[論文レビュー] Optimization of OFDM radar waveforms using genetic algorithms

Gabriel Lellouch, Amit Kumar Mishra|arXiv (Cornell University)|Apr 25, 2014

Radar Systems and Signal Processing参考文献 13被引用数 5

ひとこと要約

本稿では、多目的最適化のための遺伝的アルゴリズム（GAs）、特にNSGA-IIと、PMEPR最小化のための単目的GAを用いて、最適化されたOFDMレーダ波形を設計する手法を提案する。GAに基づく最適化が、ピーク対側 lob 比（PSLR）、統合側 lob 水準（ISLR）、ピーク対平均エナベループ パワー比（PMEPR）を顕著に低減させることを示しており、サブキャリア重み付けと位相コード最適化により、ターゲット検出性能が向上する。

ABSTRACT

In this paper, we present our investigations on the use of single objective and multiobjective genetic algorithms based optimisation algorithms to improve the design of OFDM pulses for radar. We discuss these optimization procedures in the scope of a waveform design intended for two different radar processing solutions. Lastly, we show how the encoding solution is suited to permit the optimizations of waveform for OFDM radar related challenges such as enhanced detection.

研究の動機と目的

• 従来のOFDM波形の限界、特に高い距離側 lob と高いPMEPRが検出性能を低下させ、信号歪みを引き起こす問題を解消するため。
• 進化計算、特に遺伝的アルゴリズムを用いて、柔軟で適応的な方法でOFDMレーダパルス設計を最適化することを検討するため。
• 位相コードとサブキャリア重みといった波形パラメータの最適化において、単目的と多目的GAアプローチを比較するため。
• 2段階の波形設計プロセスにGAベースの最適化を統合するため：まずターゲット反射スペクトルに基づいてサブキャリア重みを最適化し、次に位相コード選択によってPMEPRを最小化する。
• GAベースの最適化が、特にスパarsespectrum環境下で、従来手法に比べて優れた性能を示し、低側 lob 水準と低PMEPRを達成できることを実証するため。

提案手法

• 2段階の波形設計を採用：まず、ターゲットの正規化された反射スペクトルに基づいてサブキャリア重みを最適化し、検出性能を向上させる。次に、遺伝的アルゴリズムを用いて位相コードを最適化し、PMEPRを最小化する。
• PSLRとPMEPRの多目的最適化にNSGA-IIを採用し、側 lob 抑制とエナベループ パワー効率の間でPareto最適なトレードオフを実現する。
• PMEPRを最小化しつつ、事前に最適化されたサブキャリア重みにより検出性能を維持するための単目的GAを適用する。
• OFDM波形を位相コード（例：BPSK）で符号化し、GA処理に適した実数値符号化戦略を用いて位相シフトを表現する。
• 周波数ドメインでの戻り信号に単位平均パワーを確保するため、ターゲット反射スペクトルを正規化する。これにより、異なる波形間での公平な比較が可能になる。
• 集団サイズを100に設定し、トーナメント選択と一様交差を用いた標準的なGAオペレータ（選択、交差、変異）を最適化プロセスに適用する。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムは、PSLRとPMEPRを同時に低減するためのOFDMレーダ波形最適化に効果的か？
• RQ2 PMEPRと側 lob 抑制の観点から、GAベースの最適化はニューマン位相法などの従来手法に比べてどのように性能を発揮するか？
• RQ3 位相コード最適化の前段階として、ターゲット反射スペクトルに基づくサブキャリア重み付けが、どの程度検出能力を向上させられるか？
• RQ4 同じ時間帯域積に対して、OFDMシンボル数を増加させることで最適化性能が向上するか？
• RQ5 従来手法が失敗する可能性があるスパースなOFDMスペクトル環境下でも、GAベースの最適化が優れた結果を達成できるか？

主な発見

• GAベースの最適化により、ランダム符号化と比較してPMEPRが顕著に低減され、ピーク対側 lob 比（PSLR）と統合側 lob 水準（ISLR）の両面で著しい改善が得られた。
• 同じ時間帯域積のもとで、OFDMシンボル数を増加させることで、PMEPRとPSLRの両方の低減性能が向上した。
• 単目的GAアプローチにより、特にスパーススペクトル環境下で、既存の最も頑健な手法を上回るPMEPR低減が達成された。
• ターゲット反射スペクトルに基づいてサブキャリア重みを最適化した結果、平均信号パワーが2.4 dB向上し、検出能力の向上が示された。
• 多目的NSGA-IIアプローチにより、PSLRとPMEPRの両方をバランスよく最適化でき、ランダム符号化よりも両指標で優れたPareto最適解が得られた。
• 2段階の最適化プロセス（まず検出性能を向上させるためのサブキャリア重み最適化、次にPMEPRを最小化するGAによる位相コード最適化）は効果的であり、最終的に得られた最適化波形は、高い検出性能と低いPMEPRを両立していた。