[论文解读] 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 5

一句话总结

本文提出使用遗传算法（GAs），特别是NSGA-II用于多目标优化，以及单目标GA用于PMEPR最小化，以设计优化的OFDM雷达波形。结果表明，基于GA的优化显著改善了关键雷达指标——降低主瓣旁瓣比（PSLR）、旁瓣电平积分（ISLR）和峰值平均包络功率比（PMEPR），并通过子载波加权和相位码优化提升了目标检测性能。

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.

研究动机与目标

• 为解决传统OFDM波形在雷达应用中主瓣旁 lobes 高和PMEPR高的问题，这些问题会降低检测性能并引起信号失真。
• 探索使用进化计算——特别是遗传算法——以灵活且自适应的方式优化OFDM雷达脉冲设计。
• 比较单目标与多目标GA方法在优化波形参数（如相位码和子载波权重）方面的表现。
• 将基于GA的优化集成到两步波形设计流程中：首先基于目标反射特性优化子载波权重，然后通过相位码选择最小化PMEPR。
• 证明基于GA的优化在实现低旁瓣电平和低PMEPR方面优于传统方法，尤其在稀疏频谱场景中表现更优。

提出的方法

• 采用两阶段波形设计：首先基于归一化目标反射特性谱优化子载波权重以增强检测；其次使用遗传算法优化相位码以最小化PMEPR。
• 采用NSGA-II进行PSLR与PMEPR的多目标优化，实现旁瓣抑制与包络功率效率之间的Pareto最优权衡。
• 应用单目标GA在保持通过预优化子载波权重获得的增强检测性能的前提下，最小化PMEPR。
• 使用相位码（如BPSK）对OFDM波形进行编码，并采用实值编码策略表示相位偏移以供GA处理。
• 对目标反射特性谱进行归一化，以确保频域回波信号的平均功率为单位值，从而实现在不同波形间的公平比较。
• 在优化过程中使用100人的种群规模和标准GA算子（选择、交叉、变异），采用锦标赛选择和均匀交叉。

实验结果

研究问题

• RQ1 遗传算法能否有效同时优化OFDM雷达波形以降低PSLR和PMEPR？
• RQ2 与传统方法（如Newman相位法）相比，基于GA的优化在PMEPR和旁瓣抑制方面的性能如何？
• RQ3 在相位码优化之前，基于目标反射特性谱的子载波加权能在多大程度上提升检测能力？
• RQ4 在相同时带宽积条件下，增加OFDM符号数量是否能提升优化性能？
• RQ5 在稀疏OFDM频谱中，基于GA的优化能否实现优于传统方法的性能，即使传统方法可能失效？

主要发现

• 与随机编码相比，基于GA的优化显著降低了PMEPR，同时在主瓣旁瓣比（PSLR）和旁瓣电平积分（ISLR）方面也表现出显著改善。
• 在相同时带宽积下，增加OFDM符号数量可提升PMEPR和PSLR降低的优化性能。
• 单目标GA方法在PMEPR降低方面优于现有最稳健的方法，尤其在稀疏频谱场景中表现更优。
• 当子载波权重基于目标反射特性谱进行优化后，平均信号功率提升了2.4 dB，表明检测能力得到增强。
• 多目标NSGA-II方法成功平衡了PSLR与PMEPR，生成了一组Pareto最优解，其在两项指标上均优于随机编码。
• 两步优化流程——先优化子载波权重以提升检测性能，再利用GA最小化PMEPR——被证明有效，最终优化波形在实现高检测性能和低PMEPR方面均表现优异。