基于非监督贝叶斯学习雷达性能指标动态评估

• Published in: 系统工程与电子技术 Vol. 43; no. 1; pp. 74 - 82
• Main Authors: 杨磊, 毛欣瑶, 杨晓炜, 张海, 杨菲, 孙麟
• Format: Journal Article
• Language: Chinese
• Published: 中国民航大学天津市智能信号与图像处理重点实验室,天津300300%中国工程物理研究院电子工程研究所,四川绵阳621999 2021
• Subjects: 动态评估; 非监督学习; 雷达性能指标; 贝叶斯学习
• ISSN: 1001-506X
• DOI: 10.3969/j.issn.1001-506X.2021.01.10

TN957; 针对传统雷达性能指标评估方法相对"机械"、缺乏理论约束,需要多次重复实验,导致评估效率较低,评估成本较高等问题,提出基于非监督贝叶斯学习方法的雷达性能指标动态评估算法,在一定雷达探测目标先验假设下,结合典型回波观测数据模型,建立雷达性能指标后验概率模型.考虑到先验知识与观测数据可能存在的非共轭特性,针对先验概率模型建立分层贝叶斯模型,从而保证雷达性能指标后验概率密度函数的可解性.此外,为了保证后验概率密度函数的闭合解析解,应用变分贝叶斯期望最大化(variational Bayesian expectation maximization,VB-EM)方法,基于高斯-赛德尔迭代策略分别计算性能指标及其超参数的后验概率密度函数.最终,利用后验概率密度函数计算结果,可获得相应性能指标解析估计值及其置信区间和置信度,从而实现对指标动态变化的解析指示.相比传统蒙特卡罗评估方法,所提方法仅需一次实验数据便可获得定量的、解析的指标评估结果,可以大大缩减评估成本,提升评估效率,同时可对指标动态变化给出定量指示.应用仿真数据对雷达定位、测高精度以及目标检测概率指标进行了验证,相比传统方法,评估处理增益获得了有效提升.