基于元知识转移的认知雷达波形设计

认知雷达在实际应用中常常需要应对多样性的任务需求,传统的雷达系统往往是针对单一任务进行设计和优化。然而,现实场景中的雷达应用往往需要同时满足多个任务的需求。本文提出了一种多任务雷达波形设计方法,能够根据环境先验知识同时使用多个优化准则进行发射波形的设计。与此同时,引入了基于元知识迁移(Meta⁃Knowledge Transfer,MKT)的协方差矩阵自适应进化策略算法,通过使用更通用的MKT方法在有限的雷达资源下求解多个雷达任务。该方法通过转移雷达任务求解过程中产生的元知识,来提高每个雷达任务的求解效率。通过仿真实验验证了所提出的求解多任务雷达发射波形算法的可行性。相较于使用进化算法分别求解单一的雷达任务,避免了每个任务都需要从头开始学习优化策略,节省大量的计算资源和时间,加快了最优发射波形的求解速度。

基于环境自适应孪生网络的低空目标视频跟踪

为了实现对低空目标准确、高效的跟踪,通过分析低空目标所处背景可能发生的变化,总结背景变化时跟踪低空目标的技术特点,对基于孪生网络的视频目标跟踪算法进行改进,提出了基于环境自适应孪生网络的低空目标跟踪算法,并利用UAV123数据集对所提算法进行评估。结果显示,加入环境自适应模块的算法比现有的基于孪生网络跟踪算法在精度上提高了5.7%,在成功率上提高了7.3%,对低空目标的跟踪性能有明显的提升。