模型以表征空间配置对定位性能的影响，并构建了统一的多个目标函数以联合优化定位精度、覆盖能力和几何平衡性。实验验证了所提方法的有效性。与表现最佳的对比方法（MOPSO-NRCD）相比，所提NS-MOPSO实现了RMSPE降低6.4%，有利几何条件区域比例提高4.3%，同时保持稳定的收敛行为。优化后的拓扑在实际部署约束下提供了改进的定位可靠性、增强的覆盖效率以及减少的空间误差变异性。总体而言，所提框架代表了面向雷达拓扑优化的多目标PSO的问题导向性改进。通过将雷达特定的几何约束嵌入多样性调节和算子设计，增强了异构目标空间中的结构稳定性，并为其他几何耦合传感系统的多目标优化提供了见解。