Problema sa pag-optimize ng waveform sa sistema ng komunikasyon ng radar

Sa sobrang paglaki ng bilang ng mga konektadong device at pagtaas ng demand para sa wireless spectrum, kinakailangang pagsamahin ang maramihang mga function ng RF sa mga platform gaya ng mga eroplano at barko, gaya ng radar, data link, at electronic warfare system. Sa pamamagitan ng pagdidisenyo ng dual function radar communication system, posibleng magbahagi ng spectrum sa parehong hardware platform at suportahan ang sabay-sabay na target detection at wireless na komunikasyon. Sa pamamagitan ng pagbabalanse ng radar at pagganap ng komunikasyon, ang disenyo ng isang dual function na sistema ng komunikasyon ng radar ay maaaring makamit, na isang magandang teknolohiya.

Ang disenyo ng waveform ay isa sa mga pangunahing gawain sa mga sistema ng komunikasyon ng radar. Ang isang mahusay na waveform ay kailangang makamit ang mahusay na pagtuklas ng bagay at paghahatid ng data. Kapag nagdidisenyo ng mga waveform, maraming salik ang kailangang isaalang-alang, tulad ng signal-to-noise ratio, Doppler effect ng target, multipath effect, atbp. Samantala, dahil sa iba't ibang working mode ng radar at komunikasyon, kailangang magawa ng waveform. upang matugunan ang pangangailangan ng dalawa.

Sa kasalukuyan ay walang nakapirming paraan ng disenyo para sa pinakamainam na disenyo ng waveform ng dual function radar na mga sistema ng komunikasyon, na kailangang nakabatay sa mga partikular na sitwasyon ng aplikasyon at mga kinakailangan. Narito ang ilang posibleng paraan ng disenyo:

1. Disenyo batay sa teorya ng pag-optimize: Sa pamamagitan ng pagtatatag ng isang mathematical na modelo ng mga tagapagpahiwatig ng pagganap (tulad ng pagganap ng pagtuklas, rate ng komunikasyon, atbp.), at pagkatapos ay paggamit ng mga algorithm ng pag-optimize (tulad ng gradient descent, genetic algorithm, atbp.) upang mahanap ang waveform na nagpapalaki sa mga tagapagpahiwatig ng pagganap. Nangangailangan ang paraang ito ng mga tumpak na target na modelo at epektibong mga algorithm sa pag-optimize, at nahaharap sa maraming hamon.

Una, ang mga kinakailangan para sa radar at komunikasyon ay maaaring magkasalungat sa isa't isa, na nagpapahirap sa paghahanap ng isang waveform na maaaring masiyahan ang parehong nang sabay-sabay. Pangalawa, ang aktwal na radar at kapaligiran ng komunikasyon ay maaaring naiiba sa modelo, na maaaring humantong sa mahinang pagganap ng dinisenyo na waveform sa praktikal na paggamit. Sa wakas, ang pag-optimize ng mga algorithm ay maaaring mangailangan ng malaking halaga ng mga mapagkukunan sa pag-compute, na maaaring limitahan ang kanilang aplikasyon sa mga praktikal na sistema.

2. Disenyo na batay sa machine learning: Paggamit ng mga algorithm ng machine learning para matutunan ang pinakamainam na waveform sa pamamagitan ng malaking halaga ng data ng pagsasanay. Ang pamamaraang ito ay maaaring pangasiwaan ang mga kumplikadong kapaligiran at kawalan ng katiyakan, ngunit nangangailangan ng malaking halaga ng data at mga mapagkukunan ng pag-compute.

3. Nakabatay sa karanasan ang disenyo: Batay sa karanasan ng mga umiiral na radar at mga sistema ng komunikasyon, ang disenyo ng mga waveform sa pamamagitan ng pagsubok at pagkakamali. Ang pamamaraang ito ay simple at magagawa, ngunit maaaring hindi mahanap ang pinakamainam na solusyon.

Ang mga pamamaraan sa disenyo sa itaas ay may kanilang mga pakinabang at disadvantages, at ang aktwal na disenyo ay maaaring mangailangan ng kumbinasyon ng maraming mga pamamaraan. Bilang karagdagan, dahil sa mga potensyal na salungatan sa pagitan ng radar at mga kinakailangan sa komunikasyon, kailangan ding tugunan ng proseso ng disenyo ang mga salungatan na ito. Halimbawa, maaaring matugunan ang iba't ibang mga kinakailangan sa pamamagitan ng pagbabalanse sa pagganap ng pagtuklas at bilis ng komunikasyon, o pagdidisenyo ng waveform na maaaring dynamic na maisaayos.