Resumen

Se ha propuesto la transformada de Radon-Fourier generalizada (GRFT) para detectar objetivos de maniobra débiles de radar mediante la integración coherente a través de la búsqueda conjunta en el espacio de parámetros de movimiento. Los dos principales inconvenientes de la GRFT son la pesada carga computacional y los lóbulos laterales de velocidad ciega (BSSL), que provocan graves falsas alarmas. La optimización de enjambre de partículas basada en el aprendizaje de BSSL (BPSO) se ha propuesto anteriormente para reducir la carga computacional de la GRFT y resolver el problema de BSSL simultáneamente. Sin embargo, la BPSO sufre una aparente pérdida de rendimiento de detección en comparación con la GRFT. En este trabajo se propone un algoritmo de implementación rápida de la GRFT que utiliza la optimización modificada basada en el aprendizaje de BSSL (BMWDO). En el BMWDO, el procedimiento de aprendizaje BSSL también se utiliza para tratar el fenómeno BSSL. Además, la BMWDO ajusta los coeficientes en WDO con la distribución de Levy y la distribución uniforme, y supera a PSO en un entorno ruidoso. En comparación con BPSO, el método propuesto puede lograr un mejor rendimiento de detección con un coste computacional similar. También se proporcionan varios experimentos numéricos para demostrar la eficacia del método propuesto.

• Materias:Propagación de ondas Radar Teoría de Antenas Redes Inalámbricas Banda ancha Radares
• Subjects:Wave propagation Radar Antenna theory Wireless Networks Broadband Radars
• Palabras claves:aprendizaje bssl, métodos propuestos, procedimientos de aprendizaje bssl, inconveniente del grft, algoritmo de implementación rápida, velocidad del lóbulo lateral, carga del grft, falsa alarma grave, coste computacional similar, mejor rendimiento de detección
• Keywords:bssl learning, proposed methods, bssl learning procedures, drawback of grft, fast implementation algorithm, speed side lobe, burden of grft, serious false alarm, similar computational cost, better detection performance